What STRRL Known

AI 编程与 Agent 工作流：从设计哲学到工程实践

22 min read

概述

17 篇文章的系统整理，覆盖 AI 编程与 Agent 工作流的完整图景：设计哲学、实战经验、方法论工具、趋势评论。

核心共识：人类是架构师，AI 是工具，不是反过来。

A. Agent 设计哲学

1. 让模型自己构建上下文（ZZ-611）

Thariq Shaukat (Anthropic, Claude Code team)

构建 Claude Code 过程中关于 agent action space 设计的经验。

亮点：

  • Action Space 是核心难题 — 工具可以用 bash、skills、code execution (PTC) 等原语构建，但选什么组合决定 agent 能力上限
  • Grep 工具的启示 — 早期想给 Claude 预塞文件上下文，后来发现让 Claude 自己 grep 搜索文件效果更好。模型越聪明，越擅长自己构建上下文，你预塞反而添乱
  • 观察模型行为再设计工具 — 不能凭空设计，需要跑 agent 看它实际怎么用工具、在哪里卡住、哪些工具被滥用
  • 工具要匹配模型能力 — 照搬人类工具给 agent 不行（人用 find + grep 分步搜索，agent 可能更适合一个结合的 search 工具）

启示：好的 agent 工具设计不是”给模型提供更多信息”，而是”给模型提供更好的获取信息的方式”。

2. Spec 是活文档，不是蓝图（ZZ-826）

Augment Code (265K views)

亮点：

  • 文档的宿命 — 设计文档、changelog、README、架构图 → 几乎立刻过期。更新文档是隐形工作，跟所有其他事情竞争优先级，几乎每次都输。试过流程、工具、团队价值观 → 都没用。因为我们在要求人类做人类不会可靠做的事。
  • 过期 spec 的特殊风险 — 过期的设计文档误导下一个工程师；过期的 spec 误导 agent，agent 不知道有问题，自信地执行错误计划
  • 好 junior 工程师类比 — 好 junior 不是报告每行代码，而是 surface 改变方向的决策。发现 API 不支持预期的分页 → 更新 ticket 说”这个假设错了，我做了 X，原因是 Y”
  • Intent 的解法 — 人描述目标 → coordinator agent 起草 spec + 分任务 → 人审批 → agent 执行时发现假设有误 → 自己更新 spec（“发现已有 auth context，用了它而不是新建”）→ 人可随时暂停改写 → agent 从新状态继续

“If agents can write code, they can update the plan. Let them.”

3. AI 是”框架”还是”库”？（ZZ-827）

Piglei

亮点：

  • 核心类比 — Framework 控制你（填色卡通画），Library 被你控制（玩积木）。Vibe Coding = 把 AI 当框架用
  • DRF ModelViewSet 的例子 — 4 行代码获得完整 CRUD REST API，表面认知成本为零。但当你需要修改 create 响应体时，必须理解 perform_create、get_serializer、CreateModelMixin 的继承链 → 爆改到面目全非。这就是隐藏的认知债务
  • Django ORM N+1 的例子 — 抽象泄露：你以为 post.comments.all() 是普通属性访问，实际是一次 SQL 查询。循环 100 篇帖子 = 101 次查询。自然语言驱动 AI 编程时同样的泄露会发生
  • 更短的提示词 = 更多隐藏债务 — 和 ModelViewSet 一样，“一句话搞定”的背后是你不理解的决策链

建议：做总设计师，把 AI 当库用。不追求”写更少实现更多”，找提示词甜蜜区。关注程序整体结构。

4. 纸带 + 锚点范式（ZZ-593）

PsiACE — 基于 bub（群聊 Agent）的实战经验

亮点：

  • Coding Agent 最小充分工具集 — bash/read/write/edit 四个就够了。更多工具不是更强，是更乱（呼应 ZZ-630 的 “agentic dementia”）
  • 朴素 RAG 在代码场景不好用 — 代码有结构依赖，向量相似度抓不到。grep + read + Agent Loop 更实用：agent 自己决定搜什么、读什么、再搜什么
  • 状态延续假设的代价 — 多轮对话 = 假设上下文连续存在。但实际上：会话硬隔离丢状态、Memory 漂移（旧记忆污染新任务）、上下文膨胀（越聊越慢）
  • 纸带 + 锚点 — 永续单会话追加写入（像打字机纸带），锚点标记最小关键状态，按需装配上下文而非全量继承。用空间换时间的妥协

同作者还有 ZZ-578（被缚的普罗米修斯），从哲学角度批判 context engineering 的局限性

5. Programmatic Tool Calling (ZZ-600)

Lance Martin (Anthropic)

亮点：

  • 传统工具调用的”组合税” — 每次工具调用：agent 发请求 → 系统执行 → 结果回传 context → agent 看到结果 → 决定下一步。10 次工具调用 = 10 次 round trip，每次都增加延迟、序列化成本、context 膨胀
  • PTC 的解法 — Claude 在容器里写一段代码，代码里调用多个工具。中间结果留在代码变量里，不回传 context 窗口。容器调用工具时暂停，调用跨沙箱边界完成，结果返回容器继续执行。最终只返回一个结果
  • 性能数据 — BrowseComp + DeepsearchQA 平均准确率 +11%，输入 token -24%。Opus 4.6 + PTC 在 LMArena Search 排名 #1
  • 工具 vs Bash 不是二选一 — 工具的价值是控制面：检查、拒绝、日志、人工审批、并发控制、可观测性。Claude Code 不只用 bash，用工具管理特定操作

本质：“代码的可组合性 + 工具的控制面”的统一。

B. 实战经验

6. 55% iOS 代码由 Claude 写（ZZ-706）

Tolan 团队 (Dan Federman) — 6 个月实践

亮点：

  • 不靠 CLAUDE.md — 用 agent 标准化 10 万行代码，让每个文件本身展示正确模式。代码库就是文档。“如果 agent 看到的每个文件都遵循同一模式，它自然写出一致的代码”
  • Subagent 分离实现和风格 — implementation agent 写功能代码，独立的 review agents 转成团队代码标准。两个 agent 关注点分离，质量更高
  • PR Shepherd agent — 自动监控所有 open PR，CI 失败时自动修复、review 评论自动响应。人类工程师早上来看到 PR 已经 ready to merge
  • 复合增长效应 — 标准化代码库 + skill 套件 + 独立 agent = 指数效果。Opus 4.5 之后每代模型提升都被这套体系放大

质量数据：

  • crash-free rate: 99.6% → 99.9%
  • runtime errors 降 54%
  • 高活跃用户翻倍
  • 2 月 55% commits co-authored by Claude

7. DBA 运维 Agent 一下午搭完（ZZ-720）

plantegg — 资深 MySQL DBA

亮点：

  • 80% 工作量在写工具 — 不是调 prompt，是写安全拦截（防止 agent 执行 DROP TABLE）、超时控制（tail -f 会卡死 agent）、输出格式化（把 MySQL 结果转成 agent 能理解的格式）
  • 6 轮 ReAct 自动诊断 — Thought→Action→Observation 循环，自动完成主从复制状态诊断，发现人工可能遗漏的半同步降级风险
  • 踩坑全记录：
    • MySQL root 不允许 TCP 连接 → 改用 SSH + mysql CLI socket
    • AWS Bedrock 不支持 assistant prefill → 换非 Bedrock 后端
    • tail -f 卡死 Agent → paramiko 非阻塞读取 + deadline 超时
    • CrewAI 重置 litellm 回调 → monkey-patch set_callbacks

“框架只是脚手架，真正决定 Agent 好不好用的是工具质量和对业务场景的理解。” — 和 ZZ-593 的”四工具最小集”形成对比：工具要少，但每个要精

8. 零编程背景 36 小时搭 AI Chief of Staff（ZZ-775）

Jim Prosser — 43 岁通讯顾问，ex-Google/Twitter/SoFi 公关负责人，零编程背景

亮点：

  • 完整架构 — 隔夜：日历扫描 + Google Maps 算车程 + 邮件自动分拣到 Todoist。早上：Stream Deck 一键触发 AM Sweep → 四分类（🟢全自动 / 🟡80%自动 / 🔴需人脑 / ⚪今天不行）→ 6 个专用 agent 并行处理 → 剩余任务 Time Block 排进日历
  • “Dispatch, Prep, Yours, Skip” — 默认偏向 Prep（准备材料让人决策），绝不 Dispatch 以下事项：发邮件、写战略文档、定价、关系敏感沟通。这是非程序员对 AI 边界的直觉
  • 经济账 — Claude Max 5-10/月。等效 VA（虚拟助理）$400-1000/月。每天省 30-45 分钟，年省 130-195 小时

最有价值的不是他搭了什么，而是他本能地划出了”AI 不该自动做”的红线。

9. Go 现代代码 Agent Guidelines（ZZ-667）

JetBrains 开源

亮点：

  • 两个问题的精确诊断 — ① 训练数据滞后：模型不知道 Go 1.21+ 新特性 ② 频率偏差：训练数据中老写法样本多 10x → 模型默认生成老写法
  • 自动适配版本 — Agent 读 go.mod 里的 Go 版本号，只使用该版本已有的特性。不会给 Go 1.18 项目生成 Go 1.22 代码
  • 具体现代惯用法：
    • max(a, b) 代替 if a > b { return a }; return b (Go 1.21+)
    • slices.Contains(s, v) 代替 for 循环遍历 (Go 1.21+)
    • errors.AsType[T](err) 类型安全错误匹配 (Go 1.24+)
    • new(42) 获取指针 (Go 1.26+)
  • 分发方式 — Junie 内置；Claude Code 作为 plugin；也可手动加入 CLAUDE.md

这个思路可以推广到任何语言：为 agent 提供”现代写法指南”解决训练数据滞后

C. 方法论和工具

10-11. Vibe Coding 2.0 & 3.0 Checklists（ZZ-615, ZZ-770）

Harshil Tomar (dreamlaunch.studio)

亮点（从 30+ 条规则中提炼最有价值的）：

  • Hallucination 是系统属性不是 bug — 每个 LLM 输出当草稿，不是答案
  • Evals 是 AI 的单元测试 — 没有 eval 的 AI 项目 = 没有测试的代码
  • Chunking 经验值 — ~500 tokens/chunk 带 10-20% overlap
  • Temperature 经验值 — 代码生成 0.0-0.3，创意写作 0.7-1.0
  • Few-shot 是最简单的质量提升 — 给 3 个输入输出示例比写 500 字 prompt 有效
  • Guardrails 三件套 — output validation + JSON schema check + blocklist

偏入门/中级。对 ZZ 本人价值不高（都是已知概念），但作为给团队新人的 onboarding checklist 有参考价值

12. Agentic Manual Testing（ZZ-783）

Simon Willison

亮点：

  • 核心论点 — 自动测试通过 ≠ 代码正确。单元测试覆盖已知场景，但 agent 最擅长发现的是你没想到要测的东西
  • 三种手动测试方式：
    1. python -c / curl — 最简单，agent 直接跑代码验证
    2. Playwright / agent-browser — 端到端 UI 测试
    3. Rodney — CDP 控制真实 Chrome + 截图 → 视觉评估 UI 是否正常（不只看 DOM，看渲染结果）
  • Showboat 防作弊工具 — exec 命令同时记录命令文本+执行+记录输出。防止 agent 声称”已验证”但其实没跑。note 写观察笔记，image 加截图证据

关键洞察：agent 测试的价值不在自动化，在于”像一个不了解代码的新人那样试用”— 发现开发者自己的盲点

13. CLI Token 压缩 60-90%（ZZ-806）

rtk — Rust 单 binary, <10ms overhead

亮点：

  • 完全透明 — rtk init --global 注册 Claude Code hook，自动重写命令 git status → rtk git status。Claude 不知道发生了重写，只收到压缩后的输出
  • 四种压缩策略：
    1. Smart Filtering — 去噪（注释、空行、样板文本、重复 warning）
    2. Grouping — 相似项聚合（50 个文件按目录分组、100 个同类错误折叠）
    3. Truncation — 保留开头/结尾关键上下文，砍中间冗余
    4. Deduplication — 重复日志行折叠 + 计数（“repeated 47 times”）
  • Token 节省实测：
命令类型节省
cargo/npm/pytest test-90%
git add/commit/push-92%
ls/tree/grep/rg-80%
git diff-75%
中型项目总计~118K → ~24K (-80%)
  • 覆盖范围 — 文件操作、Git、GitHub CLI、6 种测试框架、7 种 linter、Docker/K8s
  • 安装：brew install rtk

14. Agent UI 工具包（ZZ-725）

ui.sh — Adam Wathan & Steve Schoger (Tailwind CSS 创始人)

亮点：

  • 专为 AI coding agent 设计的 UI toolkit，解决 agent 生成 UI 质量差 这个普遍痛点
  • 支持 Claude Code、Amp、Cursor、OpenCode、Codex
  • 目前 invite-only，具体实现细节未公开
  • 最大卖点是团队 — Tailwind CSS 已证明的产品品味 + 执行力。如果有人能让 agent 生成好看的 UI，是他们

D. 趋势评论

15. Code Review 已死（ZZ-718）

Latent Space (guest post by Ankit)

亮点：

  • 10,000+ 开发者数据 — 高 AI 采用团队：完成任务多 21%，合并 PR 多 98%，但 PR review 时间增加 91%。产出翻倍，review 成了瓶颈
  • Code Review 本就不完美 — 2012-2014 才普及（GitHub PR workflow），之前几十年也在发布软件。不是神圣不可侵犯的流程
  • AI Review AI 的悖论 — AI 写代码 + AI review = 相同盲点的 agent 互相审查，意义有限。这不是”增加一个 AI reviewer”能解决的
  • 检查点上移 — 从”你写对了吗”变成”我们在用正确的约束解决正确的问题吗”。人类审 spec/plan/约束/验收标准，不审 500 行 diff
  • Code 变成 spec 的产物 — 代码不再是 source of truth，spec 才是

和 ZZ-826 (Augment) 的方向完全一致：人审 spec，agent 写代码。

16. 享乐适应：90 天变基线（ZZ-602）

Augment Code

亮点：

  • 享乐跑步机 — autocomplete → chat → smart edit → agent → multi-agent，每代 ~90 天从”惊叹”变成”最低期望”
  • 速度前所未有 — WWDC 一年一次，React Hooks 花 6 年普及；AI coding 每月一次 WWDC 级变化
  • 双因素驱动 — 模型能力 (capability) + 开发者信任 (trust) 共同解锁新时代。信任加速循环：每代模型犯更少错 → 信任更快建立 → 采用加速 → 基线更快到来
  • 当前阶段：multi-agent — 并行 agent + git worktree + spec 协调
  • 下一阶段：云端 agent — 由 SDLC 事件触发而非人类 prompt，主动检测问题

核心问题不是未来是否到来，而是你是否已建立在那个速度下工作的肌肉记忆

17. 五维度 Agent 设计框架（ZZ-630）

@neural_avb

亮点：

  1. System Prompt 三问 — 你观察到什么？成功长什么样？你有什么工具？— 写 system prompt 前先回答这三个问题
  2. Lazy Loading > 预加载 — 不预塞文件内容，给 agent 索引让它按需 read。预加载会让 agent 过度依赖初始信息而忽略探索
  3. 工具太多 = Agentic Dementia — agent 面对 50 个工具时会”失忆”，选错工具或忘了有哪些工具。极简 action space 是关键
  4. Subagent 三场景 — ① 任务多样化（不同能力需求）② 输出过长（拆开避免 context 爆）③ 可并行（同时跑加速）
  5. Context Persistence 是最难的维度 — LLM 天然无状态。外部 memory 必须有人/有系统维护。这也是 ZZ-593 纸带+锚点要解决的问题
  6. 评估是关键 — log traces + replay harness。如果不能回放 agent 的决策链，就无法改进

交叉洞察

1. 人做架构，agent 做执行（826 + 827 + 611）

三篇从不同角度说同一件事：

  • Augment (826): spec 是共同语言，agent 可以更新但人做最终决策
  • Piglei (827): 把 AI 当库不当框架，你掌控调用
  • Thariq (611): 给 agent 好的搜索工具，让它自己构建上下文，不替它做

2. 上下文管理三层（593 + 600 + 806）

从底向上解决 context 膨胀：

  • 架构层 (593): 纸带+锚点，不继承全量状态
  • 工具调用层 (600): PTC，中间结果不回传 context（-24% token）
  • CLI 输出层 (806): rtk 压缩命令输出（-80% token）

三层叠加可能实现 90%+ 的 token 节省。

3. 三个成熟度级别（706 + 720 + 775）

级别团队做法关键差异
专业团队Tolan (706)subagent 分工 + PR Shepherd + 代码库即文档系统化、可复制
领域专家plantegg (720)ReAct + 自写工具 + 踩坑记录80% 时间在写工具
零基础Prosser (775)Stream Deck 触发 + 四色分类 + 6 agent 并行直觉划出 AI 红线

4. 检查点上移（718 + 826）

数据证据：review 时间 +91%，产出 +98%。解法：

  • 从审代码 → 审 spec
  • 从人维护文档 → agent 更新文档
  • 从 source of truth = code → source of truth = spec

5. 控制权 vs 能力（827 + 630）

  • Piglei (827): AI 当框架 = 控制权丧失 + 认知债务
  • neural_avb (630): 工具太多 = agentic dementia
  • 共同结论：少即是多。4 个精准工具 > 50 个模糊工具。简短但你理解的 prompt > 长但你不理解的 prompt。

来源

Issue标题作者关键贡献
ZZ-611Lessons from Building Claude CodeThariq (Anthropic)agent 自建上下文 > 预塞
ZZ-826Spec-Driven Dev 必败Augment Codespec 是活文档，agent 可更新
ZZ-827AI 编程是一种框架Piglei框架 vs 库，认知债务
ZZ-593木匠，锤子，钉子PsiACE纸带+锚点范式
ZZ-600Give Claude a Computer (PTC)Lance Martin (Anthropic)代码组合性+工具控制面
ZZ-706Claudified iOS AppTolan / Dan Federman55% AI 代码，crash-free 99.9%
ZZ-720DBA 运维 Agentplantegg一下午搭完，80% 写工具
ZZ-775AI Chief of StaffJim Prosser零编程 36h，年省 195h
ZZ-667Go Modern GuidelinesJetBrains频率偏差+版本适配
ZZ-615Vibe Coding 2.0Harshil Tomar18 条规则 checklist
ZZ-770Vibe Coding 3.0Harshil Tomar15 概念，偏入门
ZZ-783Agentic Manual TestingSimon WillisonRodney+Showboat 防作弊
ZZ-806rtk CLI Token 压缩rtk-ai透明 hook，-80% token
ZZ-725ui.sh Agent UI KitTailwind CSSinvite-only，品味保证
ZZ-718Kill the Code ReviewLatent Space / Ankitreview +91%，审 spec 不审 diff
ZZ-602享乐适应效应Augment Code90 天变基线，每月 WWDC
ZZ-630五维度 Agent 框架@neural_avbagentic dementia，三问

Takeaway

  • 观察模型行为再设计工具, 不能凭空设计，需要跑 agent 看它实际怎么用工具、在哪里卡住、哪些工具被滥用
  • Tape System
  • try rtk

Graph View