跳到主要内容
目录

智能体工程模式:代码免费时代的软件工程实践

解读对象:Simon Willison《Agentic Engineering Patterns》 作者:Simon Willison(Django 联合创造者、AI 辅助编程领域最高产的实践者之一) 性质:持续更新的公开指南,系统总结其每天高强度使用 Claude Code、Codex 等编码 Agent 的方法论

Simon Willison 是 Django 的联合创造者,也是 AI 辅助编程领域最高产的实践者之一。2026 年初开始,他持续更新一份名为《Agentic Engineering Patterns》的指南,系统总结自己每天高强度使用 Claude Code、Codex 等编码 Agent 的方法论。

这份指南的价值不在于追逐工具热点,而在于它试图回答一个更根本的问题:当写代码的边际成本趋近于零,软件工程的重心应该放在哪里。


一、定义:Agentic Engineering 不是 Vibe Coding

Willison 的定义链条很清晰:Agent 是“在循环中调用工具以达成目标的软件“;编码 Agent 的决定性能力是执行代码——不能运行代码的 LLM 只能产出建议,能运行代码的 Agent 才能迭代出“可证明能工作“的软件。

由此,人类工程师的职责从“写代码“迁移到三件事:

  • 为 Agent 配备合适的工具
  • 以恰当的粒度定义问题
  • 验证并迭代结果

他刻意与 Andrej Karpathy 提出的 “vibe coding” 划清界限。Vibe coding 指“忘记代码存在“的原型式编程,产出的是未经审查的代码;agentic engineering 则是把 AI 产出提升到生产标准的工程实践。两者需要不同的词汇,因为它们是不同的东西。


二、经济学基础:代码便宜了,好代码没有

整份指南建立在一个判断之上:写代码的成本趋零,这颠覆了软件行业几十年形成的几乎所有权衡直觉。

宏观层面,项目估算、功能取舍的逻辑变了——过去一个功能必须“赚回“昂贵的开发时间才值得做,现在这个门槛大幅降低。微观层面,“值不值得重构这个函数”“要不要为这个边界情况写测试”“能不能做个调试界面“这类每天上百次的小决策,答案都在翻转。

但 Willison 紧接着划出了边界:交付代码几乎免费,交付好代码依然昂贵。 他给出的“好代码“标准包括:能工作、被验证能工作、解决的是正确的问题、优雅处理错误路径、简洁、有测试保护、文档与实现同步、不妨碍未来演进、满足可访问性与安全性等非功能性质量要求。Agent 可以协助其中大部分,但判断“当前项目需要哪部分好“的责任仍在人身上。

由此得出一个行为准则:每当直觉说“这不值得花时间做“,就随手发一个异步 Agent 任务。最坏的结果不过是浪费一点 token。


三、囤积已验证的方案

这是全书最具杠杆效应的模式。工程师的核心资产之一是知道“什么是可能的“,并且有可运行的代码作为证据——“理论上可行“和“亲眼见过它跑起来“是两回事。

Willison 本人通过博客、TIL 站点、上千个 GitHub 仓库和单文件 HTML 工具集来囤积这类方案。Agent 时代,这种积累的复利被急剧放大:一个技巧只需攻克一次,之后可以让 Agent 抓取示例、克隆仓库、跨项目搜索,把两个已有方案重组成新方案。

他的案例很有说服力:把 PDF.js 渲染代码和 Tesseract.js OCR 代码两段旧笔记放进同一个 prompt,几分钟内得到一个可用的浏览器端 PDF OCR 工具。个人知识库因此从“备忘录“变成了 Agent 的高价值输入资产。


四、用 AI 产出更好的代码,而不是更差的

针对“AI 导致代码质量下降“的普遍担忧,Willison 的立场是:用 Agent 交出更差的代码是一种选择,不是必然。路径有三条。

第一,从源头避免技术债。 大量技术债——API 设计缺陷、命名错误、重复代码、巨型文件——属于“概念简单但耗时“的修复,这正是异步 Agent 的理想任务:后台运行,以 PR 形式评审,好就合并,差就丢弃。改进成本已经低到可以对代码坏味道零容忍。

第二,用廉价原型做技术选型。 与其争论某个技术是否适用,不如让 Agent 搭建仿真环境、跑压测。实验成本趋零后,可以并行验证多个方案再择优,避免在规划阶段犯下最贵的错误。

第三,复合工程循环。 LLM 本身不会从错误中学习,但人可以通过持续更新给 Agent 的指令和工具链,让整个系统性地“学习“。每个项目结束后复盘,把经验沉淀回指令——小改进会复利。


五、唯一的重罪:把未审查的代码甩给别人

Willison 点名的头号反模式是:提交自己都没审查过的 Agent 产出。未经亲自验证就把上千行代码丢给评审者,等于把工作转嫁他人——“评审者自己也能 prompt 一个 Agent,你的价值何在?”

他给出的合格 PR 标准:

  • 代码确实能工作且提交者有把握
  • 变更足够小,多个小 PR 优于一个大 PR
  • 附带解释高层目标的上下文
  • 连 Agent 生成的 PR 描述也要亲自审
  • 最好附上手动测试记录、截图或视频,证明自己做过功课

六、理解机制:上下文是稀缺资源

指南用一章拆解了编码 Agent 的构造:LLM 是无状态的 token 补全机,对话历史每轮全量重放,所以对话越长越贵;工具调用的本质是“模型输出特定格式文本,外壳程序解析执行,结果回注对话“;系统提示词是 Agent 行为的隐形骨架;推理能力让模型花更多 token 思考,对调试尤其有效。核心机制简单到几十行代码即可实现——理解这一点,才能正确评估 Agent 的能力边界。

这一视角直接解释了子 Agent 的价值:上下文窗口是稀缺资源(上限约百万 token,但二十万以内质量更好)。子 Agent 用全新上下文执行探索、跑测试等 token 密集型任务,只把结论带回主上下文。Willison 同时提醒:不要过度拆分专家子 Agent,主 Agent 在 token 充裕时完全能自己审查和调试——子 Agent 的核心价值是保护主上下文,而非角色扮演。


七、验证闭环:从测试到证据

这是全书最实操的部分,逻辑层层递进。

Red/Green TDD。 先写测试、确认失败、再实现到通过。这直接防御 Agent 的两大常见病:写出不工作的代码,和写出没人用的代码。“Use red/green TDD” 是模型已经内化的纪律压缩短语。

“First run the tests”。 对已有项目开会话时的第一条 prompt,一石三鸟:迫使 Agent 搞清测试如何运行,之后大概率持续运行;测试规模成为项目复杂度的代理指标;把 Agent 置入测试心态。

Agentic 手动测试。 核心原则是“未被执行过的代码,永远不要假设它能工作“,且测试全绿不等于功能正确。手段按场景分层:Python 用 python -c 试边界情况,API 用 curl 探索,Web UI 用 Playwright 等浏览器自动化工具,并让 Agent 用自己的视觉能力查看截图验证界面。手动测试发现的问题,再用 red/green TDD 固化进自动化测试。

Showboat 模式。 让 Agent 把测试过程记录成证据文档——命令和真实输出同时记录,从机制上防止 Agent“写出它希望发生的结果“。这回应了一个深层问题:如何确认 Agent 真的完成了工作,而不只是声称完成了。


八、偿还认知债

Willison 提出了一个少有人讨论的概念:认知债。当 Agent 写的代码成为人不理解的黑盒,人就失去对系统的推理能力,其危害与技术债同构。

偿还方式有两种。一是线性走读:让 Agent 生成带真实代码片段的讲解文档(片段用命令提取而非手抄,防止幻觉)。他用这种方式学习自己 vibe code 出来的 SwiftUI 应用——把“AI 代写“转化为主动学习的机会,这是对抗“AI 让人变懒“的具体答案。二是交互式解释:让 Agent 把算法做成可步进、可调速的动画,例如用词云布局算法的动画演示,让“阿基米德螺线放置“从一句报告术语变成直觉理解。


九、Prompt 的元技巧

指南后半部分逐句拆解了真实 prompt,其中可迁移的技巧包括:

  • 给 Agent 验证手段比给详细规格更重要。 一句“用浏览器自动化工具测试你的工作,这是测试用文件“,让 Agent 自己发现并修复了 CSS bug。
  • 用代码库代替自然语言描述需求。 “克隆我的博客源码作参考,模仿 Atom feed 的逻辑”,比详细描述业务规则高效得多;让 Agent 克隆到 /tmp 则可防止参考代码混入提交。
  • 信任模型的品味,保留修正权。 不指定所有参数细节,让模型先选,不满意再迭代。
  • 过程中轻量干预。 在 Agent 工作途中插入追加指令,而非推倒重来。

附录的私人 prompt 还展示了他的使用边界:表达观点、署名的文字必须自己写,LLM 只做校对和辅助。


十、我的判断:这份指南真正的分量在哪里

以上是 Willison 的论证。下面是我自己读完后觉得最值得记下的东西,也是我认为这份指南比“又一篇 AI 提效文章“更有价值的地方。

1. 它和 Anthropic 的 SDLC 手册是一对,而不是两篇

我最近刚拆解过 Anthropic 的《AI-Native SDLC playbook》。把它和 Willison 这份指南并排放在一起,会发现一件有意思的事:两者从相反的方向逼近同一个结论。

Anthropic 站在组织的高度,讲的是制品链、审批门、hook、eval、闭环——它关心的是“受监管的企业里,agent 写了大部分代码之后,问责、审计、职责分离怎么办“。Willison 站在单个人的工位上,讲的是 TDD、showboat、认知债、囤积方案——他关心的是“一个工程师自己怎么不被 agent 反噬“。

但两套词汇翻译过去是同一句话:人的职责从“做“转向“定义 + 验证“。 Anthropic 说“人把注意力集中在门上“,Willison 说“人类工程师负责定义问题、验证结果“。一个把这句话落成了组织流程,一个落成了个人纪律。这解释了为什么这两份材料几乎同时出现、又互相印证——它们不是竞争,是一个时代的两个切片。

对读者来说,这也意味着:你不需要二选一。 单人可以只取 Willison 的几条(red/green TDD、showboat、囤积方案),团队再叠加 Anthropic 的门和 eval。粒度不同,方向一致。

2. 最锋利的一句是“代码免费了,好代码没有“

这句值得反复读,因为它把“AI 会不会取代程序员“这个吵了两年的问题,换了一个更有生产性的问法。

免费的从来不是“软件“,是“能跑起来的代码“。贵的一直是那组判断:这个功能值不值得做、这个边界情况要不要测、这个抽象该不该现在引入。而这些判断,恰恰是 agent 做不了的——不是因为模型不够强,而是因为判断的前提是“承担后果的人知道什么算好“。

所以一个反直觉的推论是:在 agent 时代,资深工程师不是更便宜了,而是更稀缺了。能写代码的人供过于求,能判断“当前项目需要哪部分好“的人供不应求。这和我之前写过的一个判断完全同构——AI 降低的是编码门槛,不是工程决策的门槛,编码变便宜后,判断力反而更值钱。

3. 认知债,是这份指南里被最严重低估的一个概念

技术债人人喊打,因为它有成熟的偿还工具:重构、测试、文档。认知债几乎没有人在意,因为它的症状不是 bug,而是沉默——你不再能推理自己的系统,出问题时只能再开一个 agent 会话去猜。

Willison 提出的偿还方式(线性走读、交互式动画)本质上是“逼自己重新成为代码的读者“。但我认为他还漏了一层,而这层对国内团队尤其致命:认知债在人员流动下会转化为技术债。 Willison 是高产的个人开发者,天然没有交接问题,所以他只用“让自己学会“来框定认知债。但在一个半年换一拨人的团队里,一个用 vibe coding 攒出来的黑盒应用,在原作者离职那一刻,就从“我的认知债“变成了“全团队的技术债“,而且还没有测试兜底。

这给出一条实操结论:如果你用 agent 写了一段你自己都不打算读懂的代码,它就不该进主分支——无论它跑得有多好。 这一点比 Willison 说的“唯一重罪是甩未审查代码“更严格,但也更接近组织的真相。

4. Showboat 的背后是“证明文化“

我读完全书,觉得把九章串起来的那根线,其实是一个词:证据。

red/green TDD 是要“失败的测试“这个证据;showboat 是要“命令 + 真实输出“这个证据;“First run the tests“是要“测试跑得起来“这个证据;囤积方案是要“亲眼见过它跑起来“这个证据。整份指南的深层主张是:用证据代替声称。 因为 agent 最擅长的一件事,就是“声称”——声称测试通过了、声称功能实现了、声称 bug 修好了。

这恰好和 Anthropic 手册里“制品链本身就是审计轨迹“是同一个思想:Anthropic 用 git 提交链当证据,Willison 用测试输出和截图当证据。在人和 AI 协作的时代,“声称“变得前所未有的便宜,所以“证据“变得前所未有的贵。 谁能在自己的流程里内置证据,谁就真正拿到了 agent 的红利,而不是被 agent 的幻觉反噬。

5. 但这份指南有三个隐含前提,照搬会踩坑

批评几句。Willison 的指南好,但它明确是一个高自主、高时薪、单人作战的顶尖开发者写给自己这个群体看的。三个前提,国内团队照搬前要想清楚:

第一,“随手发异步任务“的经济学。 他敢说“最坏不过是浪费一点 token”,是因为他的时间单位价值远超 token 成本。对组织里的普通工程师,token 有预算、有审批,而且“异步任务“需要一个人去验收——这个验收的时间,指南没有算进去。

第二,“评审者自己也能 prompt“这个论证在组织里会失效。 它对同侪评审成立:如果你只是把 agent 的产出原样甩过来,对方确实没理由花时间看。但组织里的评审不只是一个“会 prompt 的人”,它还承担着可追溯的责任。你要的不是评审者“能力上能不能做“,而是“流程上有没有留下记录“。用个人效率的论证去否定组织治理的必要性,是两类逻辑的错配。

第三,skill baseline 被严重低估。 Willison 能“随手发一个异步任务“并判断结果是否可接受,靠的是几十年的工程判断。对新手,同样的动作会把 vibe coding 伪装成 agentic engineering——更糟,因为还多了一层“我在用正经方法论“的自我正当化。这套模式是放大器的放大器:它放大资深者的产出,也放大新手的债务。

6. 落回国内后端的几个具体建议

如果把这份指南翻译成后端 / 运维团队能立刻用的动作,我提炼成下面几条,按性价比排序:

优先级动作对应章节成本
高修 bug 先让 agent 写失败的测试,再约束它不改测试文件七 · red/green TDD低
高开会话第一条 prompt 固定为“先跑通测试“七 · First run the tests极低
高PR 描述自己审,附上手动验证的截图或命令输出五 · 合格 PR 标准低
中建一个 til/ 或 snippets/ 目录,囤积已验证的方案三 · 囤积方案低
中让 agent 把关键任务的验证过程写成 showboat 证据文档七 · Showboat低
低用 agent 做廉价原型做技术选型(压测、仿真)四 · 廉价原型中
低定期让 agent 生成带真实代码片段的走读文档,偿还认知债八 · 认知债中

前三条几乎零成本、立刻能落地,收益却覆盖了 agent 最常犯的两类错——写出不工作的代码、和声称已完成的工作。


结语

Simon Willison 这份指南的持久价值,不在于任何一条 prompt,而在于它把“AI 时代怎么写代码“这个松散的话题,收敛成了一个可以逐条实践的清单:定义正确的问题,囤积验证过的方案,用证据收尾,偿还认知债。 它和 Anthropic 的 SDLC 手册互为表里,一个谈个体的手艺,一个谈组织的治理,合起来才是 agent 时代软件工程的全貌。

对已经在用 Claude Code、Codex 的工程师,我建议从优先级表里的前三条开始——它们便宜到没有不做的理由,却恰好是“用 AI 而不是被 AI 用“的分水岭。

相关系列:Willison 这套个体手艺需要系统化落地——Agent Skills 系列教程 把 skill 编写、灰盒模块、深模块三件事打通;Anthropic AI 原生 SDLC 手册解读 则从组织治理视角补齐了“个体手艺之上还需要什么“。


系列阅读:本文是「AI 原生 SDLC」三篇系列的第二篇,从个体工程师视角展开。前一篇拆解组织层面的蓝图:《从 intent.md 到闭环:AI 原生软件开发的六个阶段、一条制品链、几道审批门》;下一篇横向比较四家机构的报告:《AI Native SDLC 如何重构软件开发》。

赞赏

如果这篇文章帮到了你,欢迎请我喝杯咖啡。

  • 微信赞赏二维码,用微信扫一扫

    微信支付

  • 支付宝赞赏二维码,用支付宝扫一扫

    支付宝

金额随意,感谢支持

赞赏

如果这篇文章帮到了你,欢迎请我喝杯咖啡。

  • 微信赞赏二维码,用微信扫一扫

    微信支付

  • 支付宝赞赏二维码,用支付宝扫一扫

    支付宝

金额随意,感谢支持