NOKIA 用 Cursor 重做 SDLC，真正改變的是工程監督方式
看到 Nokia 這個案例時，我第一個反應不是「AI 把工程師取代了」，而是：軟體開發的監督邊界正在移動。Waydev 9 月 4 日的案例分析，整理了 Cursor 9 月 2 日發布的客戶故事。Nokia Core Networks 面對的是超過 5,000 萬行程式碼的混合式 codebase。案例提到，原本需要 12 位以上專家、耗時數月的 decomposition analysis，後來由 2 位工程師在 2 週完成；另一個 project-management tool，則在不到一週內自動化約 6 至 10 人月流程的 80%；root-cause analysis 也從數週縮短到數天。
嚴格來說，這些數字是 vendor 與 customer 的估計，不是獨立稽核結果，所以不能直接當成可普遍複製的 benchmark。可是，即使把宣稱打折，案例仍揭示一個比較值得研究的變化：agent 的價值不只在產生程式碼，而在於把 analysis、diagnosis、design 串成可反覆驗證的工作迴路。
在傳統 SDLC 裡，工程師通常先理解系統，再定位問題，最後設計修改方案；每一步都可能因 context 不完整而重新排隊。Cursor 類 agent 把搜尋、摘要、依賴追蹤、假設生成與初步驗證放進同一個 context window，讓工程師從逐行執行者變成 supervisor。這不是單純增加 token 數，也不是把 autocomplete 放大，而是把人的注意力移到任務切分、證據檢查、風險判斷與決策確認。
因此，導入 agent 時我不會先看用了多少 token，或有多少建議被接受。更有意義的指標是：從需求到可驗證變更的 cycle time、change failure rate，以及失敗後的 recovery time。還要記錄 agent 產生的分析是否能被測試、審查與追溯，否則「自動化 80%」可能只是把人工工作藏到 review 階段。Nokia 案例真正值得借鑑的，不是某個漂亮百分比，而是如何設計人機分工，讓 agent 負責擴大探索，人負責守住證據與責任邊界。這才是以 agents 重新設計 SDLC，而不是在舊流程旁邊加一個聊天視窗。
作者：陳思維