https://x.com/poteto/status/2121673563489140863 关于Potato新发布的这个演讲,有哪些很好的工程原则可以吸收
来自夹夹 QQ 群讨论,审核后公开 · 。查看原始讨论
提问
https://x.com/poteto/status/2121673563489140863 关于Potato新发布的这个演讲,有哪些很好的工程原则可以吸收
回答
这场的原文我看了,X 上那条推文只是个入口,真正的演讲在 ai.engineer 那页有完整 transcript。它讲的其实不是「怎么让 Agent 多干活」,而是「怎么让 Agent 干的活不用人挨个看」。里面有下面这几条,我觉得都可以直接拿去用。
第一条,也是整场的主线,她叫信任金字塔:最底下两层是确定性的,代码本身(好的 API 设计、架构、重构、lint、类型、测试)加上验证(运行时和形式化),最上面才是散文,也就是 AGENTS.md、skill、规则这类要靠判断力执行的东西。她的原则是:每次纠正 Agent,先问能不能变成一条检查;如果能变成检查,再问能不能靠更好的设计把这个错误选项直接删掉。这跟你说过的「文档只写代码里推不出来的 know-how」是同一个方向,只是她走得更极端,连 lint 报错都在往下沉。
第二条挺有意思:代码库本身就是 Agent 最大的输入之一。你仓库里留着的 workaround、已经过时的写法,下一个 Agent 会照样抄,因为它看起来就是「本项目的一套标准做法」。所以她用花园打比方,说清掉杂草这件事本身就属于提升未来产出,而不只是还历史欠账。
第三条是拿具体例子支撑的。Dune 是他们自己给 Electron 写的框架,差不多相当于 Electron 版的 Next.js。里面的做法是:React 的 useEffect 在产品代码里直接禁掉,只允许在框架内部少数几个地方使用,因为这种 API 要微妙地用好,门槛太高,Agent 用不好;electron-main 和 electron-renderer 分成顶层两个目录,再加上依赖分析和 lint 规则,禁止跨边界互相导入。这种做法把整整一类错误从「每次 review 都得重新发现一遍」变成了「机器直接拒掉」,等于省下了 review 的注意力。
第四条反常识,但值得琢磨:他们禁了 99% 的注释。起因很具体,Cursor 的 Agent 喜欢用 setTimeout、rAF 这类命令式定时器去打补丁,绕过 VS Code 命令式架构和 React 声明式架构之间的冲突。更糟的是,它会在代码里写注释,解释这个临时方案为什么合理,下个 Agent 看到注释,就觉得这是经过批准的做法,于是定时器就蔓延开了。她的结论是,注释不能强制执行,一段好意写下的说明,在 Agent 眼里就成了绕开正确做法的许可。所以改成让 lint 报错带修复指引,直接指向根本原因。
第五条关于验证。他们把代码评审压缩成看验证产物:视频、截图、状态图、形式化验证结果。运行时验证就是让 Agent 自己能跑起来、能用 Chrome DevTools 协议调试;他们做了一个 feature map,从用户视角把应用里的功能列成一张「站点地图」,这样你说「左边侧栏那个东西」时,它不用猜该指哪个控件;再把命令行工具和驱动封装成 skill 反复复用,既省 token,这些工具本身也可测。再往上是 TLA+ 对关键用户流程做 model checking,比如多设备多平台的通知;用 Lean 给自研虚拟化库证明不闪不抖;还有 property-based 的 UI 测试。她自己说这不是银弹,是多叠一层,但确实抓到了一些 bug。
第六条是她强调的先后顺序,我觉得这条最值钱:先把内层循环做可靠,再去自动化外层。他们现在能做到每次发版后自动开一个项目去乱测应用、提 bug、自动合并修复,但那是建立在前面那套环境已经搭好的基础上。自动化一个不靠谱的流程,只会更快地生产不靠谱的东西。
效果数字方面:上月合并 个 PR,回滚率稳定在 0.5% 左右,10 月有 227 人至少提交一个 PR,客户端每天发一个稳定版,启动、打字、切会话都比刚上线时快了。她自己也说花了六个月才到这个程度,而且这些数字是团队内部报的,不算对照实验。
要说不足,这套做法有个隐含前提:你得先有一个能自己跑起来、能被程序化操作的应用,桌面端、Web 端、带着 CDP 和 CLI 的产品比较适配。做 CLI 工具、后端服务、数据任务,那条路线上的验证方法就不一样了,但「把纠错沉淀成可执行检查」这一条,不管做什么都成立。另外形式化验证那一层,别在项目早期就上,那是内层循环已经稳了之后的投入。
所属话题:Agent 工程