技术博客 全部文章

长运行智能体的核心不是更长对话，而是把状态、计划、进度和验证移出上下文窗口，使其能跨多会话、多沙箱持续工作、失败恢复并继续推进；主流方案已收敛为规划、执行、评估分工，加会话日志、记忆层和检查点，影响是AI开始能稳定承担数小时到数周的开发、运维和研究任务，但成本、安全、漂移与验收仍是主要瓶颈。

编码智能体的核心在于"Harness工程"——即围绕AI模型构建的脚手架系统，包括提示词、工具、沙箱、反馈循环等组件，其重要性甚至超过模型本身，优质Harness配合普通模型可胜过劣质Harness配合顶级模型；该工程遵循"棘轮"原则，将每次失败转化为永久规则，通过AGENTS.md、钩子、沙箱隔离、上下文压缩、Ralph循环等机制实现持续优化，且随着模型能力提升，Harness的复杂度会向更高层级迁移而非消失，最终趋向动态组装、多智能体协作的编译器形态。

作者认为当前生产级智能体的主要瓶颈不在模型，而在底层架构失衡，导致治理、可靠性和审计风险持续累积；未来一年团队应押注四件事：为智能体建立平台级身份与权限控制，提供跨系统通用上下文，支持跨天跨周的持久执行与人工审批，以及用开放平台替代自建管道；谁先把智能体基础设施标准化，谁就能把资源集中到真正有差异化的业务逻辑上。

AI 编码代理读取文档依赖可发现性、可解析性、上下文 token 成本和访问权限，传统面向人类的页面分析几乎捕捉不到其行为；若文档过长、结构差或被 robots.txt 阻挡，代理会跳过、截断或幻觉生成。解决方案是做 AEO：提供 llms.txt、skill.md、AGENTS.md、Markdown 源、token 标注并监测 AI 流量，以提升代理调用成功率与文档实际可用性。

开发正从单AI协作转向多代理编排，核心做法是用子代理或代理团队并行分工、共享任务与隔离上下文，再用计划审批、测试钩子、文件锁和人工审查建立质量门禁，结论是多代理能显著提升吞吐与专业化，但真正瓶颈已从生成转向验证，成败取决于规格清晰度、协调机制和持续积累的AGENTS.md知识。

研究对比显示AGENTS.md效果取决于内容：自动/init生成的概览多为可自行发现信息，导致噪声、成功率降2-3%且成本增20%+；人工仅写工具陷阱、隐性约定等不可发现信息可提效提准，应将其视为可随问题修复而删减的最小“异味清单”，并按目录分层按需加载以控成本与偏置。

提出用Claude等自主编码代理跑持续循环：将需求拆成小任务，逐轮实现、测试、提交并重置上下文，借AGENTS.md、日志与Git形成持久记忆，配自动化测试/CI和监控止损，在分支沙箱内控权限降风险，最终实现夜间稳定迭代并加速交付。

作者提出AI代理写规格框架：先给清晰高层目标让AI扩展成结构化PRD/SRS，再把大需求拆成模块化小任务按需喂上下文，先只读规划后执行并持续迭代，同时写明边界、自检与测试；结论是降低上下文过载与跑偏，提升产出质量和可控性。

2025编程助手普及，Anthropic用Claude Code写出约90%自身代码，但要先写规格与计划、把任务拆小迭代、提供充分上下文、按需切换模型并用代理落地，持续测试评审与频繁提交并用规则和自动化兜底，结论是产能显著提升但最终质量与决策仍由工程师负责。

主张AI生成代码仅作草稿，开发者必须逐行阅读评审并对合入结果负责，配合更严测试与透明标注以保证可追溯；若停掉人工理解与审查，将加重评审负荷并丢失意图，缺陷与安全风险更易漏出且长期削弱工程师思考与技能。