Addy Osmani 作者

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。

并行运行更多智能体不会线性放大人的产能，真正瓶颈是人类在监督中承担的上下文切换、判断与信任校准成本，线程一多就会累积理解债务和焦虑，导致中午前精力耗尽、审查质量下降；有效做法是识别个人并行上限，按任务复杂度收紧范围、先写清简报并设定限时会话，用较少但可充分复核的线程替代盲目扩容。

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。

开发中心正从IDE内逐行编码转向“代理编排”：开发者更多负责定义意图、分派任务、监控进度、审查差异并合并结果，IDE退为调试、精查和最终修改工具；结论是IDE未死，但已失去主入口地位，软件开发正变为多代理协作下的监督、治理与审查工作。

过度依赖AI生成代码会累积“理解债”，即代码规模增长快于人类理解速度，表面测试与指标向好却削弱系统心智模型，变更与排错时集中爆雷；研究显示用AI代写理解力下降约17%，被动委派最伤技能，测试与规格无法替代理解与审查，组织应将“真正理解所交付内容”作为质量门槛与合规前置条件。

软件开发正从写代码转向编排自主代理并行生成与修改代码，工程师需像建工厂一样写清规格、用测试先行和严格验证来控质，否则错误会被放大；生成不再瓶颈，验证与系统判断决定产出与个人竞争力。

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。

作者基于谷歌经历总结团队工程要诀：只做高价值问题，会议先明确决策诉求，用“周二某人做X”替代空泛意向，权责清晰以加速决策，可靠性与可观测性纳入完成标准，跨团队靠清晰接口与带方案升级，反英雄并警惕扩编带来的协作边，迁移要有人负责收尾与退役期限，AI时代品味与信任决定交付速度。

作者区分vibe coding与专业AI开发：前者不审代码只靠提示迭代，适合原型但易在扩展与安全上失控；后者应称“代理式工程”，先定规格与架构，指挥AI代理实现并严格评审、测试与CI，由人对质量与正确性负责，否则将引发维护灾难并加剧新手技能萎缩。

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。