全部文章

作者以“重器轻用”配置多类AI分工，先用红绿灯原则划定人类决策与AI执行边界，再以多智能体交接与模型互审控错，实证将调研、写作、翻译、开发等环节从周月压缩至分钟级，并搭建本地优先的知识库配合对话式检索，结论是人负责目标与价值，AI放大产出且信息囤积应转为可交付作品。

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。

作者提出Agentic Coding提效靠短对话与精简上下文拆解任务，并将修bug、审查等经验沉淀为可复用项目知识库，配合清晰文档与快速测试等开发体验优化，缓解LLM上下文与失忆限制，使人机协作成为可刻意练习且持续复利增效的能力。

AI代理中决策在模型运行时生成，代码仅负责编排，因此系统真实行为与原因需靠trace记录并对比分析，调试测试优化监控协作与产品分析都应围绕trace开展，否则缺乏可观测性将无法掌握质量与成本并易失控。

指南聚焦Cursor编码Agent的harness机制与使用法，要求先用Plan模式做可确认的实现计划并让其自动搜索获取上下文，再用Rules、Skills与hooks驱动持续迭代直至测试通过，配合审查、并行或云端执行及Debug模式定位棘手问题，从而提升重构与交付的效率和稳定性。

Z.ai上市之际回顾2025：整合Z.ai/GLM品牌与视觉，推出AI Slides并随GLM-4.5/4.7升级使聊天用户与留存暴涨，业务以订阅式GLM Coding Plan把API从低收入拉到用量日增十倍，结论是长期积累与持续迭代换来全球曝光并继续向AGI前进。

Cursor以动态上下文发现优化代码Agent：将工具输出、对话历史、Skills、MCP描述与终端日志写入文件按需检索，减少静态注入，提升回复质量并降低混淆，在调用MCP的运行中token消耗下降46.9%，相关改进将陆续上线。

Anthropic将Huntley的Ralph循环固化为Claude Code官方插件，用Stop Hook拦截退出并回灌错误，驱动模型反复修复直到满足“完成承诺”且测试通过，使编码从对话转为无人值守夜班并显著降本提速，但可能带来API费用失控与高权限安全风险，需设迭代上限并在沙箱运行。

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。

作者回顾在谷歌14年工程经历，提炼21条通用原则：以用户问题驱动方案，先行动交付并追求清晰与少新奇，重视对齐协作与影响可见，能删就不写、兼容即产品，聚焦可控并用写作学习；结论是工程成败主要取决于人、沟通与长期复利。