LimestoneHQ 搭了套 AI 软件工厂，从需求到 PR 全流程跑通

我们正在 @LimestoneHQ 为客户搭建一座 AI 软件工厂。目标是：借助 AI 智能体，把一张工单从需求一路推进到经过测试的 Pull Request，同时把人工审批和治理机制嵌入整个流程。

以下是这座工厂的组成：
1. 编排层——协调各个智能体，从工单触发工作流，并管理执行过程。
2. 规格驱动开发——在写代码之前，把需求转化为规格说明、技术方案和可测试的任务。
3. 智能体运行时——使用 LangGraph.js + Claude Agent SDK 来执行各类专门智能体。
4. 执行基础设施——AWS Fargate，配备预热好的隔离沙箱，用于并行处理编码任务。
5. LLM 网关——LiteLLM / AWS Bedrock，用于模型路由、API 密钥管理、速率限制和 token 预算控制。
6. 治理——用 Anthrive 实现集中式策略管理、提示词增强和安全护栏。
7. PR 评审与事实校验——AI 代码评审之外，再叠加确定性验证。每一条发现都必须有真实证据支撑。
8. 代码与知识图谱——映射代码依赖、架构、领域知识和决策记录，让智能体能检索到相关上下文。
9. 记忆系统——用 Postgres 存储执行历史、检查点以及之前运行的反馈。
10. 可观测性——Langfuse + ClickHouse，用于追踪模型调用、延迟、token 消耗和成本。
11. 测试与评估——自动化测试、黄金 PR 回归测试套件，以及带版本管理的提示词评估。
12. 开发者智能——在功能层面度量工程周期时间、AI 使用情况、成本和投入工作量。
13. 集成——Jira、Azure DevOps、GitHub、ClickUp，以及现有的 CI/CD 流水线。

工作流程是：工单 → 规格 → 方案 → 构建 → 测试 → 评审 → PR → 人工审批 → 上线。

关键不在于让 AI 智能体写出代码，而在于围绕智能体搭建一整套基础设施，让软件交付变得可重复、可治理、可度量。

如果你想为自己的企业搭建一套自托管的工厂，欢迎私信我。