27 min read

土豆姐 @poteto:我是怎么一个月向生产环境发 2,000+ 个 PR 的(演讲全文中文版)

Source: https://x.com/i/article/2117105078817427456

导读

Lauren,X 上叫 @poteto (大家叫她土豆姐),在 SpaceX AI 负责 Grok Bot,之前在 Cursor、React 团队工作过。这是她为伦敦 Cursor Compile 大会准备的演讲,约 38 分钟,2026 年 9 月 21 日发在 X 上: https://x.com/poteto/status/2102050467505430555

https://x.com/poteto/status/2102050467505430555

关于数字: 她在演讲里说的是“上个月发布了 2,000 个 pull request”,所以本文用“2,000+ 个 PR/月”。帖子标题写的是 2,500 个 PR,另有一页幻灯片写着“6 个月内发布了 5000+ 个 PR”。

她的核心观点只有一句:一切归结为信任。只有信任 agent 的产出,才能从同时盯着 1 到 5 个 agent,放手到上百个并行。下面是全部 18 节的中文翻译,按视频顺序,保留时间点。

翻译说明: 英文原文由语音识别生成,并与视频内嵌字幕交叉核对。译文为意译,不是逐字翻译。斜体为幻灯片内容,【存疑:…】标出无法确认的地方。

一、开场:上个月我发布了 2,000 个 PR

幻灯片:1. 信任 · 2. 如何更信任你的 agent · 3. 代码库就是记忆 · 4. 自动化

[00:01] 大家好,我叫 Lauren,大家可能在 X 上见过我,账号叫 poteto。我在 SpaceX AI 做 Grok Bot。上个月我做了件挺疯狂的事:向生产环境发布了 2,000 个 pull request(PR,合并请求)。我能做到,很大程度上靠的是“信任”。我经常思考信任这件事:怎样才能信任我的 agent(AI 智能体),即使我不在场,它们也能交出高质量的工作。

[00:33] 我今天的核心观点是:如果你给 agent 把环境搭得足够好,最后得到的东西就会很像一座个人的、甚至团队级的“软件工厂”,以远超以往的速度产出高质量代码。

二、比起“软件工厂”,我更喜欢“米其林厨房”

幻灯片:米其林厨房

[00:57] 不过我不太喜欢“软件工厂”这个说法,更喜欢“米其林厨房”这个比喻。我们做技术的人,并不是在流水线上批量生产产品。我们的工作很有创造性,是在打造一个产品,某种意义上也是一门艺术。有了 agent 以后,我们确实不再亲手“烹制”产品里的每个零部件了,但我们仍然要为最终的成品负责,仍然要考虑整个厨房怎么布置,对吧?你怎么安排厨师和副主厨,他们用什么设备、受过什么训练,洗碗工有几个,厨师和洗碗工的比例是多少,这些都会影响最后端上桌的那道菜。我觉得这个比喻非常贴切。

三、故事:从手工排查性能问题说起

[02:03] 正式开始前,我想先讲个故事。六个月前我刚加入 Cursor,那时我们还没并入 SpaceX AI。我当时手上当然没有任何 agent skill(技能,可复用的 agent 操作说明/工具包)可用,因为刚入职,代码库和产品对我来说都是全新的。那时 Cursor 正在开发 Cursor IDE 的替代品,也就是新的 agents 窗口。我加入之前,这个 agent 窗口有不少性能问题,当时的经理问我能不能帮忙。我来 Cursor 之前在 React 团队待过一段时间,所以这事挺适合我。

[02:58] 但一上手,我很快就发现这个过程有多“手工”。性能优化我以前做过,可 PR 合并的速度太快了,像一堵越堆越高、几乎翻不过去的墙,我完全不知道应用的性能有没有在退化。所以我在 Cursor 团队早期的大量时间,都花在 Chrome DevTools 里录性能 trace(追踪记录)、拍堆快照(heap snapshot)上,极其极其手工。

[03:41] 手工到最后我实在受不了了,开始想:等等,我们明明有 agent,我在干什么?于是我开始琢磨验证型 skill:如果 agent 能自己运行应用、帮我录 trace、读懂 trace、找出热点,然后自动一步步“爬山”,把应用性能调到更好呢?

幻灯片:几张 GitHub 贡献曲线截图(3,159 / 4,681 / 5,284 次提交),标题为“我在 6 个月内发布了 5000+ 个 PR”

[04:14] 在 Cursor 和 SpaceX AI 的这六个月里,你能清楚看到我的生产力一路飙升。我从来没把“每月发布 2,000 个 PR”当成目标,完全没有。但我意识到,我做的这些 skill、工具和代码库改造,最后都指向“信任”这个概念。当时我自己还没意识到,但脑子里一直有个念头:我是瓶颈。我得把自己作为工程师掌握的知识,都传授给我的 agent 团队,这样就不用什么事都卡在我这里。现在看来,这确实有回报。

四、信任曲线:为什么卡在“1 到 5 个 agent”最难

幻灯片:纵轴为“信任”,横轴为“agent 数量”(1 · 1–5 · 5–10 · 10–20 · 数百 · 数千)的曲线

[05:11] 所以我认为归根结底就是信任。可信任到底怎么建立?不管你在使用 agent 的哪个阶段,又该从哪里开始?

[05:27] 我刚开始的时候显然在这一档:1 个,或者 1 到 5 个 agent。你会觉得每个对话都得盯着,不停地纠偏、介入、纠正 agent,它才会做对。你一不在,基本就什么都没发生,或者 agent 干了错事。我甚至觉得这是使用 agent 最难走出来的阶段,因为怎么走出来往往并不清楚。

[06:10] 说到底还是信任。你之所以没法从 1 个或 1 到 5 个 agent 扩展到 100 个左右,是因为你还不信任 agent 的产出。没有信任就硬开 100 个 subagent(子 agent)或 cloud agent(云端 agent),你很快会发现收到一大堆“slop”(低质量、粗制滥造的)PR,一堆性能退化,一堆 bug 被发上线,谁都不会满意。

[06:42] 那问题就来了:怎样才能更信任你的 agent?

五、如何更信任你的 agent:验证(Verification)

幻灯片:如何更信任我的 agent?· 用验证保证正确性 · 用高质量的 skill 教 agent 像真正的软件工程师一样工作,例如 pstack · 重构/重写架构,让它对 agent 友好(全新项目 vs 存量项目)

[06:50] 对我来说,起点就是刚才说的:加入 Cursor 团队、开始做性能优化,然后意识到需要验证。验证分好几个层次。低的一端,就是我前面讲的验证型 skill:教 agent 怎么运行你的应用,怎么用 Chrome DevTools Protocol(或你们用的其他调试协议),怎么调试应用、录性能 trace、拍堆快照,等等。

[07:44] 另一端难得多,至今仍是个开放问题,就是更形式化的验证。你可能会用形式化方法,或者 Lean、TLA+ 这类语言【存疑:语言名称部分含糊】,来检查业务逻辑的不变量(invariant)始终成立,形式化地证明应用始终处于正确状态。不过就算你用不了形式化方法(真正能用的人也很少),光靠验证型 skill 也能走得很远。

[08:35] 我加入 Cursor 开始做 agent 窗口时,做的第一个 skill 叫 Control Glass。这是个验证型 skill,教 agent 运行应用、录 trace,用的是 Chrome DevTools Protocol。这个 skill 有个有意思的地方(它一开始不是这样,是我一步步迭代出来的):这种控制/验证型 skill 其实由两部分组成。

六、高质量验证 = CLI + 功能地图(Feature Map)

幻灯片:高质量验证。“功能地图提供上下文,CLI 提供控制。”功能地图(有哪些功能、用户如何到达)+ CLI($ drive settings、$ capture proof:运行真实应用、收集证据)→ agent 能够验证自己的工作

[09:19] 第一部分当然是 CLI(命令行工具)。你希望 agent 能可复现地运行应用、收集 trace、收集实证,证明代码确实能用、性能达标。与其让 agent 每次临时写脚本(不同会话写出来的还可能不一样),不如直接在 skill 目录里放一个 CLI,agent 每次都用它。当然,你得真的投入去把它做好,让它能应付各种用例,并正确地运行应用。

[10:16] 另一个很重要的东西是 feature map(功能地图),这个词大概算是我造的。我们在 Cursor 内部用上这些控制型 skill 之后,很快发现一个问题:Slack 上来一个反馈,用户只贴了一张很模糊的截图,就界面上一小块,外加三个问号。用我们控制型 skill 的 agent 完全摸不着头脑。它能把应用跑起来,但用户到底指的是什么,它只能瞎猜。

[10:53] 于是我想到做一个功能地图,有点像网站的 sitemap(站点地图)。它本质上是一种“物化的记忆”:你的应用到底怎么运作?有哪些功能?用户怎么进入这些功能,用什么快捷键、点哪个 DOM 元素?每个功能是做什么的?这份功能地图存在 skill 本身里,也就是代码库中 skill 目录的一部分。我们还有一个自动化流程专门维护它。

[11:39] CLI 和功能地图结合之后,我们很快发现这个组合非常强大。agent 不仅能可复现地控制应用、录 trace,还能看懂内部和外部用户提来的需求。我们很快意识到,这些控制/验证型 skill 太好用了,基本已经成了团队的关键基础设施,我们一直在维护。让 agent 能验证自己的工作,这件事威力极大。我们在这个 skill 上花了很多时间,它对建立信任非常有帮助。

七、正确性之外:用 skill 教 agent 像真正的工程师一样工作(Pstack)

[12:33] 除了验证,你还需要更多东西,因为验证解决的其实只是正确性。在我看来,正确性就是:这个功能或这段代码有没有做到你想要的?比如结账按钮点了之后,真的完成结账了吗?验证在这方面很重要,因为它能拿出功能确实可用的实证。但它说明不了这个功能的性能好不好、代码质量高不高。

[13:13] 这时候就该考虑用 skill 教 agent 像真正的软件工程师那样工作了。我做了个插件叫 Pstack,今天不展开讲。它是我做的一组 skill,灵感来自我这些年做软件工程、处理各类任务时亲身用过的工作流,比如调试、功能开发、原型开发。Pstack 里有一大堆 playbook(操作手册)和 skill,教 agent 按你想要的方式写代码。

[14:01] 团队里更资深的工程师在这里能发挥很大作用:一起建一个团队共享的 skill 仓库,让 agent 聪明得多。把这些 skill 和验证型 skill 结合起来,agent 就不仅能验证自己的工作是对的,还能验证它是高质量的。而且因为有验证,你能收集真实的性能指标,拿到应用性能的真实数字、统计和遥测数据。我觉得这部分非常值得投入。

八、重构架构,让它对 agent 友好

[14:56] 还有一件我认为非常重要的事:重构乃至重写你的架构,让它对 agent 更友好。我甚至想说,这是一个软件工程团队能做的最重要的事情之一。如果你真心相信未来所有代码都会由 agent 来写,那我们就得把代码库设计成让 agent 默认就做对的样子。

九、每当你纠正 agent 时:五个层级

幻灯片:每当你纠正你的 agent 时:1. 代码库 · 2. 静态分析(lint/编译器/CI)· 3. rules/Bugbot · 4. skills · 5. “风格指南”

[15:25] 你会发现,建立对 agent 信任的各个环节可以排成一个刻度,或者说一条连续的光谱,我这里列了五个点。代码库才是最好的记忆形式,因为 agent 很喜欢沿用它看到的现有模式。我觉得这就是 LLM(大语言模型)的工作原理:它更倾向于用上下文窗口(context window)里的东西来做修改,而 agent 读过、打开过的文件都在它的上下文窗口里。所以代码库是其中非常重要的一环。agent 不会在每个 PR 里都帮你重构代码,它只会看看已有的东西,然后照着往下扩展。

[16:28] 我觉得再往上一层是静态分析:linter(代码检查工具)、编译器诊断、持续集成(CI)。这些是你可以在代码库里强制执行的规范和约束。每当你纠正 agent,发现它老是犯同一个错误,就可以加一条 lint 规则。更好的做法是重构代码库,让 agent 犯的那个错误“从结构上就不可能发生”。

[17:05] 再往上一层,就不太是硬性约束和强制执行,而更多进入“引导”的范畴了。这里有 rules(规则文件)、Bugbot(Cursor 的自动代码审查机器人)和 skills。agent 干活时大多数情况下会用到它们,但也有可能因为各种原因忘了读某条规则,或者操控 agent 的用户压根无视它们。所以这些没那么容易强制执行,但对于把环境搭好、让你能真正信任 agent 的工作,它们依然很重要。

[17:53] 最后是风格指南,基本只能靠人在 code review(代码审查)里执行。你当然也可以把它写进 rules、Bugbot 和 skills 里。但如果不这么做,评审流程里就有个明显的大漏洞:人得逐行看每一处改动,还得记得留评论。照现在 PR 涌进来的速度,这根本不可能。所以我绝不建议只靠风格指南。风格指南,或者翻看人工评审意见,是发现“还缺什么”的好起点。但你真正该投入时间的是另外四个部分:代码库(用更好的数据结构或算法让问题从结构上不可能发生)、静态分析,再叠加上 rules、Bugbot 和 skills。

十、Dune:为 agent 设计的框架

[18:57] 在代码库这方面,我们在 Grok Bot 的代码库里投入打造了一个叫 Dune 的东西,这是我们对 agent 友好的框架。Dune 的灵感来自我们在 Cursor agent 窗口里遇到的大量性能问题。那段探索留下了很多教训,我们最后总结出的核心原则是:agent 喜欢走捷径。

幻灯片:为 agent 设计的框架 · 最少上下文 · 你的代码库就是记忆

[19:35] 那如果我们设计一个框架,让捷径、也就是最省事的那条路,恰好就是 agent 该走的正确的路呢?这样的代码库对人来说可能挺烦,因为什么能做、什么不能做都卡得很死。但它给 agent 创造了完美的环境,尤其是上下文很少的 agent。因为往你代码库里贡献代码的,不再只是工程师了:设计师、产品经理,甚至 CEO 都可能进来直接发布功能。所以我们要认真思考怎么投入、怎么搭建代码库,让那些由忙碌、背景信息不多的人操控的 agent,默认也能把事做好。

十一、代码库就是记忆:反模式会像病毒一样扩散

[20:31] 我前面说过,代码库对 agent 来说就是一种记忆,因为它们喜欢沿用看到的现有模式。你可以花时间把代码库搭建成坏模式从结构上不可能出现,或者用 lint 规则挡住它们。但反过来也成立:如果代码库里已经有反模式(anti-pattern),你会发现它们会像病毒一样扩散。某处有个小小的临时绕过方案(workaround),或者一条解释这个绕过方案的注释,agent 就特别爱照抄。几天或几周之内,这个绕过方案就遍地都是,成了所有 agent 的“事实标准”。这是非常非常糟糕的处境。

[21:32] 这也回到我刚才说的:每次纠正 agent 时,为什么一定要花时间思考怎么改代码库、怎么加静态分析,再叠加上好的 rules、Bugbot 和 skills。原因就在这里。

十二、代码库就像花园

幻灯片:(花园插图)一个临时绕过方案 → 复制 → 复制 → 复制 → 变成固定模式。“每复制一次,下一次被复制的可能就更大。”

[21:56] 除了米其林厨房,我还喜欢另一个比喻:代码库有点像一座花园。一开始有些绕过方案看起来挺无害,但 agent 的天性就是照搬,这个模式被一遍又一遍复制,你很快就会得到一个非常“vibe coding”(凭感觉乱写)的代码库,维护起来让人头大,还一堆性能问题。

[22:32] 所以在我看来,完美的 agent 代码库就是约束严到人写代码都觉得很烦,但又足够约定俗成、足够标准化,连看起来无害的模式都一律禁止。

十三、例子:为什么 Dune 禁止写代码注释

[22:53] 我手头最好的例子,是一个乍看非常非常无害、细想却很糟的模式:agent 在代码里留注释。我刚看到 agent 这么做时,确实觉得很多注释是 slop(废话),但也觉得这未必是坏事。毕竟我们人类写代码时,碰到边界情况、需要做个绕过方案,或者想给自己或同事在特别棘手的地方留个提醒,也会写注释。

[23:38] 但我们在 Cursor 代码库里看到这种现象后,我很快意识到:agent 会拿代码周围的注释当理由,不去解决真正的问题,而是贴个创可贴、用短期方案糊过去。所以在 Dune,也就是支撑 Grok Bot 的框架里,我们出于这个原因直接禁止了注释,免得 agent 照搬这种写法,把它扩散到代码库各处。

十四、每个团队都需要“园丁”

幻灯片:删除技术债 → 只保留一条铺好的路 → 用 lint 规则防住反模式 · “你的团队需要园丁”

[24:28] 所以我的主张是:每个团队都需要一个角色,我称之为“园丁”(gardener)。就像真正的花园需要有人时刻留意那些会悄悄长出来、长成你不想要的样子的东西:杂草、其他各种乱长的植物。我其实不太懂园艺,但代码库里确实会有类似害虫之类的东西悄悄钻进来,你要在它们扩散之前尽早掐掉。

[25:15] Dune 背后的很多原则都围绕这三点。第一,删除已有的技术债,原因刚才讲过了。第二,保持、或者说强制只有一条“铺好的路”(paved path),作为最受认可的写法。每件事都应该有一种约定的做法,agent 就不用去猜。代码库里、CI 里、lint 规则里也要有足够的引导,让 agent 沿着这条路走。最后,每当你看到技术债或坏模式,第一反应应该是:我得写条 lint 规则来防住它。

[26:01] 不一定要马上清理干净。只要写了 lint 规则,至少能先止血。这不能彻底解决问题,但至少能防止它继续蔓延。所以我强烈建议认真思考怎么防住反模式,别让它们像病毒一样扩散;同时也花时间让 agent 去清理它们,让代码库始终保持在一种“被 agent 照抄你也乐意”的状态。这就是我推荐的心态。

十五、Dune 架构一瞥

幻灯片(基于 dune/docs):五个名词组织每个应用(“每个名词在目录树里有唯一的位置,在运行时有唯一的职责”):Feature 功能(产品 UI 独占的一个文件夹)· Entrypoint 入口(用户可以打开的一个视图)· Transcript card 对话记录卡片(功能拥有的、对应一种条目类型的内容)· Client 客户端(藏在 hooks 和 commands 背后的持久渲染端状态)· Host 宿主(藏在类型化契约背后的常驻行为)

[26:42] Dune 的细节我就不一一展开了,只挑几个有意思的地方简单过一下。再提醒一下,Dune 是我们为 Grok Bot 打造的架构,也就是客户端框架。我们在刚才讲的那些方面投入了很多,有大量约定:代码该放在哪里,不同部分之间能怎样相互 import。

[27:11] Dune 应用里有几个不同的概念。比如,每个功能都集中放在一个文件夹里。有一个 entry point(入口),位于代码的 React 部分,可以理解成类似路由。有 transcript card(对话记录卡片),显示在 Grok Bot 应用里。有一个 host(宿主),运行在 Grok Bot 的虚拟机上。当然还有 client(客户端),驱动整个应用。

幻灯片:进程边界在目录树中一目了然(“文件夹告诉 agent 代码在哪里运行、哪些 import 是合法的”):renderer/ 渲染进程(功能 UI、导航、客户端)**↔ 类型化边界(typed edge)**↔ 服务进程(宿主扩展、Electron 主进程)。“Dune 提供边界机制,应用提供具体行为。”

[27:44] 这些部分之间有很多严格的边界。举个例子,运行在主进程(也就是 Electron 主线程)上的代码,不允许在渲染线程上运行。我们刻意保持这种隔离,是因为 Cursor agent 窗口的教训:那时会有代码被意外 import 进渲染线程,把它拖慢。渲染线程上的 UI 要非常流畅、性能好,就不能有长任务(long task)。想要 60 帧每秒,就不能有超过 16 毫秒的任务;想要 120 帧,就不能超过 8 毫秒。所以渲染端必须一直能把工作切成小块,而不是一次性全做完。

[28:51] 所以 Dune 里有代码通过 import 和依赖图来强制执行这些边界。这只是一个例子:我们见过这种模式导致严重的性能问题,于是通过 Dune 的架构把它从根本上消灭了。

幻灯片:宿主支撑的功能蓝图(“一个纵向切片,让传输、持久状态和 React 各归其主”):功能 UI ↔ 客户端 ↔ 共享边界 ↔ 宿主扩展。“组件从不处理 IPC 通道、宿主对端查找、重试顺序或进程启动。”“对 agent 友好,意味着在打开的文件里做一次正确的修改,就能保住整个应用的不变量。”

[29:18] 其余几部分没那么有意思。再强调一次,重点不是 Dune 本身,而是:拥有一个你们自己的、对 agent 友好的框架,威力非常大。你可以把你和团队里最优秀工程师脑子里的“部落知识”(tribal knowledge,口口相传的隐性经验)都编码进去。

[29:45] 我觉得这里的启示是:过去活在风格指南流程里的东西,也就是代码评审、工程师互相审代码、留评论,要把这些知识提炼出来,编码进框架、进代码库本身,让代码库充当记忆。回到前面那个观点:代码库就是你希望 agent 去扩展的那个状态的“物化快照”。你希望这个代码库干净完美到,下一个进来的 agent 极有可能延续这个模式,并且把它保持得非常好。

十六、打造米其林厨房 / 软件工厂

幻灯片:打造米其林厨房 / 软件工厂 · Grok Bot(新!)· cloud agents · automations 和 Agent SDK

[30:38] 如果你在这件事上投入足够多的时间,就真的能搭起一座米其林厨房,或者说软件工厂。因为你在所有这些让你能信任 agent 的环节上都下了功夫:代码库、lint 规则、诊断、rules、Bugbot、skills,这些层层叠加,带来很高的信任度。想象一下在 Grok Bot 代码库里干活:它被约束得非常严,几乎不可能写出烂代码。所以就算是上下文很少、甚至推理能力不强的 agent,进来也能写出好代码。

[31:37] 回到米其林厨房的比喻,这里有很多值得说的。我们给 agent 和 bot 配上 skill 和工具,培训它们,把厨房布置得合理,让 agent 和 bot 默认就做对的事。在厨房里,如果发现某个厨师或洗碗工老是被什么东西绊倒,我们当然要解决,想办法确保别人也不会再被绊倒,因为厨房是很危险的地方,谁都不想受伤。我觉得对待代码库也应该是同样的心态:怎么布置,才能让知识不多的 agent 也能把活干好?

十七、Grok Bot 作为“外循环”,再加上自动化

[32:33] 我觉得 Grok Bot 和 Cursor 配合起来很有意思。Grok Bot 很擅长提供我所说的“外循环”(outer loop),因为你可以把它连到很多不同的 connector(连接器)上,比如 Slack、Datadog、Sentry、PlanetScale,你们用的任何服务都行。它能把这些信息汇总起来,据此为自己做出很好的决策。有人把这叫做“公司大脑”(company brain)。我个人觉得不需要搞得那么复杂,因为 agent 本来就很会用工具。

[33:15] 只要通过 Grok Bot 把这些工具连起来,让你的 Grok Bot 自动启动 cloud agent 之类的任务,你会发现搭一座软件工厂其实不需要投入很多基础设施。说起来,我要把“软件工厂”这个词划掉,因为我不喜欢它。我认为你可以通过 Grok Bot routines(例行任务)这类功能,为自己搭一座个人的米其林厨房。routines 能让你订阅 Slack 讨论串、Sentry 告警,自动触发后续动作。

[34:02] 把我前面讲的这些结合起来,你的代码库、rules、skills,效果都会叠加产生复利。Grok Bot 能自动响应来自外循环的事件,然后启动 cloud agent。你还可以设置 Cursor Automations(自动化),用我们的 SDK 搭建更多 bot,复用你已经建好的大量 agent 基础设施,让它们完成复杂得多的任务。

幻灯片(截图):

*#glass*

-oncall-assistant 频道中的一个 Slack 讨论串,bot 回复了来自

*#issues*

-glass 的 bug 报告:“已复现,但 main 分支上已修复”,并附 [查看 cloud agent] 链接

[34:38] 这些都做到之后,我觉得你就能达到这样的状态。这里有几张截图,是我们在 Cursor 上运行的一些自动化和 agent:自动复现 bug 报告,自动提 PR。我们在给整个团队创造大量价值,因为这些东西会相互叠加、产生复利。

十八、结语:沿着信任曲线往上爬

幻灯片:回到“信任 vs. agent 数量”曲线

[35:13] 我们把视角拉远,回到这张曲线图,给演讲收个尾。如果你花大量时间去思考,要沿着信任曲线往上爬需要哪些环节,你就会走到一个能真正更信任 agent、把工作并行化的阶段。你还能让整个团队在这些 agent 基础设施之上继续建设,让团队里每一位工程师、每一个 builder(创造者)都极其高效,都能写出高质量代码。

幻灯片:每当你纠正你的 agent 时:1. 代码库 · 2. 静态分析(lint/编译器/CI)· 3. rules/Bugbot · 4. skills · 5. “风格指南”

[36:01] 最后我想留给大家的是这一页。抱歉,不是那页,是这页。如果这场演讲你只能记住一件事,那就是这张幻灯片:这些做法能帮你一步步建起一个高信任度的环境。每当你发现自己在纠正、干预 agent,就从这五个层面去想,看在这个序列里,哪一步最能有效地让 agent 变得更可信。

[36:44] 我也强烈建议按这个顺序思考:要么花时间通过代码库、架构和数据结构让那个模式从结构上不可能出现,要么从静态分析入手,再在上面叠加 rules、Bugbot 和 skills。把这些都做到,再花些心思用 skill 提升代码质量,你就会达到一种状态:你非常信任这个环境,可以让 agent 自由发挥。

[37:24] 就我个人来说,我在 Grok Bot 的代码库上为此花了很多时间,这其实就是秘诀。好吧,也算不上什么秘诀,就是大量的辛苦工作。希望这场演讲对你有用。欢迎在 X 上找我,我的账号是 poteto,带个 E。祝你们玩得开心,也祝你们成功打造出自己的米其林厨房。感谢观看!

📷

演讲者 Lauren( @poteto ),原帖与视频: https://x.com/poteto/status/2102050467505430555 。中文翻译 @Rocwng 。

AIAgent