什么值得买App下载 App ›
连续签到专享现金活动

如何用好AI Agent?

OpenAI发布的《Harness Engineering: Leveraging Codex in an Agent-First World》一文,详细记录了在Agent优先的开发模式下,工程团队面临的挑战与应对策略。在五个月内生成约100万行代码、创建约1500个PR的实践中,团队实现了约相当于手写代码10倍的建设速度。这一实验的核心并非单纯展示代码生成量,而是探讨当代码不再由人手写时,工程工作的重心如何从编码转移到对环境、知识、验证和架构约束的构建上。
01工程师职责的重塑
在Agent-first模式下,工程师的角色发生了根本性转变。早期进展受阻的原因往往不在于模型能力不足,而在于环境说明不够清晰。因此,工程师的核心任务不再是亲手编写代码,而是将任务拆解准确,建立有效的反馈回路,并补齐Agent缺失的能力。当任务失败时,解决的路径不是人工介入重写,而是分析缺失的能力,并将其转化为Agent可理解、可执行的机制。
02四大核心工程实践
  1. 环境与验证的可视化
    为了使Codex能够自主验证代码改动,团队确保每个Git Worktree都能独立启动应用,并将Chrome DevTools Protocol接入Agent运行时。这使得Agent能够查看DOM快照、截图及导航路径。同时,日志和指标Trace被接入本地可观测性站点,且每个Worktree保持隔离。性能约束不再是口号,而是Agent可直接检查的指标,例如启动时间必须在800ms内完成,或关键链路延迟不得超过2秒。
  2. 仓库知识的结构化
    文章否定了依赖单一超长agents.md文件的做法,因为上下文限制会导致重点失真,且文档难以维护和机械校验。OpenAI的做法是将agents.md仅保留导航功能,真正的知识系统存入结构化的docs/目录。设计文档、执行计划、产品规格、架构说明、质量评分及可靠性规则均纳入仓库版本控制,受Lint和CI检查。Agent需要的是一张可逐步展开的地图,而非塞满信息的说明书。
  3. 机械约束与边界控制
    在高速度开发下,维持系统形状依赖严格的机械约束。OpenAI将业务域拆分为固定层次,通过自定义Lint和结构测试强制依赖方向,仅允许明确的跨层入口。同时,将结构化日志、命名规则、文件大小及平台可靠性要求等编码为规则。对人而言显得繁琐的约束,对Agent而言反而是能力放大器,边界越清晰,局部自治越安全。
  4. 自动化维护与治理
    面对Agent的高吞吐量,传统的繁重Merge流程可能失效。团队接受短生命周期PR,将测试不稳定性留给后续修复,并引入大量Agent-to-Agent Review。为防止代码漂移,团队从每周清理20%的“AI Slop”转变为持续垃圾回收模式,将Golden Principles写入仓库,利用后处理任务周期性扫描、修复并生成PR。速度并非通过放弃治理获得,而是通过治理本身的自动化实现。
03总结
AI能够独立编写百万行代码并非重点,关键结论在于如何让Agent接管更大比例的软件生命周期。这要求将仓库转变为Agent可理解的工作现场,将规则转化为Agent可执行的机制,将验证转化为Agent可自主跑通的闭环。未来工程领域的稀缺资源,将不再是编写代码的能力,而是搭建能够确保Agent持续编写正确代码的系统的能力。

评论

评论区空态插画

当前文章无评论,是时候发表评论了