xingkaixin.me/tags/Agentic

Tag archive

#Agentic

9 篇 · 按时间倒序

给 Agent 派活前，先让它找一次盲点

Agent 开工前先做一次盲点检查：只找会改变方案的问题，并用代码库证据区分哪些要人决定、哪些能沿用现有约定。

同一个 Claude，为什么在我手里是智障：agent 能力是乘法，不是加法

同一个 Claude，接进不同应用后表现可能天差地别。模型决定能力上限，harness 提供上下文、工具和反馈回路；真正该自建的是业务层，不是从零重写运行时。

我只点 merge：Agent 全自动迭代半个月后，我把这套关了

Agent 自动开 worktree、提 PR，我只负责 merge。半个月后，代码能跑，产品却失去了方向。自动化之前，先把执行判断和产品判断分开。

Agent 编程最隐蔽的盲区：你出了 loop，谁来替你摸 Tab 键

Agent 写的代码逻辑通、测试也过，用户的手却按不对地方：OpenCode 作者让 agent 处理焦点切换，它选了 f 键，而所有人的手指记得 Tab。agent 生成的是 plausible，不是 right；执行可以外包，品味判断不行。

你以为 Agent 在 debug，其实它在猜

Agent 改 bug 来回改不对，缺的不是脑子，是现场。只给源码，它就只能做静态推理，本质是猜。解法不是换更强的模型，是先让程序开口：用日志暴露运行时事实，再动手修。往上一层，把可观测性建进系统，才是让 Agent 自主排查、自动改善的前提。

每次跟 agent 聊完，你把最值钱的东西丢了

跟 agent 聊完，代码进了 git，但踩过的坑、方案前提、下次先查什么这类工程判断没有容器，跟着 session 一起关掉了。解法：趁 context 还热让 agent 把非显然结论压成一两百字，丢进可搜索的 decisions 目录，下次 grep 就能调回来。

Agentic 工作流里，"等待"被重新定价了

Agent 跑任务时你不得不等，但切出去刷手机会冲走上下文，多 Agent 并行又带来冲突和审查瓶颈。等待期最值钱的东西，是你脑子里还热着的上下文——用来补漏洞、建预期、规划下一步，而不是切出去消遣。

不是不用 Spec，是你用错了——别告诉 AI 怎么做，告诉它什么不能做

好的前置文档不是给 AI 画一条路，而是画一个圈：目标在圈心，非目标和约束是边界，验收标准是终点线。圈内让 AI 自由发挥，"非目标"是投入产出比最高的一条，多模型交叉评审能在执行前填坑。

假设X成真：你的手艺正在被重新定价

假设 AI Agent 在未来一两年内能独立完成大部分实现类开发工作，工程师该何去何从？向上游走——从"怎么实现"到"该不该做"；向深处走——从"写得快"到"判得准"。你的 X 抗性指标，就是这周工作中有多少是 AI 无法替代的判断。