阅读笔记 - 2026-03-14
AlexZ 🦀：智能体软件工程 #4 ｜ 当 Agent 写完代码，谁来说「可以合并」？
要点
- 介绍了使用 agent-spec 的做 ai 编程的验证方式，认为 ai 写代码，人 review 的方式已经完全跟不上了，人的主要职责就是写 contract ，ai 根据 contract 来编写和自我验证，给人的是验证完成后的结构化审计报告
- 人花 60% 的时间写 contract ，编码和验证都是 ai ，最后花 30% 的时间读报告，然后 approve 花10% 的时间就够了
- 最重要的是 Task Contract，有4个关键信息：
- 要说明任务意图（ intent ）
- 已经完成的决策 ( decisions )
- 任务边界，什么是我要的，什么是我不要的
- 完成条件，可以是一系列对 bdd 测试的引用，而且需要负面用例比正面用例多，以限制 ai 的自我发挥
- 7个步骤：人写 contract ， ai 对 contract 质量做评估， agent 读 contract 编码，多次 lifecycle 循环验证，并记录是几次最终通过了 gate ，对所有门禁要有结构化的输出，可以有通过/失败/跳过/无法验证 4 种状态，然后让 ai 输出对结果的 explain （可能需要人来对一些结果做决策），人类审批通过后， stamp 归档
- ai verifier 有4个等级，两种模式：
- l1: 结构化校验，用语法检查器完成
- l2: 可访问边界校验，自动化的验证器完成，也不需要 token
- l3: 测试用例校验，可以是 ut , 也可以是 bdd ，最终产出是回答：能否满足 contract 定义的边界
- l4: ai分析前3者未能覆盖的场景，有 stub 模式和 caller 模式，他的输出是 uncertian ，不是 pass / failed ，结果需要由人来判断
- stub 是让编排系统来认证， caller 是让 ai coder 比如 cc 来验证
- 可以有 org.spec, project.spec, task.spec 3层，依次覆盖，实现团队管理
- 这套方案不能解决所有问题，但确实是更 agentic 的 code review 方案
方法
- 他也提供了 skills 来帮助人类写 contract ，以及提供工作流更好的完成 7 步循环
- 他也能和 jj 合作，使用 commit 为核心的最小改动模式，实现滚动更新
我的观点
- 价值：很有价值的 code review 实践，但目前他的所有设施都是专注在 rust 生态上，其他的项目使用， l1-l3 的设施还需要自己构建，但也是很好的实践导论。提供的 skills 可以用来编写 ert 协议
- 适用条件：需要人来参与的编码过程，减少 code review 的负担
TODO 把 agent-spec skills 加入到我现在的 workflow 中
Leo：用 markdown 文件树做 AI 记忆系统，跑了两个多月，聊聊真实体感。 漂移是真实痛点。源文件和摘要之间会悄悄分裂，靠写入规范约束本质是靠纪律，纪律迟早松。 但「需要 join…
要点
- 个人记忆系统不需要高复杂的 join 和 index ，使用 mardown 文件 + chromadb + bm25 召回就够用了
- 个人系统和公司知识库是两套不同的实践
我的观点
- 价值：经验之谈，可以参考
Tw93：你不知道的 Claude Code：架构、治理与工程实践
要点
- 快速上手 cc 的技巧经验之谈，从如何开始，到如何优化流程，到如何成为系统设计者（产生质变）
- 利用好 cc 的各种功能，其实是在设计流程的各个环节：
- claud.md / rules / memory 是告诉 cc 这个项目是什么
- tools / mcp 是提供各种能力，能做什么
- skills 是方法论和流程控制，或者领域知识
- hooks 自动化验证器，用于轻量的，确定性的工作
- subagents 能有更专注的工作分工，或者节省 token 开支，加快独立任务速度
- verifiers 验证在自动化编程中很重要
- cc的上下文很有限，需要让 claud.md 尽可能短（不超过2.5k），大型参考文档放到 skills 的 supporting files 中，长期会话主动用 /context 观察消耗，主动做压缩
- skills 很重要，可以做门禁检查，标准流程控制和领域专家控制（出问题时按专家思路收集证据并校验）
- 对于非常常用的 skill ，可以 auto-invoke ，低频的手动 invoke 就行，极低的可以移除，放到文档目录里手动引用
- skill 不能太短，也不能过长，也不要让他覆盖开发流程的每一件事（这种流程控制应该是 claud.md 做的），而且也不应有副作用
- 为 cc 设计工具，应该明确名称，调用参数，有单一目标，输出可控可截断，有修正建议而不是简单的 error code
- 自动化构建还是很重要的，不要总是让 cc 自己做所有事情
- 同一任务就不要切 subagent 了，反而无法利用 kv ，节省不了缓存
- claud.md 很重要，要写怎么跑，怎么测，项目边界，环境因素，压缩时必须要保留的东西。让 cc 自己维护 claud.md 也很不错，比如：“你总结一下这次的问题，放到 claud.md 里，避免下次再犯”
我的观点
- 价值：很有价值的经验之谈，特别是需要主动压缩，主动管理上下文，是很好的思路。另外对 skill 如何在 cc 中发挥自己的作用，也有许多启发。
elie：this is a very nice feature, some example asking opus on claude web interface to explain M…
要点
- claude 提供了全新的可交互 ui ，让他解释一个问题，他能生成可交互的图示，这个就是使用前端代码的自动生成能力做的。
Lyric🌀：编程从来不属于程序员
要点
- 现在的编程从原来只有程序员建模再完成的问题域，变成了所有人描述的问题域，跨度很大，从复杂精密的天气预测系统到奶茶店老板的排班工具，但其复杂度的跨度很大
- 现在我们需要的是新的工具来管理这种不断扩大的熵增
- 真正的风险是，给错误的问题用错误的工具，对复杂问题的精确预测，变成 ai 觉得问题已经解决，但没人知道底下到底有没有解决
- 未来对编程的控制力和理解力变成稀缺资源
kepano/defuddle: Get the main content of any page as Markdown.
要点
- obsidian 作者做的工具，能比 readability 更好的从网页上提取可读干净的 markdown
- 现在支持了解析 youtube 链接，不需要 api 就能拿干净的 youtube 字幕
- 能通过 obsidian web clipper 使用
方法
- 提供了快速的 npx 命令，可以一键尝试
npx defuddle parse https://x.com/chenchengpro/status/2032648998851674300
我的观点
- 价值：很有价值，甚至还能直接读 x 文章，而且一键就试出来了
- 适用条件：适合假如到 tool call 中，替代那些复杂的 jina 工具
meng shao：重读 OpenClaw 背后的 Agent 框架「pi」，作者 @badlogicgames 对主流 Coding Agent 的反思还是太超前了，pi 的极简设计即使现…
要点
- openclaw 是基于 pi 构建的，是一个开源的 cc 或 codex 实现
- pi追求简洁，但也支持所有厂商的模型和 api 方便切换
- 核心 coding-agent 体量很小，只有4个核心工具： read, write, edit, bash，支持 agents.md
- 默认 yolo , 不做 todo （因为无法跨会话，不如用外部文件维护），不做 plan （也用外部文件维护），不支持 mcp （体量太大，使用工具按需加载），没有后台 bash ，没有 sub agents
- 注重可观察性，分层做的很优秀
我的观点
- 价值：值得学习，作者因为不慢厂商的 coding 工具自己做一套，在现在这个时代是完全可能的。可以研究一下，是否能替代掉我的 codex ，或者成为 Emacs as Agent Runbook 的一部分
宝玉：编程 Agent 如何重塑工程、产品和设计【译】
要点
- ai coding 让产品从想法到原型变的简单，但是评审的工作还是存在的
- 程序员能有时间思考产品，产品有时间写代码，两者的角色其实是融合了
- 现在有价值的角色应该是，能有产品思考，有设计能力和品味，能快速产出原型（甚至正式代码）的角色，以及有系统思考，能确认某一个原型想法是否符合整体构建思路的角色
- 程序员的出路，要么打磨自己的产品思维，要么打磨自己的系统构建思维
我的观点
- 价值：值得阅读的一篇文章，但如何打磨这些思维，没有很好的定论。品味也是需要大量实践磨炼出来的。
karpathy/autoresearch: AI agents running research on single-GPU nanochat training automatically
要点
- 给 ai 一个小的 llm 模型想法，他自动会在一个单机上开始研究 llm 的原理，并跑一系列实验，最终形成研究报告
我的观点
- 价值：快速入门 llm 研究的很好的工具，适合学生