大数跨境

我是如何与 AI 智能体协作的:Thorsten Ball 的 15 条经验

我是如何与 AI 智能体协作的:Thorsten Ball 的 15 条经验 AI微创新工场
2026-11-07
16
导读:Thorsten Ball 分享与 AI 智能体协作的 15 条经验:模型选择、任务交付、工具、证据、异步协作与代码审查。本文为中文译文转载。

我是如何与 AI 智能体协作的:Thorsten Ball 的 15 条经验

截至 2026 年 10 月。

1. 用最新、最强的模型。

其他选择都有可能是在浪费时间。如果一个模型有 10% 的时候会出错,你又不知道是哪 10%,最后就只能反复尝试。

一个通才,收费便宜 50%,却会时不时笨上 20%——你到底会在什么情况下真想雇他?

现在还有谁在用 Opus 4.5?对,就是这个道理。

2. 别再担心垃圾代码越积越多。

“它会把你的代码库搞成一团没法维护的乱麻。”

六个月前,这话也许没错。现在呢?我并不确信它会往里面塞垃圾代码。就算塞了一些,我也不确信结果就会没法维护。

3. 告诉它要什么,而不是怎么做。

描述你想要什么,而不是你会怎么实现。这样往往效果更好。

“把这个字节码编译器和虚拟机(VM)优化到你能做到的最快速度。速度没有达到原来的两倍,就不要停。”

“最终应该这样运行。”

4. 让智能体看得懂整个软件开发生命周期(SDLC)。

是什么让幻觉停了下来?工具调用。工具让智能体能接触到我们所在的真实世界。如果有什么东西它看不见,它就会自己编。

所以,让它把自己做出来的东西从头到尾跑一遍,让它读取生产环境日志、执行部署、观察上线过程、发布版本、切换功能开关(控制某项功能是否开放的开关)、给缺陷报告分类、排优先级,再给客户发邮件。

你能看到的,它也都应该看到。

5. 给它贯穿软件开发生命周期的工具。

我们有专门定制的插件,用来处理缺陷报告、给用户发邮件、检查“我们的系统现在健康吗”,以及为用户打开功能开关。

6. 评测那些给智能体用的知识。

代码库里的知识会越积越多:AGENTS.md 文件(供智能体阅读的项目说明与工作指引)、技能(Skills)、脚本、文档。

但智能体真的会用吗?启动五个智能体做盲测,分成对照组和实验组,就知道了。

智能体真的、真的很擅长做实验。

7. 现在,本地开发让我觉得很别扭。

每个智能体都应该能自行安装和运行完成工作所需的一切。在远程机器上,这很容易;在本地开发环境里,就很别扭。

当你想让智能体进行端到端测试(把完整流程从头到尾跑通)时,本地很难不碰上资源冲突。

8. 别跟智能体一轮轮试。让它造出用来反复试验的工具。

不要说:“我们试试这个……啊不,试试那个。”

换成:“生成 20 个变体,再做个小页面,让我可以组合、测试它们。”

这不光适用于探索解决方案,也适用于探索问题本身:“给我四种关于它为什么这么慢的解释,然后把四种都验证一遍。”

9. 要求它拿出无可辩驳的证据。

这是带来最大改变的一件事。智能体非常擅长拿出证据:完整的端到端操作演示、演示视频、修改前后的数据。

你得逐渐建立起对这件事的信任,也得培养判断证据的直觉。

在你的 AGENTS.md 里写清楚:什么不算证据。

10. 别等你的智能体,让它们等你。

如果你还在担心首个词元响应时间(TTFT,从发出请求到模型开始输出的等待时间),很可能是工作方式出了问题。

多用异步协作。交给它们更大的任务,目标不妨定得更大胆些。把事情攒成一批交出去,而不是一来一回来回聊。

11. 自动化、定时任务、唤醒和心跳机制,都是杀手级功能。

(心跳机制:按固定间隔唤醒智能体,检查是否有事要做。)

我原先没意识到这一点,直到这些功能被关掉,才发现自己有多想念它们。现在我一直在用。

“两小时后检查日志。”“这个上线了就告诉我。”“每天早上九点检查。”

12. 别再手动管理上下文。

每当你琢磨“它现在用了 30 万还是 38 万个词元(Token)”,都是在浪费时间。

上下文压缩(Compaction)好用得惊人。别再手动管理上下文了。

一个对话线程,就是一项任务。有的线程只有 46 条消息,有的则有 3,714 条。

13. 对话线程就是你公司的记忆。

在 Amp(一款 AI 编程工具)里,你可以问:“我们当时为什么这么做?”

团队越多地使用 Amp,知识就越会成倍增长。对话线程与 Git 提交(保存一次代码变更的版本记录)关联在一起。

这是个巨大的改变,也能避免重复劳动。

14. 别让智能体替你写给人看的文字。

例外是:调试步骤、事故报告,以及一部分文档。

也就是那些机械性的文字,不太需要顾及接收者的具体特点。

15. 只审查那些出问题后影响范围很大的代码。

真正处于核心位置的文件不到五个——这些我会审查。数据库迁移,也会。

用闭包还是类、类型能不能写得更漂亮、变量叫什么,甚至有没有重复代码:我已经不在意了。

它能正常工作吗?我能不能像看一张用箭头连接各部分的图那样,理解它的整体关系?智能体有没有做过端到端测试?一个月后我还能改得动它吗?

如果答案都是“是”,我可能会再看看代码。


转载与来源说明

本文为 Thorsten Ball《How I work with Agents》的中文译文转载,非本公众号原创。原文著作权归原作者所有。

  • 原作者
    :Thorsten Ball(@thorstenball)
  • 作者 X 主页
    :https://x.com/thorstenball
  • 原文标题
    :How I work with Agents
  • 原文发布平台
    :X
  • 原文链接
    :Thorsten Ball 原帖
  • 翻译所依据的公开转载
    :BuildTube 收录页面
  • 翻译整理
    :浩西 AI(AI 辅助翻译)

译文说明:正文中的“我”均指原作者。本次翻译依据 BuildTube 收录的英文文本完成,未能独立核验其与 X 原帖是否完全一致。正文保留原文的 15 条内容;粗体括注为帮助中文读者理解而补充的术语说明,并非原文内容。

【声明】内容源于网络
0
0
AI微创新工场
专注AI工具流与自动化实战。拆解可复用的“微创新”方案,提升个体生产力与商业效率。这里不空谈未来,只组装当下能用的AI生产力。
内容 147
粉丝 0
AI微创新工场 专注AI工具流与自动化实战。拆解可复用的“微创新”方案,提升个体生产力与商业效率。这里不空谈未来,只组装当下能用的AI生产力。
总阅读3.0k
粉丝0
内容147