当前许多 AI 自动化工作仍高度依赖人工干预来连接各个阶段，充当昂贵的中间件。虽然单个任务已实现自动化，但整体工作流依然割裂，需要人员手动在不同系统间转移信息。这种模式效率低下，因为现有的系统（如 AWS、GitHub 和 Jira）已具备可共享数据的 API。作者认为，目前仍需人类来弥合这些差距，但这将是一个可能很快改变的瓶颈。真正的问题在于识别何处确实需要人类参与，这因团队和合规需求而异。尽管 AI 输出并不总是完美，但作者认为人类在流程中往往被过度使用。对于许多任务，真正需要人类决策的往往只有一到两次：理解初始目标以及验证最终结果。作者建议，在这两个节点之间的大部分工作可由机器完成。文中给出了一个处理生产缺陷的自动化流程实例，涵盖从错误检测到代码变更及测试的全过程，无需即时人工输入。这凸显了在需要人工审查之前实现显著自动化的潜力。更高级自动化所缺失的关键要素是记忆，即持久状态，使智能体能够保留并传递习得的信息。目前，此类信息常散落在聊天窗口或终端中，迫使人工进行总结。作者提出，建立用于存储上下文的数据库或类似机制对于使智能体有效协同工作至关重要。虽然在笔记本电脑上本地构建这些自动化工作流是可行的，但会形成脆弱的基础设施，极易受到干扰。这些由 AI 驱动的自动化系统在执行软件开发生命周期任务时，需要与其他生产服务一样具备稳健的基础设施，包括稳定性、安全凭证、持久状态、日志记录、重试机制和审计追踪。最终目标是让 AI 系统能够自主处理诸如调查和修复缺陷等任务，使开发者在早晨前即可完成工作，从而消除繁琐的复制粘贴和手动步骤。