Citizens Agents Experts Framework（公民·代理·专家三分法）
定义
Citizens Agents Experts Framework 是 Rachel Laycock（Thoughtworks CTO，2026-08）提出的 AI 时代价值流动框架——Citizens（任何能 turn ideas into working software 的人）+ Agents（执行：write/refactor/test/fix/iterate）+ Experts（治理：架构/安全/韧性/operability/compliance/cost）。不是 role 分类而是 value-flow 描述：AI 让 build 普及给 citizens，execution 由 agents 接管，engineering judgment 在 experts 手中杠杆放大。
三个 Buckets 的职责
| Bucket | 做什么 | 价值贡献 |
|---|---|---|
| Citizens | 把 ideas 转化为 working software（不限于工程师） | 扩展创造力的可及性 |
| Agents | write code、refactor、generate tests、fix bugs、iterate at speed | 执行速度的杠杆 |
| Experts | 决定 software 是否 deserve to exist in production；design guardrails、platforms、practices、feedback loops | judgment 的杠杆 |
与传统角色的区别
- 不是 role 分类：citizens / agents / experts 是value-flow 的三个阶段，不是 three job titles
- AI 让 citizens 增加：任何人都能用 AI build——不再是 engineer 的专属
- Agents 接管 execution：不需要 expert 亲自写每个 feature
- Experts 不被取代：judgment 的稀缺使其从"执行 feature"翻转为"设计让 thousands features 安全的环境"
核心稀缺：Engineering Judgment
过去几十年：稀缺是 coding（engineer 难找且贵）
↓
AI 时代：稀缺是 judgment
↓
知道什么算好
知道风险是否理解
知道 works today 是否能 trust in production
Rachel 自陈："I'm not convinced that was ever the real scarcity, but that's probably another ramble."
关键论点："Organisations don't run on code. They run on trust."
- 当 agents 生成大量 code 时，good design matters more, not less
- judgment 的杠杆来自decisions 的下游影响放大（千 features 共用 platforms/guardrails）
- experts 的工作 = 设计让 chaos 不发生的 environment
Demo 阶段 vs Production 阶段的鸿沟
| Demo 阶段问题 | Production 阶段问题 |
|---|---|
| Features work | Is customer data protected? |
| Looks polished | What happens when dependency fails? |
| Demo impresses | Can someone understand this in 2 years? |
| Solves stated problem | Will it survive audit? |
| Can it cope 1000×more users? | |
| How will we know something's wrong before customers do? |
核心：以上 production 阶段问题不出现 unless experienced engineer 在场
FOSE 2026 共识（Rachel 引用）
- FOSE 讨论"spent surprisingly little time talking about coding"
- 主导话题：design / architecture / governance / learning / judgement
- 典型实践：design specification → agents work overnight → review next morning
- 共识：当 agents 可生成 lots of code quickly，good design matters more
关键数据点
- 提出者: Rachel Laycock, Thoughtworks CTO
- 文章日期: 2026-08-19
- 引用事件: FOSE（Future of Software Development）
- 类别: value-flow framework（非 role taxonomy）
与相关 concept 的关系
- AI-Era-Career-Skills: 本文是 AI-Era-Career-Skills 的浓缩框架
- Captain-Mindset: experts 角色对应 captain（design vessel 让 crew 自由航行）
- AI-Native-Engineering-Org: 组织形态调整支持本框架
- Taste-vs-Judgment: judgment 的稀缺是本文核心论断
- Operational-Responsibility: "Organisations run on trust" 与 OR 同源
- Jevons-Paradox-for-Knowledge-Work: execution 便宜后 judgment 更关键——paradox 同一机理
- Agent-Adoption-Curve: citizens 扩大对应 adoption 普及
- Knowledge-Debt: demo vs production 鸿沟来自 deployment 后才暴露的 concerns
前提与局限性
- 前提 1: AI 让 build 能力普及给 citizens（已是实证）
- 前提 2: agents 可承担大部分 execution（前沿模型证据支持）
- 前提 3: judgment 不可被 AI 完全替代（争议——Verification Tether（forward reference，未建 entity） 论证 judgment 需要 internalized mastery）
- 边界: 三分法是 value-flow 描述而非 role boundary，实际工作中边界模糊
- selection bias: Rachel 是 Thoughtworks CTO（enterprise consulting 视角）；startup / scale-up 可能 lean agents + minimal experts
- 未量化: experts 数量与杠杆变化未给出 metric
实施建议
- 重新定位 expert role：从"写每个 feature"翻转到"design guardrails/platforms"
- 承认 citizens 价值：让更多人 turn ideas into software
- 信任 agents 执行：但 expert 必须 validate production-readiness
- 建立 production check 清单：trust 体系而非 trust 个人
关联概念
- Rachel-Laycock — 框架提出者
- AI-Era-Career-Skills — skill 转型展开
- Captain-Mindset — experts 对应 captain
- AI-Native-Engineering-Org — 组织形态调整
- Taste-vs-Judgment — judgment 稀缺
- Operational-Responsibility — production ownership
- Jevons-Paradox-for-Knowledge-Work — 悖论同构
- Agent-Adoption-Curve — citizens 扩大
- Knowledge-Debt — deployment 后 concerns
- Distinct-Principal-Identity — agent 的 identity 边界
- Agent-First-Enterprise — 企业形态演变