上一季你們出貨的東西，有多少來自「產線」？

Anderson，Assay

最近我常問工程主管一個問題，幾乎每個人都會愣住：

上一季你們團隊出貨的功能裡，有多少比例來自「產線」、多少比例來自「手工」？

我說的「產線」是：動工前先有可驗收的規格、驗證靠自動化、多條軌道平行推進、一個人可以同時監工好幾條。「手工」是：工程師逐行手刻，測試靠人眼點一點。

大多數主管答不出來。不是答得不準——是完全答不出來。他們說得出買了哪些 AI 工具、大概花多少錢，也說得出「感覺快很多」。但這個比例——他們交付產能的真實結構——他們看不見。

以前看不見沒關係。現在不行了。

工廠時代不打招呼就來了

讓我想清楚這件事的是一個數據點。2026 年 2 月，Anthropic 的工程團隊公開了他們怎麼用 16 個平行 Claude agent 從零寫出一個 C 編譯器：兩週、近 2,000 個 session、約 $20k 算力——10 萬行 Rust，能編譯 Linux 核心，通過 GCC 酷刑測試套件 99%。那不是 demo，那是一條產線。方向已經很清楚——程式碼生成變得又便宜又能平行，把它工業化的團隊，會用幾分之一的成本對沒工業化的團隊重建功能對等。

多數評論漏掉了關鍵的一段：工廠本身不是護城河。 Playbook 會流傳、模型用租的、一條產線幾個月就能重建。團隊之間真正的差異——會複利的那部分——是生成周圍那套系統的品質：規格、context、驗證、審核閘門。編譯器的故事之所以成立，是因為現成就有一個完美的驗證神諭（GCC 的測試套件）。你的業務沒有現成的神諭，把它建出來才是真正的工作。

所以第一個問題不是「該買哪些 AI 工具」，而是：誠實量測之下，我們今天的工廠長什麼樣？

一張你可以自己對號入座的成熟度表

我們為此做了一套量測框架——四項指標，從你自己的 repo 和 CI 抽樣，不需要開任何權限給任何人，把團隊判到 0 至 4 級。免費預覽版在這裡，找找你們在哪一級：

做這套框架的過程中，兩個誠實的觀察：

多數導入了 AI 工具的團隊實際在 1 級，卻自認在 3 級。 工具讓打字變快了，但下游——工作怎麼被規格化、驗證、驗收——什麼都沒變。這個「體感進步」和「結構進步」之間的落差，正是「AI 生產力提升到底是多少」這題在董事會上一再答不出來的原因。

未來難以對付的團隊，不是 AI 預算最高的那些。 是驗證自動化程度高到「加開平行生成」真的能複利、而不是變成堆積審核負擔的那些。

自己量一次

我們把框架做成了自評包：一份附精確抽樣指引的分卡（抽哪些 PR、什麼才算規格、每項指標最常見的自欺陷阱）、一份告訴你「你這一級代表什麼、下一步唯一該做的事」的指南、一份 90 天後可以自己複測的行動計畫模板。

一位工程主管、30–60 分鐘、用你們自己的資料就能完成。不連接任何系統，你們的資料不會離開你們的機器。

→ 自評包在這裡：https://useassay.gumroad.com/l/ymolaf

這是全文我唯一要賣你的東西。如果你量完發現等級跟預期不一樣——不管高了還是低了——我真心想聽你說說：hello@useassay.co。

這東西是誰做的，以及為什麼叫 Assay

完全透明，因為透明本身就是重點。

Assay 是冶金學裡的「試金」：取樣、入火、秤量，判定一塊礦石的純度與價值。金和黃鐵礦用看的分不出來，你得取一小塊、燒過、秤剩下的。取這個名字是因為這就是我們在做的事——市面上的 AI 人格庫越來越多，一堆從來沒被考核過的 prompt 和人設。蒐集很便宜，考核才是工。

所以：這份自評包的方法論，是由 Assay 的 AI 團隊蒸餾並反覆壓力測試的——這些 agent 在一部成文憲法之下運作，任何產出上線前，都要交給另一個沒有參與撰寫的考官 agent 打分。那個考官是我們自己的，不是第三方，我把話講明白，不會包裝成「認證」。但它有權當掉我們：這套方法論初考 72 分被退件重寫，迴歸考 98 分才過關。兩份考卷我們都留著，你要看，我就寄給你。

我以負最終責任的人類身分審閱並簽核。Assay 是品牌，不是公司——沒有辦公室、沒有員工名冊;有的是一套方法、一份紀錄，和一個會回信的人。把品管紀錄攤給你看，勝過告訴你「我們很專業」——而如果「一支有審計軌跡的 AI 團隊」這件事讓你好奇，那也不是巧合。