Thoughtworks 是少數「做軟體交付、也做軟體交付研究」的機構——他們的 Technology Radar、工程師部落格(martinfowler.com)和 Looking Glass 報告不是觀察者的預測,而是從實際交付案例裡提煉出來的工程意見。 這個專欄專門整理 Thoughtworks 在 2025–2026 年對「AI 融入軟體交付工作流」的系統性論述——只做高階應用,跳過基礎,鎖定資深工程師和技術主管最需要的方法論判斷。

核心一句話:AI 加速了程式碼生成,但交付管道、品質控制、人機協作模型,才是真正決定團隊成敗的戰場。

本專欄全程標示「可佐證(有 Thoughtworks 文件 / 報告 / 資料)」vs「主張(工程意見、無嚴格對照)」。每篇原子筆記附原始 Thoughtworks 來源連結。

五個核心主題

交付管道與 AI 經濟學

  1. AI 加速了程式碼生成,但交付管道才是瓶頸 — CircleCI 2026 數據:吞吐量升 59%、主幹下降 7%;pipeline 是新約束;DORA 指標在 AI 時代的重要性比以前更高不更低

品質控制層

  1. Harness Engineering + Context Engineering:AI 編碼的品質控制層 — Böckeler 的 Harness 三分類(脈絡工程、架構約束、熵管理);Context Engineering 的決策授權模型;Radar Vol.34 相關 blip

人機協作模型

  1. Human-on-the-Loop:Agent 時代工程師的正確站位 — Morris 的 Why / How 迴圈框架;in / on / out 三種站位;Lässig 的控制論框架(Viable System Model);Böckeler 的不可替代技能清單

AI 工具與方法論

  1. AI-Native Engineering 五支柱:超越 Vibe Coding — Thoughtworks Sunit Parekh 的五支柱框架(Agent / Model / Methodology / Specs / Context);從 vibe coding 到工程紀律

Technology Radar 判讀

  1. Technology Radar Vol.34 AI 判讀:Thoughtworks 的採用指南 — April 2026 版;Claude Code / Cursor / Context Engineering 已升 Adopt;完整 AI blip 清單含每個評等的工程理由

組織設計與治理

  1. Team Topology + AI 治理:組織如何因應 Agent 規模化 — Skelton & Pais 的 Team Topologies + AI 更新;Enabling Team 模式;認知負載與 domain fidelity;AI/works™ 治理平台

與既有專欄的關係

本專欄的差異化定位:以 Thoughtworks 的第一手報告、Radar 評等和 martinfowler.com 系列文章為來源,每項論述可回溯到具體文章。 不依賴二手摘要或泛泛的業界觀點。

🔍 待解問題

  • Thoughtworks 的「15% 典型生產力提升」數字來自哪個方法論?是否有對照組設計?
  • AI/works™ 平台的「3/3/3 交付模型」具體是什麼?尚未找到公開詳細文件。
  • Technology Radar Vol.35(預計 2026 下半年)的 AI 評等會如何演變?哪些 Trial 會再升 Adopt?

🕒 更新紀錄

  • 2026-07-04 — 建立專欄。核心來源:Thoughtworks Technology Radar Vol.34(April 2026)、martinfowler.com “Exploring Gen AI” 系列(Birgitta Böckeler 主筆,2025–2026)、Thoughtworks Looking Glass 2026「AI and software delivery」、“Beyond vibe coding”(Sunit Parekh, 2026)、“Cybernetics and human-on-the-loop”(Dirk Lässig, 2026)、“Humans and Agents in Software Engineering Loops”(Kief Morris, 2026)。1 篇 hub + 5 篇原子筆記。