@bcherny：Salesforce 導入 Claude Code 實現 Agentic 開發。 Salesforce 工程與客戶成功長 Srinivas Tallapr…

Salesforce 導入 Claude Code 實現 Agentic 開發。 Salesforce 工程與客戶成功長 Srinivas Tallapragada 指出，該公司已從單純將 AI 作為輔助工具，轉向由 Agent 驅動整個 SDLC。透過全面採用 Claude Code 並移除所有 token 限制，Salesforce 在 2026 年 4 月的開發效率顯著提升：每位開發者的工作項目完成量成長 50.8%，PR 合併量成長 79%，而基於機器學習的「有效產出分數」更年增 151.3%。 Agentic 程式開發的實際成效 Salesforce 透過一個具體案例展示了這種轉變：團隊將 33 個 API 端點遷移至雲端原生架構，傳統方式預估需耗費 231 人天，但透過 Claude Code 僅花費 13 天即完成。 團隊建立基於 Claude 的規則框架，將 Markdown 文件與參考實作結合，實現自動化遷移。 透過持續將 PR 回饋納入規則集，提升準確度並達到近乎生產環境的品質。 執行自主 LLM 迴圈（建置、修正、驗證），並在隔離環境中平行處理，最終以 5 個 PR 完成所有遷移，其中最大的單一 PR 包含 21 個端點，且達到 100% 測試覆蓋率。 品質與生產力的同步提升 針對 AI 加速可能導致品質下降的疑慮，Salesforce 的「Engineering 360」平台數據顯示，在 PR 數量增加的同時，總體事故發生率反而下降了 5%。這證明生產力與品質並非零和博弈，關鍵在於將安全護欄與品質標準結構化地嵌入 Agentic 工作流程中。 重塑軟體開發生命週期（SDLC） Salesforce 工程師不再僅是 AI 的使用者，而是成為 Agentic 工作流程的建構者： 技能與資產化：工程師開發並分享「Claude Code skills」，將團隊上下文、命名慣例與工作模式封裝為可重複使用的程式庫。 AI Expert Suite：透過 Salesforce Foundation Plugins 提供經過驗證的 AI skills，讓開發者擁有共享基礎，而非從零開始。 子 Agent 與團隊協作：透過多個 Agent 處理平行工作流，工程師只需描述目標，由 Agent 協調執行步驟，減少跨系統切換的負擔。 持續面臨的挑戰與反思 儘管進展迅速，Salesforce 仍面臨幾項關鍵挑戰： 上下文管理：在長且複雜的 Agent 會話中，如何維護高品質的 CLAUDE.md 設定檔仍是工程師需精進的技術。 安全性模型：當 Agent 具備系統操作權限時，錯誤配置的影響範圍（blast radius）更大，需建立端到端的安全防護。 角色演進：當 Agent 接管執行層工作時，初階工程師的成長路徑、產品經理與設計師的角色定位，以及 Scrum 團隊的組織形式皆需重新定義。目前 Salesforce 正嘗試以一人或三人為單位的執行小組進行實驗。 Srinivas Tallapragada 強調，未來的工程組織絕非僅是在現有流程上「外掛」AI，而是必須徹底拆解並重組工作流程，刪除不必要的步驟與交接，讓 Agent 能夠端到端地負責特定任務。原文：https://easyvibecoding.app/curated/1644