一人團隊不再等於一個腦袋：Agentic Development

系列： AI 時代的創作、選擇與人類復古系列
篇次： 第 7 篇
版本： v0.1
性質： 理論論文／Agent 組織模型／公開版

摘要

傳統的一人開發存在一個很難迴避的限制：

\boxed{ 1\text{ Developer} \approx 1\text{ Active Cognitive Stream} }

即使創作者技術很多元，他仍然只能在同一時間切換設計、程式、美術、測試、研究、文件、行銷與版本管理等角色。真正限制一人團隊的，往往不只是工時，而是同一個人難以同時提供互相獨立的視角、持續監督、反對意見與重複驗證。

Agentic AI 改變了這個結構。

本篇提出：

\boxed{ \text{Solo Team} \neq \text{Single Brain} }

在 Agentic Development 中，一個人類可以配置多個專職 Agent，形成：

\boxed{ 1\text{ Human} + N\text{ Specialized Agents} }

並將工作拆分為 Planner、Builder、Reviewer、QA、Researcher、Balancer、Regression Keeper、Release Gate 等不同認知角色。

這種架構並不等於 AI 自動接管整個專案，也不等於虛構出一個不存在的團隊。它真正改變的是：角色分離、異議供給、重複測試、記憶累積與認知並行變得可以低成本實現。

本篇建立 Agentic Development 的基本組織模型，並主張：AI 時代一人團隊真正的槓桿，不是「讓一個人做十個人的產量」，而是「讓一個人擁有十種可以彼此制衡的工作角色」。

關鍵詞

Agentic Development、Solo Developer、AI Agent、Multi-Agent、QA Agent、Reviewer Agent、Agent Organization、認知角色、AI-Native Development、Human-in-the-loop

1. 傳統一人團隊的真正限制

一人團隊通常被理解為：

人不夠。

但更精確地說，是：

\boxed{ \text{Perspective Bandwidth 不夠。} }

同一個人可以會：

程式；
美術；
設計；
企劃；
測試；
發行。

但他仍然只有：

1

個同時運作的主體注意力。

2. 角色切換不是角色獨立

一個人早上當設計師，下午當程式員，晚上當 QA。

表面上：

RoleCount=3

但其實：

\boxed{ PerspectiveSource=1 }

因此：

設計者知道程式怎麼寫；
程式員知道設計真正想要什麼；
QA 知道哪裡「本來就應該這樣」。

這會降低真正的角色獨立性。

3. Creator-Tester Contamination

當同一個人同時設計與測試：

\boxed{ \text{Creator Knowledge} \rightarrow \text{Tester Bias} }

測試者知道：

正確操作；
隱藏規則；
正確任務順序；
預期 build；
哪些 UI 不需要解釋。

因此：

\boxed{ \text{Internal Knowledge} }

會污染：

\boxed{ \text{External User Simulation} }

4. Agentic Development 改變的是「角色來源」

傳統：

\boxed{ 1\text{ Human} \rightarrow \{Role_1,Role_2,\dots,Role_n\} }

但所有角色共享同一個認知來源。

Agentic Development：

\boxed{ 1\text{ Human} + \{A_1,A_2,\dots,A_n\} }

其中：

A_i

可以擁有不同：

目標；
上下文；
權限；
persona；
評估函數。

因此：

\boxed{ \text{Role Separation} }

第一次可以在一人團隊中低成本實現。

5. Headcount 與 Cognitive Role 必須分開

傳統組織：

N_H = \text{Human Headcount}

Agentic 組織還需要：

N_R = \text{Active Cognitive Roles}

未來：

\boxed{ N_R > N_H }

會成為常態。

因此：

\boxed{ \text{Team Capacity} \not\approx \text{Human Headcount Only} }

6. 一個最小 Agentic Team

最小可以只有四個角色：

\boxed{ \text{Planner} }

\boxed{ \text{Builder} }

\boxed{ \text{Reviewer} }

\boxed{ \text{Verifier} }

人類則是：

\boxed{ \text{Owner / Final Judge} }

7. Planner

Planner 的目標不是做東西，而是：

\boxed{ \text{Decide What Should Be Done Next} }

它負責：

分解任務；
找依賴；
排順序；
控制 scope；
識別風險；
生成 test plan。

因此：

\boxed{ PlannerObjective = \max \text{Execution Coherence} }

8. Builder

Builder 的目標：

\boxed{ \max Completion }

它負責：

寫程式；
生成內容；
修改資料；
建 asset；
執行明確任務。

Builder 不應同時擁有：

最終品質判斷權。

9. Reviewer

Reviewer 的目標：

\boxed{ \max DefectDiscovery }

它專門：

找錯；
找缺失；
找不一致；
找不必要功能；
找 Integration Debt；
找隱含假設。

它的成功不是：

完成。

而是：

發現問題。

10. Verifier

Verifier 的目標：

\boxed{ \max Evidence Quality }

它不只問：

Reviewer 說得對嗎？

而要：

重現；
跑 test；
比較 runtime；
檢查 diff；
驗證 invariant。

因此：

\boxed{ \text{Claim} \rightarrow \text{Evidence} }

11. 為什麼角色分離很重要

如果：

Builder=Reviewer

容易：

\boxed{ \text{Self-Validation Bias} }

如果：

Reviewer=Judge

則容易：

\boxed{ \text{Over-Correction} }

所以理想結構：

\boxed{ Builder \neq Reviewer \neq Judge }

12. 人類的角色不是被拿掉

Human Owner 負責：

目標；
品牌；
審美；
最終 trade-off；
風險承擔；
發布責任。

也就是：

\boxed{ \text{Human} = \text{Intent} + \text{Selection} + \text{Responsibility} }

13. Agentic Development 的真正槓桿

最表面的槓桿是：

\boxed{ \text{Parallel Work} }

但更深的是：

\boxed{ \text{Parallel Cognition} }

不同 Agent 可以同時：

寫；
測；
研究；
反對；
比較；
記錄。

所以：

\boxed{ \text{Concurrency} }

不只是工作量並行，也是認知角色並行。

14. 傳統 Solo Dev 的瓶頸：Serial Cognition

傳統流程：

Design \rightarrow Code \rightarrow Test \rightarrow Review

都是同一個人串行。

因此總時間：

T = T_D+T_C+T_T+T_R

Agentic 模式可部分變成：

\boxed{ T \approx \max(T_C,T_T,T_R) + T_{human\ review} }

只要任務能安全並行。

15. 但不是所有任務都該並行

若工作：

A \rightarrow B

有強依賴，

硬並行只會：

\boxed{ \text{Coordination Waste} }

所以 Agentic Development 不是：

Agent 越多越好。

而是：

\boxed{ \text{Correct Task Decomposition} }

16. Agent 數量本身也有 Integration Debt

設：

N_A = \text{Agent Count}

Agent 越多：

N_A\uparrow

也會增加：

溝通；
狀態同步；
重複工作；
衝突；
context divergence。

因此：

\boxed{ \text{Agent Count} \not\Rightarrow \text{Team Quality} }

17. Agent Coordination Cost

可以寫：

C_A = f( N_A, D, S, R )

其中：

$N_A$ ：Agent 數量；
$D$ ：依賴密度；
$S$ ：狀態同步需求；
$R$ ：角色重疊度。

若：

R\uparrow

則 Agent 彼此更容易重複。

18. 所以 Agent 需要 Role Contract

每個 Agent 應有：

\boxed{ RoleContract_i = ( Goal, Input, Output, Authority, StopCondition ) }

也就是：

你要做什麼；
你可以讀什麼；
你要輸出什麼；
你能改什麼；
什麼時候停止。

19. 權限比智能更重要

高能力 Agent 若權限無界：

\boxed{ Risk\uparrow }

所以成熟 Agentic Development 需要：

\boxed{ \text{Capability} \neq \text{Authority} }

Agent 可以很聰明，但只擁有：

\boxed{ \text{Least Necessary Authority} }

20. QA Agent

QA Agent 的目標不是：

玩得開心。

而是：

\boxed{ \text{Find Failure States} }

它可以：

亂點；
重複操作；
讀檔；
存檔；
換解析度；
alt-tab；
故意做怪順序；
走 exploit。

21. Persona Agents

另一類不是找 Bug，而是模擬不同玩家：

\boxed{ A_{newbie} }

\boxed{ A_{minmax} }

\boxed{ A_{roleplay} }

\boxed{ A_{sandbox} }

它們不是同一個 QA。

而是：

\boxed{ \text{Different Utility Functions} }

22. Min-Max Agent

Min-Max Agent 專門：

\boxed{ \max WinRate }

或：

\boxed{ \max Reward/Cost }

它容易找到：

dominant strategy；
broken build；
可忽略資源；
經濟漏洞；
最優 farming path。

23. Newbie Agent

Newbie Agent 只知道：

\boxed{ \text{Player-Visible Information} }

它專門測：

UI 是否能理解；
教學是否足夠；
stat 是否有語義；
任務是否清楚；
玩家是否知道下一步。

24. Sandbox Agent

Sandbox Agent 的問題是：

如果我不照主線走，世界還活著嗎？

它測：

\boxed{ \text{World Persistence} }

與：

\boxed{ \text{Long-Horizon Activity} }

這類測試往往很耗真人時間，但非常適合 Agent。

25. Long-Run Agent

長流程 Agent 可以：

\boxed{ Start \rightarrow Midgame \rightarrow Endgame }

反覆跑不同策略。

追蹤：

資源曲線；
任務曲線；
難度；
角色成長；
世界狀態；
ending。

這使：

\boxed{ \text{Whole-Game Regression} }

第一次對小團隊變得可負擔。

26. Agent QA 最大的價值是重複

人類很不喜歡：

同一條流程再跑 30 次。

Agent 正好相反。

因此：

\boxed{ \text{Repetition Cost}_{AI} \ll \text{Repetition Cost}_{Human} }

這使：

\boxed{ \text{Regression Coverage}\uparrow }

27. Cheap Worker + Strong Reviewer

Agentic Development 不需要每個角色都使用最強模型。

可以：

\boxed{ 1\text{ Strong Planner} + N\text{ Cheap Workers} + 1\text{ Strong Reviewer} }

便宜模型負責：

大量操作；
批量測試；
重複跑；
基礎整理。

高能力模型負責：

設計；
判斷；
全域審核；
例外分析。

28. 成本函數因此可以重新設計

傳統：

Cost \approx N_H \times Salary

Agentic：

\boxed{ Cost = C_{strong} + N_WC_{cheap} + C_{human} }

因此「大量 worker」第一次可能成為小團隊可承擔能力。

29. 但 Cheap Worker 必須可驗證

低成本模型可以：

做；
跑；
記錄。

但關鍵輸出應該：

\boxed{ \text{Evidence-Backed} }

例如：

screenshot；
log；
save snapshot；
state diff；
test result。

否則：

\boxed{ \text{Cheap Output} }

可能只是：

\text{Cheap Hallucination}

30. Agentic Development 需要 Shared State

多 Agent 若沒有共享狀態：

\boxed{ \text{Context Fragmentation} }

會快速增加。

因此需要：

\boxed{ \text{Canonical Project State} }

例如：

current spec；
issue list；
test matrix；
dependency graph；
release status；
known risk。

31. Canonical State 比聊天歷史重要

Agent 不應靠：

我記得我們之前聊過。

而應讀：

\boxed{ \text{Canonical Artifacts} }

如：

README；
design spec；
state DB；
issue ledger；
test ledger；
changelog。

這使：

\boxed{ \text{Project Memory} }

從人的記憶轉成系統資產。

32. Agent Memory 與 Project Memory 必須分開

Agent 自己的：

M_A

可能會漂移。

但專案需要：

M_P

穩定。

因此：

\boxed{ M_P \neq M_A }

Project Memory 應該：

可檢查；
可版本化；
可引用；
可回溯。

33. Regression Keeper

可以專門設一個 Agent：

\boxed{ \text{Regression Keeper} }

它負責：

收集舊 bug；
轉成 test；
每版重跑；
檢查同類風險。

核心：

\boxed{ Bug \rightarrow RegressionTest \rightarrow PermanentQAAsset }

34. Release Gate Agent

Release Gate 不負責「修」。

而負責：

\boxed{ \text{Can This Version Ship?} }

它讀：

blocker；
regression；
performance；
crash；
save compatibility；
known issue。

最後輸出：

\boxed{ Go / NoGo / GoWithRisk }

但最終仍由人類決定。

35. Research Agent

Research Agent 可以專門負責：

API；
engine；
competitor；
market；
user feedback；
literature；
benchmark。

它的作用是擴大：

\boxed{ \mathfrak B = \text{Choice Space} }

讓人類不是只在自己已知方案中選。

36. Balance Agent

Balance Agent 可以做：

\boxed{ \text{Simulation} + \text{Optimization} + \text{Counterexample Search} }

例如大量跑：

Build \times Enemy \times Difficulty

找：

dominant build；
dead option；
cap collision；
useless upgrade。

37. Art Direction Agent

AI 不只可以畫。

也可以審：

silhouette；
配色；
派系語法；
角色差異；
asset consistency。

因此：

\boxed{ \text{AI Art Value} }

不必只等於：

\text{Asset Generation}

還可以是：

\boxed{ \text{Visual Review} }

38. Narrative Agent

Narrative Agent 可以檢查：

角色聲音；
設定衝突；
伏筆；
branch consistency；
ending dependency；
persistence。

因此：

\boxed{ \text{Narrative QA} }

也可以被角色化。

39. Multi-Agent 的真正價值是「制衡」

若所有 Agent 只是：

幫忙做。

那只是：

\boxed{ \text{Parallel Labor} }

更高階的是：

\boxed{ \text{Parallel Checks and Balances} }

即 Agent 之間彼此：

檢查；
反駁；
驗證；
升級問題。

40. Agentic Organization

可以表示為：

\boxed{ \mathcal A = (V_A,E_A) }

其中：

$V_A$ ：Agent roles；
$E_A$ ：handoff、review、approval、feedback edges。

所以 Agentic Development 本身也是一個：

\boxed{ \text{Organization Design Problem} }

41. Agent 不是越自治越好

很多人會把：

\text{Autonomy}\uparrow

當成：

\text{Agent Quality}\uparrow

但：

\boxed{ \text{Autonomy} \neq \text{Usefulness} }

對高風險工作，較低自治：

\boxed{ \text{Human Gate} }

可能更好。

42. 自治應該依任務風險分層

可以定義：

R_i = \text{Task Risk}

若：

R_i\downarrow

可允許：

Autonomy_i\uparrow

若：

R_i\uparrow

則：

\boxed{ HumanReview_i\uparrow }

43. Agentic Development 的失敗模式之一：代理人爆炸

若：

N_A\uparrow\uparrow

但沒有：

clear roles；
shared state；
stop conditions；
evidence；
hierarchy；

則容易：

\boxed{ \text{Agent Swarm Noise} }

而不是生產力。

44. 第二個失敗模式：共識幻覺

如果所有 Agent 共用：

同模型；
同 prompt；
同資料；
同 bias；

即使：

N_A=10

也可能：

\boxed{ \text{Effective Perspective Count}\approx1 }

所以真正需要的是：

\boxed{ \text{Role Diversity} }

而不是單純 Agent 數量。

45. 第三個失敗模式：無責任自動化

若出了問題時：

Agent 做的。

那整個系統失去：

\boxed{ \text{Accountability} }

所以人類 owner 必須保留：

\boxed{ \text{Responsibility Domain} }

Agent 可以執行，但責任不能憑空消失。

46. Agentic Development 其實是管理學問題

當 Agent 數量增加後，人類角色會逐步從：

\boxed{ \text{Doer} }

轉向：

\boxed{ \text{Architect} + \text{Manager} + \text{Judge} }

這表示：

技術能力仍重要。

但：

\boxed{ \text{Delegation Quality} }

會變得越來越重要。

47. Delegation Quality

可以粗略定義：

DQ = f( TaskDefinition, RoleFit, AuthorityFit, Verification, Feedback )

若：

DQ\downarrow

Agent 越強，也可能：

\boxed{ \text{做錯更多。} }

48. 一人團隊的稀缺能力因此改變

以前：

\boxed{ \text{Solo Advantage} = \text{Can Do Many Things} }

未來更像：

\boxed{ \text{Solo Advantage} = \text{Can Orchestrate Many Capabilities} }

也就是：

\boxed{ \text{Orchestration} }

成為新技能。

49. Orchestration 不是 Prompt Engineering

它包含：

任務拆解；
權限；
狀態；
review；
escalation；
memory；
cost routing；
model routing；
release gate。

因此：

\boxed{ \text{Agent Orchestration} > \text{Prompt Writing} }

50. Agentic Development 的最小閉環

一個完整閉環可以是：

\boxed{ \text{Human Goal} \rightarrow \text{Planner} \rightarrow \text{Builder} \rightarrow \text{Reviewer} \rightarrow \text{Verifier} \rightarrow \text{Human Judge} }

若問題成立：

\boxed{ \text{Revision Loop} }

若通過：

\boxed{ \text{Canonical Update} }

51. 「完成」不應由 Builder 宣告

Builder 說：

完成。

最多代表：

\boxed{ \text{Implementation Complete} }

真正：

\boxed{ Done }

應該至少經過：

\boxed{ Build + Review + Verify + HumanAccept }

52. 這會自然改善 Integration Debt

第五篇的問題：

FeatureThroughput > IntegrationThroughput

Agentic Development 的目的之一，就是讓：

\boxed{ IntegrationThroughput\uparrow }

而不是只讓：

FeatureThroughput\uparrow

53. 這也會自然改善 QA Capital

因為：

\boxed{ \text{Regression Keeper} }

與：

\boxed{ \text{Release Gate} }

可以把舊錯誤永久留下來。

所以每個專案不是：

重新測。

而是：

\boxed{ QA_{n+1} \supset QA_n }

54. 一人開發的「沒人測」開始失去部分正當性

以前：

我一個人，沒錢請 QA。

是很真實的硬限制。

現在仍然不能假裝：

AI 等於真人 QA。

但：

\boxed{ \text{沒有真人 QA} \neq \text{沒有大量重複測試能力} }

這兩件事已經分開。

55. Agent 不會消滅真人測試

AI Agent 很難完全取代：

真實情緒；
社交反應；
長期文化感受；
特殊硬體；
真實市場行為。

所以成熟結構是：

\boxed{ \text{Agent Testing} + \text{Human Playtesting} }

而不是二選一。

56. Agent 最適合消滅的是「不值得人做的重複」

例如：

30 次相同流程；
100 種數值組合；
每版固定回歸；
多解析度；
多 build；
數千配裝。

這些：

\boxed{ \text{High Repetition} + \text{Low Human Uniqueness} }

最適合 Agent。

57. 人類則保留高主體價值工作

人類更值得投入：

最終審美；
世界觀；
情感判斷；
品牌；
重大 trade-off；
玩家同理；
最終責任。

因此：

\boxed{ \text{Human Labor Allocation} }

會逐步往：

\boxed{ \text{High-Agency Decisions} }

集中。

58. Agentic Development 與 Human-Retro

這看似在削弱「純人類」。

其實反而可能讓：

\boxed{ \text{Human Identity Density}\uparrow }

因為人類不再被大量重複勞動吞掉。

更多注意力可以投入：

\boxed{ \text{What Only This Human Should Decide} }

59. 人類的稀缺性從勞動轉向編排

這可以寫成：

\boxed{ \text{Human Scarcity} : \text{Manual Labor} \rightarrow \text{Orchestration} + \text{Selection} + \text{Responsibility} }

這是本系列非常重要的轉向。

60. Agentic Development 與選擇底空間

多 Agent 的真正功能之一，是擴張：

\mathfrak B

也就是可見的選擇底空間。

Planner 找新路。

Researcher 找外部方案。

Reviewer 找反例。

Tester 找失敗狀態。

因此：

\boxed{ \mathfrak B_{agentic} \supset \mathfrak B_{solo} }

61. 但人類仍然要選擇「誰來選」

這就開始接到更高階問題：

哪個 Agent 應該做這件事？

也就是：

\boxed{ \text{Choose the Chooser} }

因此 Agentic Development 已經不是單純分工。

它開始進入：

\boxed{ \text{Meta-Selection} }

62. 系列中的位置

第六篇提出：

\boxed{ \text{AI as Permanent Second Designer} }

第七篇將其擴張成：

\boxed{ \text{AI as Multi-Role Development Organization} }

下一篇則會集中處理這個組織最重要的長期資產之一：

《Bug 修掉不等於學會：Regression Capital 與 QA 記憶》

63. 結論

AI 時代，一人團隊最大的改變，不是：

一個人可以假裝有十個員工。

而是：

\boxed{ \text{一個人第一次可以低成本擁有多個彼此分離、彼此制衡的認知角色。} }

因此：

\boxed{ \text{Solo Team} \neq \text{Single Brain} }

真正強的 Agentic Development 也不是：

\boxed{ \text{More Agents} }

而是：

\boxed{ \text{Better Role Separation} + \text{Better Shared State} + \text{Better Verification} + \text{Better Human Selection} }

當生產能力逐步商品化後，一人創作者真正需要培養的能力也會從：

我能不能自己把全部事情做完？

轉向：

\boxed{ \text{我能不能把不同認知工作交給正確的角色，讓它們彼此制衡，最後再由我負責選擇？} }

因此，一人團隊的未來不是：

1\text{ Human} \rightarrow \text{Do Everything}

而更可能是：

\boxed{ 1\text{ Human} \rightarrow \text{Orchestrate a Cognitive Organization} }

這才是 Agentic Development 真正的意義。