AI热榜 作者 | Jackie Calapristi 编译 | 蔡芳芳 编者按： 当 AI 编程工具从“帮工程师写代码”进一步走向能够自主规划、实现、测试和排查问题的 Agent，软件工程真正发生的变化，可能已经不只是“写代码更快了”。
Calendly 最近公开了其内部正在运行的一套 Agentic Engineering 实践：Agent 会先审查 Jira 需求、拆解任务，再并行写代码、跑测试、做 QA，最终由人类完成 Review 和 Merge；在 IAM 团队，仅一周半时间，Agent 就生成了 64 个 PR，完成了一个大型解耦项目约 30% 的工作。
更值得关注的是，随着执行能力被进一步自动化，Calendly 发现工程研发的瓶颈再次发生了转移——从写代码，到需求对齐，再到如今的“判断力”。
Calendly 是一家成立于 2013 年的日程安排 SaaS 公司，核心产品通过连接用户日历，自动处理会议时间协调、预约和工作流等问题，被大量企业和个人用于销售、招聘、客户服务等场景。
正因为它本身是一家拥有成熟产品、工程体系和生产环境的 SaaS 公司，Calendly 团队这次分享的 Agentic Engineering 实践，比单纯展示“AI 能写多少代码”更值得关注：他们讨论的是，当 Agent 真正进入一家成熟软件公司的 Jira、GitHub、CI 乃至生产运维体系之后，研发流程究竟会发生什么变化。
当代码越来越便宜，什么值得做、任务该如何定义、哪些工作可以交给 Agent、哪里必须由人接管，反而成为更稀缺的工程能力。
这篇文章没有停留在“Agent 能不能写代码”的讨论上，而是给出了一家公司真正把 Agent 塞进研发生产流程之后，工程组织正在发生什么变化。
以下是全文翻译： 引言 几个月前，我曾写过 Calendly 工程团队正在发生的一种转变：AI 编程助手每周都能为工程师节省数小时，而这些省下来的时间正在被投入到更好的产品思考、更快的验证，以及与产品和设计团队更紧密的协作中。
我们把这种模式称为 Product-first Engineering（产品优先工程）
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接