AI Engineer你的财务Agent的瓶颈是你自己 — Ramana Siddanth Emani, Auditoria AI
Auditoria AI的Ramana Siddanth Emani指出，交付生产级财务Agent的最大瓶颈并非模型或GPU，而是开发者自身。他主张利用编码Agent自动化开发循环，通过并行处理任务、使用技能确保正确模式，并让子Agent处理测试、构建等环节，从而大幅提升交付效率。在金融领域，这意味着Agent间协作与数据核对，让人专注于验证而非重复劳动。
在AI工程领域，我们常常关注模型性能、算力优化，却忽视了开发流程中的瓶颈。Ramana Siddanth Emani的观点直指核心：在交付生产级财务Agent时，最慢的环节往往是开发者本身。这并非否定开发者的价值，而是指出传统开发流程中，开发者被大量重复性任务占据，无法专注于高价值的验证与决策。
Emani提出的解决方案是让编码Agent自动化开发循环。具体而言，开发者可以运行多个Agent，在独立的git worktrees中并行处理任务，每个Agent通过'技能'（skills）确保使用正确的代码模式。任务来源直接对接QA报告、Jira工单、GitHub PR等现有工具，子Agent负责拉取追踪和日志、编写并运行端到端测试、构建并报告结果，仅在少数关键步骤需要开发者提供上下文。
这种方法的优势在于，它并非取代开发者，而是将开发者从重复劳动中解放出来，使其成为最终验证者。在Auditoria这样的金融科技公司，这意味着Agent之间可以相互对话，自动核对源数据，而开发者只需在关键节点进行验证，从而大幅提升交付效率。
对于中文AI/科技读者而言，这一观点具有重要的实践意义。它提醒我们，在追求模型性能的同时，也应关注开发流程的自动化。通过将编码Agent融入日常工作流，不仅可以加速产品迭代，还能让开发者专注于更具创造性和战略性的工作。Emani的实践经验为那些希望优化AI工程流程的团队提供了可借鉴的路径。