CyrilXBT|2026年11月22日 09:16
如果你还在像保姆一样照看你的 AI 智能体,问题不在于智能体本身,而在于你。
Matt Pocock 刚刚发布了一个 21,000 行的代码,而且他没有事无巨细地监督每个步骤。
然后,他把整个过程详细地记录在了一份 10 页的 PDF 文档中。
据说他的技能仓库的 star 数比 React 还多。
公式如下:
功能 = 代码库 + 问答 + 规范 + 问题单 + AFK 循环 + 回顾
大多数人会把“做什么”交给智能体,然后事无巨细地管理“怎么做”。
他的做法恰恰相反。
这 10 个层级:
0. 代码库:深度模块化和快速反馈。糟糕的代码库造就糟糕的智能体。
1. 设置:一次性告诉技能你的仓库是如何运作的。
2. 问答:智能体会不断询问你,直到所有问题都得到解答。告诉它“为什么”。
3. 词汇表:每个想法用一个词来概括。决策原因记录在案。
4. 原型:3 个一次性版本。保留决策,而非代码。
5. 从规范到任务:将任务细分为小的垂直切片,每个切片都可演示。
6. AFK 循环:智能体获取下一个任务,先编写测试,然后提交,夜间重复此过程。
7. 代码审查:在您查看之前,由一位新的审查员检查您的标准。
8. 堆栈和 QA:仅由人工审查您无法撤销的决策。
9. 回顾:每个审查意见都成为一条代码检查规则。
结果:
47 个用户故事。
9 个并行任务。
约 21,000 行代码。
所有 12 条审查意见都变成了永久规则。
我的看法是:
大多数抱怨 AI 编写糟糕代码的开发者,从未给它提供过良好的代码库、清晰的规范或任何规则。
然后他们就责怪模型。
智能体从来都不是瓶颈。
过程是这样的。
分享至:
脈絡
熱門快訊
APP下載
X
Telegram
複製鏈接