最近看了一段 14 分钟的短访谈主讲人 Mihail Eric斯坦福 NLP 组出身导师是 Christopher Manning。他之前在 Amazon Alexa 带过技术团队也创办过 YC 支持的 AI 编码公司现在一边在旧金山一家早期创业公司担任 AI 负责人一边在斯坦福讲授一门课——CS146S《The Modern Software Developer》全美第一门把 AI 贯穿整个软件开发流程的大学课程。这个履历对我来说只有一个意义他同时经历过大厂流程和早期团队的混乱讲出来的建议更偏落地而不是学院派的纸上谈兵。他没有聊模型能力也没有做工具测评。他讲了一个正在发生的结构性变化——工程师的角色正在从写代码的人变成管 Agent 的人。我把访谈里的关键观点拆成一份更工程化的清单尽量写成能照着改流程、改代码库的东西。以下是整理。一初级工程师撞上了三重完美风暴Mihail 从一个故事讲起。他认识一个刚从 Berkeley 毕业的人投了大约 1000 份简历只收到了 2 个回复——不是面试邀请只是回复。这不是个例。他认为初级工程师的困境是三件事同时发生的结果第一过度招聘后的大裁员。2021 年前后COVID 之后很多公司觉得自己需要扩招疯狂招人。然后发现招多了大规模裁员开始了。很多公司发现砍掉 20%、30% 的员工业务照样转。第二CS 毕业生数量暴涨。Mihail 说自己毕业时是一个数字现在大概翻了两到三倍。第三AI 改变了雇主的算盘。雇主开始算一笔账我是继续招更多的人来填坑还是招更少但 AI 原生的人用更少的人完成同样的工作三者叠加的结果一大批被裁的资深工程师和一大批新毕业的年轻人同时涌入市场而雇主的招聘意愿因为 AI 反而在收缩。他还讲了一个反直觉的现象资深开发者往往是对 AI 工具最抗拒的人。写了 20 年代码的人太习惯自己的方式了觉得做这件事只有我一直以来的方法。而新人像海绵什么都是新的什么都愿意试。这段话让我想到身边的一些同事。做了十几年架构的人让他用 Claude Code 跑一个重构任务他宁可自己花三天手写。不是不会用是不想用。二角色重塑你不再是写代码的人传统工程师的注意力放在哪里语法、逻辑闭环、个人产出。AI 原生工程师的注意力会往三处移动分配智能——哪些事情交给智能体做哪些事情留给人做决策和验收。管理语境——让多个智能体在正确的上下文里工作减少互相污染。系统设计——把智能体接进真实系统处理权限、审计、回滚、监控和失败模式。这个变化在架构师的日常工作里已经开始发生了。以前做架构评审重点看模块划分和接口契约现在你还得多想一步——这个模块的边界是否足够清晰让一个智能体能独立进去改代码而不破坏周围的东西未来写得快不算稀缺把边界守住才算。三不要因为别人跑 10 个 Agent 就觉得自己也该跑 10 个这一段 Mihail 讲得特别实在。Claude Code 的创始工程师 Boris Cherny 曾来他的课堂做客座演讲。Boris 同时跑 10 个甚至更多 Agent 的工作方式在开发者社区广为流传。Mihail 说他的学生听完后第一反应是我也应该从 10 个开始。他认为这恰恰是错误的结论。真正学会管理多个 Agent就像通关游戏的最终 Boss。能做到这一点的人即使在今天也是最顶尖的那 0.1%。他的建议是逐步搭建build it up piecemeal。先用一个 Agent 把一件复杂的事做好确认自己完全掌握了这个工作流。然后看看有没有第二个隔离的小任务——比如修一个 logo或者改网站文案——再加一个 Agent。关键是每个任务之间必须互相隔离、没有依赖。第一个跑顺了加第二个。第二个也稳了再加第三个。不是 10 个一起上。我自己带团队用 Agent 做开发见过太多一上来就并行五六个然后花更多时间收拾残局的情况。道理很简单Agent 越多错误越容易互相放大。你以为在加速其实在制造混乱。四上下文切换管 Agent 的真正难点谈到多 Agent 工作流的核心技能Mihail 指向了一个很日常的能力上下文切换。他打了个比方这些 Agent 就像一群热情聪明的实习生你把任务派出去它们就在终端里埋头干活代码哗哗地写出来。但有时候它们会卡住。这时候你需要从 Agent 1 切到 Agent 2再切到 Agent 3。每切换一次你得记住上一个 Agent 做到哪了还要有足够的上下文来推进当前任务。即使对人来说这也很难。然后他说了一句很有意思的话他刚才描述的这些就是一个好的人类管理者每天在做的事。跟 Agent 没关系。这件事做好了你也是一个优秀的团队经理。他观察到Agent 编排做得最好的那些人往往有过管理人类开发团队的经验。他们在管人的过程中学会了怎么在多个任务间切换、怎么分配注意力、怎么在信息不完整的情况下做出判断然后把同样的原则用在了 Agent 身上。所以做架构的人反而有天然优势——你本来就在管人、管模块、管系统边界。现在只是管理对象多了一种。五什么是Agent 友好的代码库Mihail 提出了一个概念Agent 友好的代码库agent-friendly codebase。核心问题很直接把一个 Agent 放进你的代码库它能理解正在发生什么吗它能在不破坏系统的前提下交付改动吗他把这件事拆成了四根柱子。柱子一测试是契约当你让 Agent 在代码库里开发新功能时它靠什么确认自己没有搞坏东西靠测试。Agent 只能基于显式定义的合约来运作。如果你没有足够的测试覆盖你就没有给你的软件定义合约。没有足够的测试你就没有定义正确的方式。智能体也就没有边界。这时候你会看到一种熟悉的场景功能看起来跑通了但系统慢慢变得不可控。我更愿意把测试拆成两类契约•行为契约约束输出是否符合预期•边界契约约束哪些输入和状态必须被拒绝多智能体并行时边界契约往往更先救命。柱子二README 和代码必须一致做过开发的人都知道README 几乎一写完就和代码脱节了。代码说一回事README 说另一回事。人类工程师遇到这种情况会吐槽两句然后去看代码。Agent 不会。它同时读到两个互相矛盾的描述就会犯迷糊到底该听谁的更糟的是当文档说的是 API V1代码实现的是 API V2Agent 会在冲突里选一边然后把另一边当成异常去修。这就是幻觉的来源之一——不是模型不够聪明是我们给了它互相矛盾的输入。解决方法很朴素• 把关键路径写成可执行示例• 把示例放进 CI保证它跟代码一起演进• 把更新文档当成合并条件之一柱子三设计模式要统一如果你的代码库中有一个地方用 API 1 来创建某种对象另一个地方用 API 2 来创建同一种对象Agent 不知道该选哪个。Mihail 补了一句很实在的话如果我走进你的代码库看到两种不同的做法我也会问自己该用哪个我不知道两种都在用我大概率会去问一个同事。Agent 友好的代码库其实就是对人也友好的代码库。好的工程实践没有变只是在 Agent 时代变成了硬性要求而不是最好这么做的建议。柱子四统一的风格检查Lint 和格式化的价值在 Agent 时代会被重新估价。它们减少分歧减少解释成本也减少智能体做出自作主张的空间。以前你可能觉得 lint 规则太烦了CI 总在报 warning。现在你会发现这些规则恰好是给 Agent 画的线——别越界。六Agent 会快速复合错误Mihail 特别强调了一个现象。如果 Agent 在第一步产生了一个误解它看到自己第一步创建的错误代码后不会纠正而是在错误的基础上加倍错下去。像滚雪球一样放大慢慢把代码变成一锅意面代码spaghetti code。所以最重要的是Agent 看到的第一版代码必须是自洽的、设计完善的、测试充分的。在你开始让 Agent 写代码之前先把代码库本身搞对。这个道理对架构师来说其实很熟悉——你不会让一个新员工在没有文档、没有测试的项目里盲目开工。对 Agent 也一样甚至要求更高因为 Agent 不会像人一样走过来问你一句这里是不是写错了。七品味在最后一公里什么把能用的软件和了不起的软件区分开Mihail 的回答很直接品味taste。他举了课堂上的例子。每个项目有基础要求比如必须实现五个不同的功能流程。大多数人完成要求就停了。但有些学生不一样——他们已经拿到了满分还在继续打磨、扩展功能、让应用更健壮。品味的培养发生在最后一公里。区别在于谁更想解决问题本身而不只是拿到分数。他说课上表现最好的学生有的已经在围绕课程项目创业了。课程结束了但他们还在继续做同一个东西因为觉得还有更多值得做的。谈到实验精神他举了另一个例子Boris Cherny 来课堂演讲时提到Anthropic 的 Claude Code 团队基本上每一两周就会用 Claude 重写 Claude Code 本身。他们用自己造的工具重写自己的工具。即使是在构建最前沿 AI 编程工具的团队也没有全部答案。他们自己也在不断实验、根据用户反馈迭代。Mihail 在课堂上反复强调我可以来这里给你推荐工具、分享我觉得什么好用。但归根结底你得自己去撞墙。把实验和试错变成工作流的一部分这就是软件开发的新方式。八开发者的傲慢与过度工程化AI 让构建变得太便宜了。Mihail 谈到开发者有一种独特的心态他称之为**“开发者的傲慢”**看到任何问题第一反应就是软件能搞定。这种心态本身很强大——它能让人愿意钻进系统内部把不工作的地方修到能工作。但 AI 把能工作的门槛拉低之后这种傲慢有了新的风险你造出了最精美的软件工程过度得离谱然后你发布了没人想要它。你让 Claude 做一个东西再让 Codex 做一个东西然后不断加功能。一个月过去了你造出了一个精美绝伦的产品上线之后发现没人要。构建变得便宜以后验证和克制反而会变成更贵的能力。这对做架构决策的人提醒尤其直接过度工程化的诱惑从来就有AI 只是把它放大了十倍。九把智能嵌进产品里才算分配智能视频最后哈佛商学院副教授 Rem Koning 简短出镜讲了一个更大的话题。关键不仅仅是使用 AI 工作而是将 AI 嵌入产品让智能体直接为客户服务。很多团队还停在用 AI 帮我做事这一步。更激进的一步是把 AI 嵌进产品本身让它直接面对客户直接在业务闭环里产出价值。这会把工程关注点从我怎么写得更快推向我怎么让系统更自律。权限、审计、回滚、风控、监控、成本控制——这些在传统架构里属于非功能需求的东西在 AI 原生产品里会变成核心产品能力。Koning 还抛了一个更远的问题当 AI 开始和 AI 对话、AI 开始彼此协作它们需要什么他认为想清楚这个问题的公司可能会成为万亿美元级别的企业。十一套可复用的多智能体工作流讲完道理落回操作层面。多智能体编排要跑稳关键在于把语境拆开、把验收前置。我把它整理成一套更像团队流程的模板可以直接套进日常开发1) 给每个智能体一张任务卡任务卡只写四类信息• 目标——写成一句可验收的话• 不改动的边界——比如不改数据库 schema不改公共接口• 输入——给出代码入口、相关文件、可参考的实现• 交付定义——写清楚通过哪些测试输出哪些文件2) 让任务之间天然隔离判断标准很简单只改一个模块不共享同一份状态不需要互相等待结果。做不到隔离就先拆任务别先加智能体。3) 每轮并行都先做一次验收收敛并行越多验收越要收紧合并前跑完关键测试只接受小步可回滚的变更保持变更说明可追溯。这三条是为可控服务不是为流程好看服务。十一一份可以直接照抄的落地清单如果你要把一个现有代码库往智能体友好方向推我建议的优先顺序是1. 先补测试再谈并行先把关键路径补出可回归的测试再上多智能体并行。你要先能稳定验收才能稳定提速。2. 把 README 变成可执行文档把最关键的一条路径写成脚本或示例塞进 CI。文档更新跟着代码一起走。3. 收敛模式删掉二义性同类逻辑不要保留两套写法。把常用模式抽成模板或脚手架减少智能体自由发挥的空间。4. 把改动边界写清楚给智能体明确可改范围和不可改范围。把不得修改的模块和必须保持的接口写成硬规则——你可以用 AGENTS.md、CLAUDE.md 或类似的项目级配置文件来做这件事。5. 每次并行只引入一个新变量要么加一个智能体要么换一种工作流要么换一种验收方式。一次改一件事复盘时才知道差异来自哪里。写在最后Mihail 在这 14 分钟里传达的核心信息可以浓缩为三条AI 原生工程师需要在传统功底之上叠加Agent 编排能力代码库本身需要为 Agent 的到来做好准备——测试、一致性、文档缺一不可而在这个转型期无知无畏和灵活性反而可能是最被低估的资产。从写代码到管 Agent这个转型过程中谁会被留下谁会被淘汰当 Agent 的能力继续提升管理 Agent这个技能本身会不会也被自动化没有人有答案。但有一件事是确定的坐在那里等答案的人一定是最先被淘汰的。来源• 原始视频https://youtu.be/wEsjK3Smovw By Mihail Eric延伸阅读Anthropic 发布 2026 Agentic Coding 趋势报告八大趋势与 4 个优先级深度解读深度拆解 ClawdbotOpenClaw架构与实现OpenClaw 背后的秘密武器极简智能体框架 PiNanoBot 架构拆解4000 行代码实现OpenClaw能力?深度拆解 OpenClaw 系统提示词如何更像人?你可信? OpenClawSkills让 AI 开始在 Moltbook 自主注册、开趴、开会OpenClaw 是怎么工作的一条消息的旅程讲清楚OpenClaw 是怎么工作的2控制面两阶段协议与 runIdOpenClaw 是怎么工作的3会话键与队列策略怎么把并发关进笼子如喜欢本文请点击右上角把文章分享到朋友圈如有想了解学习的技术点请留言给若飞安排分享因公众号更改推送规则请点“在看”并加“星标”第一时间获取精彩技术分享·END·相关阅读 CC核心开发者分享 | 构建 Claude Code 的经验教训像 Agent 一样看世界 别让 Agent 只是看起来聪明从 OpenAI 学到的 10 件事 跟Cloudflare大佬学用 Claude Code Claude Skills 入门把“会用 AI”变成“可复制的工程能力” 一套可复制的 Claude Code 配置方案CLAUDE.md、Rules、Commands、Hooks Claude Code 最佳实践把上下文变成生产力团队可落地版 把 AI 当成新同事Agent Coding 的上下文与验证体系 Skill 到底是什么从第一性原理深入剖析 Claude Agent Skills 把 Claude Code 用成工程工具8 条黄金法则与一套可复用工作流 Anthropic 官方 33 页指南拆解: 构建Skills的最佳实践 2026 开年这篇综述把高效 Agents 讲得很工程附落地清单 AI编程实践从 Claude Code 到团队协作的 6 个落地抓手 Anthropic 发布 2026 Agentic Coding 趋势报告八大趋势与 4 个优先级深度解读 Claude Agent Teams 架构与实战拆解 Claude Code 创始人亲授10 条进阶秘籍附 12 条工作流 Prompt 清单最后唠两句为什么AI大模型成为越来越多程序员转行就业、升职加薪的首选很简单这些岗位缺人且高薪智联招聘的最新数据给出了最直观的印证2025年2月AI领域求职人数同比增幅突破200% 远超其他行业平均水平整个人工智能行业的求职增速达到33.4%位居各行业榜首其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张也让人才供需矛盾愈发突出。麦肯锡报告明确预测到2030年中国AI专业人才需求将达600万人人才缺口可能高达400万人这一缺口不仅存在于核心技术领域更蔓延至产业应用的各个环节。那0基础普通人如何学习大模型 深耕科技一线十二载亲历技术浪潮变迁。我见证那些率先拥抱AI的同行如何建立起效率与薪资的代际优势。如今我将积累的大模型面试真题、独家资料、技术报告与实战路线系统整理分享于此为你扫清学习困惑共赴AI时代新程。我整理出这套 AI 大模型突围资料包【允许白嫖】✅从入门到精通的全套视频教程✅AI大模型学习路线图0基础到项目实战仅需90天✅大模型书籍与技术文档PDF✅各大厂大模型面试题目详解✅640套AI大模型报告合集✅大模型入门实战训练这份完整版的大模型 AI 学习和面试资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】①从入门到精通的全套视频教程包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图0基础到项目实战仅需90天全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤640套AI大模型报告合集⑥大模型入门实战训练如果说你是以下人群中的其中一类都可以来智泊AI学习人工智能找到高薪工作一次小小的“投资”换来的是终身受益应届毕业生无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界。业务赋能 突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型。获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】 
长河君 · 2026/8/27 13:52:33 · 阅读 1.2k AI时代架构师必读：从写代码到管Agent的转型指南（建议收藏）
最近看了一段 14 分钟的短访谈主讲人 Mihail Eric斯坦福 NLP 组出身导师是 Christopher Manning。他之前在 Amazon Alexa 带过技术团队也创办过 YC 支持的 AI 编码公司现在一边在旧金山一家早期创业公司担任 AI 负责人一边在斯坦福讲授一门课——CS146S《The Modern Software Developer》全美第一门把 AI 贯穿整个软件开发流程的大学课程。这个履历对我来说只有一个意义他同时经历过大厂流程和早期团队的混乱讲出来的建议更偏落地而不是学院派的纸上谈兵。他没有聊模型能力也没有做工具测评。他讲了一个正在发生的结构性变化——工程师的角色正在从写代码的人变成管 Agent 的人。我把访谈里的关键观点拆成一份更工程化的清单尽量写成能照着改流程、改代码库的东西。以下是整理。一初级工程师撞上了三重完美风暴Mihail 从一个故事讲起。他认识一个刚从 Berkeley 毕业的人投了大约 1000 份简历只收到了 2 个回复——不是面试邀请只是回复。这不是个例。他认为初级工程师的困境是三件事同时发生的结果第一过度招聘后的大裁员。2021 年前后COVID 之后很多公司觉得自己需要扩招疯狂招人。然后发现招多了大规模裁员开始了。很多公司发现砍掉 20%、30% 的员工业务照样转。第二CS 毕业生数量暴涨。Mihail 说自己毕业时是一个数字现在大概翻了两到三倍。第三AI 改变了雇主的算盘。雇主开始算一笔账我是继续招更多的人来填坑还是招更少但 AI 原生的人用更少的人完成同样的工作三者叠加的结果一大批被裁的资深工程师和一大批新毕业的年轻人同时涌入市场而雇主的招聘意愿因为 AI 反而在收缩。他还讲了一个反直觉的现象资深开发者往往是对 AI 工具最抗拒的人。写了 20 年代码的人太习惯自己的方式了觉得做这件事只有我一直以来的方法。而新人像海绵什么都是新的什么都愿意试。这段话让我想到身边的一些同事。做了十几年架构的人让他用 Claude Code 跑一个重构任务他宁可自己花三天手写。不是不会用是不想用。二角色重塑你不再是写代码的人传统工程师的注意力放在哪里语法、逻辑闭环、个人产出。AI 原生工程师的注意力会往三处移动分配智能——哪些事情交给智能体做哪些事情留给人做决策和验收。管理语境——让多个智能体在正确的上下文里工作减少互相污染。系统设计——把智能体接进真实系统处理权限、审计、回滚、监控和失败模式。这个变化在架构师的日常工作里已经开始发生了。以前做架构评审重点看模块划分和接口契约现在你还得多想一步——这个模块的边界是否足够清晰让一个智能体能独立进去改代码而不破坏周围的东西未来写得快不算稀缺把边界守住才算。三不要因为别人跑 10 个 Agent 就觉得自己也该跑 10 个这一段 Mihail 讲得特别实在。Claude Code 的创始工程师 Boris Cherny 曾来他的课堂做客座演讲。Boris 同时跑 10 个甚至更多 Agent 的工作方式在开发者社区广为流传。Mihail 说他的学生听完后第一反应是我也应该从 10 个开始。他认为这恰恰是错误的结论。真正学会管理多个 Agent就像通关游戏的最终 Boss。能做到这一点的人即使在今天也是最顶尖的那 0.1%。他的建议是逐步搭建build it up piecemeal。先用一个 Agent 把一件复杂的事做好确认自己完全掌握了这个工作流。然后看看有没有第二个隔离的小任务——比如修一个 logo或者改网站文案——再加一个 Agent。关键是每个任务之间必须互相隔离、没有依赖。第一个跑顺了加第二个。第二个也稳了再加第三个。不是 10 个一起上。我自己带团队用 Agent 做开发见过太多一上来就并行五六个然后花更多时间收拾残局的情况。道理很简单Agent 越多错误越容易互相放大。你以为在加速其实在制造混乱。四上下文切换管 Agent 的真正难点谈到多 Agent 工作流的核心技能Mihail 指向了一个很日常的能力上下文切换。他打了个比方这些 Agent 就像一群热情聪明的实习生你把任务派出去它们就在终端里埋头干活代码哗哗地写出来。但有时候它们会卡住。这时候你需要从 Agent 1 切到 Agent 2再切到 Agent 3。每切换一次你得记住上一个 Agent 做到哪了还要有足够的上下文来推进当前任务。即使对人来说这也很难。然后他说了一句很有意思的话他刚才描述的这些就是一个好的人类管理者每天在做的事。跟 Agent 没关系。这件事做好了你也是一个优秀的团队经理。他观察到Agent 编排做得最好的那些人往往有过管理人类开发团队的经验。他们在管人的过程中学会了怎么在多个任务间切换、怎么分配注意力、怎么在信息不完整的情况下做出判断然后把同样的原则用在了 Agent 身上。所以做架构的人反而有天然优势——你本来就在管人、管模块、管系统边界。现在只是管理对象多了一种。五什么是Agent 友好的代码库Mihail 提出了一个概念Agent 友好的代码库agent-friendly codebase。核心问题很直接把一个 Agent 放进你的代码库它能理解正在发生什么吗它能在不破坏系统的前提下交付改动吗他把这件事拆成了四根柱子。柱子一测试是契约当你让 Agent 在代码库里开发新功能时它靠什么确认自己没有搞坏东西靠测试。Agent 只能基于显式定义的合约来运作。如果你没有足够的测试覆盖你就没有给你的软件定义合约。没有足够的测试你就没有定义正确的方式。智能体也就没有边界。这时候你会看到一种熟悉的场景功能看起来跑通了但系统慢慢变得不可控。我更愿意把测试拆成两类契约•行为契约约束输出是否符合预期•边界契约约束哪些输入和状态必须被拒绝多智能体并行时边界契约往往更先救命。柱子二README 和代码必须一致做过开发的人都知道README 几乎一写完就和代码脱节了。代码说一回事README 说另一回事。人类工程师遇到这种情况会吐槽两句然后去看代码。Agent 不会。它同时读到两个互相矛盾的描述就会犯迷糊到底该听谁的更糟的是当文档说的是 API V1代码实现的是 API V2Agent 会在冲突里选一边然后把另一边当成异常去修。这就是幻觉的来源之一——不是模型不够聪明是我们给了它互相矛盾的输入。解决方法很朴素• 把关键路径写成可执行示例• 把示例放进 CI保证它跟代码一起演进• 把更新文档当成合并条件之一柱子三设计模式要统一如果你的代码库中有一个地方用 API 1 来创建某种对象另一个地方用 API 2 来创建同一种对象Agent 不知道该选哪个。Mihail 补了一句很实在的话如果我走进你的代码库看到两种不同的做法我也会问自己该用哪个我不知道两种都在用我大概率会去问一个同事。Agent 友好的代码库其实就是对人也友好的代码库。好的工程实践没有变只是在 Agent 时代变成了硬性要求而不是最好这么做的建议。柱子四统一的风格检查Lint 和格式化的价值在 Agent 时代会被重新估价。它们减少分歧减少解释成本也减少智能体做出自作主张的空间。以前你可能觉得 lint 规则太烦了CI 总在报 warning。现在你会发现这些规则恰好是给 Agent 画的线——别越界。六Agent 会快速复合错误Mihail 特别强调了一个现象。如果 Agent 在第一步产生了一个误解它看到自己第一步创建的错误代码后不会纠正而是在错误的基础上加倍错下去。像滚雪球一样放大慢慢把代码变成一锅意面代码spaghetti code。所以最重要的是Agent 看到的第一版代码必须是自洽的、设计完善的、测试充分的。在你开始让 Agent 写代码之前先把代码库本身搞对。这个道理对架构师来说其实很熟悉——你不会让一个新员工在没有文档、没有测试的项目里盲目开工。对 Agent 也一样甚至要求更高因为 Agent 不会像人一样走过来问你一句这里是不是写错了。七品味在最后一公里什么把能用的软件和了不起的软件区分开Mihail 的回答很直接品味taste。他举了课堂上的例子。每个项目有基础要求比如必须实现五个不同的功能流程。大多数人完成要求就停了。但有些学生不一样——他们已经拿到了满分还在继续打磨、扩展功能、让应用更健壮。品味的培养发生在最后一公里。区别在于谁更想解决问题本身而不只是拿到分数。他说课上表现最好的学生有的已经在围绕课程项目创业了。课程结束了但他们还在继续做同一个东西因为觉得还有更多值得做的。谈到实验精神他举了另一个例子Boris Cherny 来课堂演讲时提到Anthropic 的 Claude Code 团队基本上每一两周就会用 Claude 重写 Claude Code 本身。他们用自己造的工具重写自己的工具。即使是在构建最前沿 AI 编程工具的团队也没有全部答案。他们自己也在不断实验、根据用户反馈迭代。Mihail 在课堂上反复强调我可以来这里给你推荐工具、分享我觉得什么好用。但归根结底你得自己去撞墙。把实验和试错变成工作流的一部分这就是软件开发的新方式。八开发者的傲慢与过度工程化AI 让构建变得太便宜了。Mihail 谈到开发者有一种独特的心态他称之为**“开发者的傲慢”**看到任何问题第一反应就是软件能搞定。这种心态本身很强大——它能让人愿意钻进系统内部把不工作的地方修到能工作。但 AI 把能工作的门槛拉低之后这种傲慢有了新的风险你造出了最精美的软件工程过度得离谱然后你发布了没人想要它。你让 Claude 做一个东西再让 Codex 做一个东西然后不断加功能。一个月过去了你造出了一个精美绝伦的产品上线之后发现没人要。构建变得便宜以后验证和克制反而会变成更贵的能力。这对做架构决策的人提醒尤其直接过度工程化的诱惑从来就有AI 只是把它放大了十倍。九把智能嵌进产品里才算分配智能视频最后哈佛商学院副教授 Rem Koning 简短出镜讲了一个更大的话题。关键不仅仅是使用 AI 工作而是将 AI 嵌入产品让智能体直接为客户服务。很多团队还停在用 AI 帮我做事这一步。更激进的一步是把 AI 嵌进产品本身让它直接面对客户直接在业务闭环里产出价值。这会把工程关注点从我怎么写得更快推向我怎么让系统更自律。权限、审计、回滚、风控、监控、成本控制——这些在传统架构里属于非功能需求的东西在 AI 原生产品里会变成核心产品能力。Koning 还抛了一个更远的问题当 AI 开始和 AI 对话、AI 开始彼此协作它们需要什么他认为想清楚这个问题的公司可能会成为万亿美元级别的企业。十一套可复用的多智能体工作流讲完道理落回操作层面。多智能体编排要跑稳关键在于把语境拆开、把验收前置。我把它整理成一套更像团队流程的模板可以直接套进日常开发1) 给每个智能体一张任务卡任务卡只写四类信息• 目标——写成一句可验收的话• 不改动的边界——比如不改数据库 schema不改公共接口• 输入——给出代码入口、相关文件、可参考的实现• 交付定义——写清楚通过哪些测试输出哪些文件2) 让任务之间天然隔离判断标准很简单只改一个模块不共享同一份状态不需要互相等待结果。做不到隔离就先拆任务别先加智能体。3) 每轮并行都先做一次验收收敛并行越多验收越要收紧合并前跑完关键测试只接受小步可回滚的变更保持变更说明可追溯。这三条是为可控服务不是为流程好看服务。十一一份可以直接照抄的落地清单如果你要把一个现有代码库往智能体友好方向推我建议的优先顺序是1. 先补测试再谈并行先把关键路径补出可回归的测试再上多智能体并行。你要先能稳定验收才能稳定提速。2. 把 README 变成可执行文档把最关键的一条路径写成脚本或示例塞进 CI。文档更新跟着代码一起走。3. 收敛模式删掉二义性同类逻辑不要保留两套写法。把常用模式抽成模板或脚手架减少智能体自由发挥的空间。4. 把改动边界写清楚给智能体明确可改范围和不可改范围。把不得修改的模块和必须保持的接口写成硬规则——你可以用 AGENTS.md、CLAUDE.md 或类似的项目级配置文件来做这件事。5. 每次并行只引入一个新变量要么加一个智能体要么换一种工作流要么换一种验收方式。一次改一件事复盘时才知道差异来自哪里。写在最后Mihail 在这 14 分钟里传达的核心信息可以浓缩为三条AI 原生工程师需要在传统功底之上叠加Agent 编排能力代码库本身需要为 Agent 的到来做好准备——测试、一致性、文档缺一不可而在这个转型期无知无畏和灵活性反而可能是最被低估的资产。从写代码到管 Agent这个转型过程中谁会被留下谁会被淘汰当 Agent 的能力继续提升管理 Agent这个技能本身会不会也被自动化没有人有答案。但有一件事是确定的坐在那里等答案的人一定是最先被淘汰的。来源• 原始视频https://youtu.be/wEsjK3Smovw By Mihail Eric延伸阅读Anthropic 发布 2026 Agentic Coding 趋势报告八大趋势与 4 个优先级深度解读深度拆解 ClawdbotOpenClaw架构与实现OpenClaw 背后的秘密武器极简智能体框架 PiNanoBot 架构拆解4000 行代码实现OpenClaw能力?深度拆解 OpenClaw 系统提示词如何更像人?你可信? OpenClawSkills让 AI 开始在 Moltbook 自主注册、开趴、开会OpenClaw 是怎么工作的一条消息的旅程讲清楚OpenClaw 是怎么工作的2控制面两阶段协议与 runIdOpenClaw 是怎么工作的3会话键与队列策略怎么把并发关进笼子如喜欢本文请点击右上角把文章分享到朋友圈如有想了解学习的技术点请留言给若飞安排分享因公众号更改推送规则请点“在看”并加“星标”第一时间获取精彩技术分享·END·相关阅读 CC核心开发者分享 | 构建 Claude Code 的经验教训像 Agent 一样看世界 别让 Agent 只是看起来聪明从 OpenAI 学到的 10 件事 跟Cloudflare大佬学用 Claude Code Claude Skills 入门把“会用 AI”变成“可复制的工程能力” 一套可复制的 Claude Code 配置方案CLAUDE.md、Rules、Commands、Hooks Claude Code 最佳实践把上下文变成生产力团队可落地版 把 AI 当成新同事Agent Coding 的上下文与验证体系 Skill 到底是什么从第一性原理深入剖析 Claude Agent Skills 把 Claude Code 用成工程工具8 条黄金法则与一套可复用工作流 Anthropic 官方 33 页指南拆解: 构建Skills的最佳实践 2026 开年这篇综述把高效 Agents 讲得很工程附落地清单 AI编程实践从 Claude Code 到团队协作的 6 个落地抓手 Anthropic 发布 2026 Agentic Coding 趋势报告八大趋势与 4 个优先级深度解读 Claude Agent Teams 架构与实战拆解 Claude Code 创始人亲授10 条进阶秘籍附 12 条工作流 Prompt 清单最后唠两句为什么AI大模型成为越来越多程序员转行就业、升职加薪的首选很简单这些岗位缺人且高薪智联招聘的最新数据给出了最直观的印证2025年2月AI领域求职人数同比增幅突破200% 远超其他行业平均水平整个人工智能行业的求职增速达到33.4%位居各行业榜首其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张也让人才供需矛盾愈发突出。麦肯锡报告明确预测到2030年中国AI专业人才需求将达600万人人才缺口可能高达400万人这一缺口不仅存在于核心技术领域更蔓延至产业应用的各个环节。那0基础普通人如何学习大模型 深耕科技一线十二载亲历技术浪潮变迁。我见证那些率先拥抱AI的同行如何建立起效率与薪资的代际优势。如今我将积累的大模型面试真题、独家资料、技术报告与实战路线系统整理分享于此为你扫清学习困惑共赴AI时代新程。我整理出这套 AI 大模型突围资料包【允许白嫖】✅从入门到精通的全套视频教程✅AI大模型学习路线图0基础到项目实战仅需90天✅大模型书籍与技术文档PDF✅各大厂大模型面试题目详解✅640套AI大模型报告合集✅大模型入门实战训练这份完整版的大模型 AI 学习和面试资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】①从入门到精通的全套视频教程包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图0基础到项目实战仅需90天全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤640套AI大模型报告合集⑥大模型入门实战训练如果说你是以下人群中的其中一类都可以来智泊AI学习人工智能找到高薪工作一次小小的“投资”换来的是终身受益应届毕业生无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界。业务赋能 突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型。获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】