大数跨境

SpaceX SI 团队 Poteto:所有代码都是烂代码 —— 除了我写的

SpaceX SI 团队 Poteto:所有代码都是烂代码 —— 除了我写的 苏哲管理咨询
2026-11-17
0
导读:这套方案能走到 PR 自动合并,和 Grok Bot 团队完整掌控客户端技术栈强相关(禁用 useEffect、大规模禁止注释)。但可以迁移复用的是落地顺序:先把代码基线、验证体系做到足以信任,再放大

编者摘要:Lauren Tan 在 AI Engineer Code Summit 2026 分享了 Grok Bot 的 AI 编码落地思路,主题为《All Code Is Slop (Except Mine)》。团队历时六个月搭建可信任的 Agent 开发体系,单月合并约 1.1 万个 PR,回滚率仅 0.5%,在高速迭代下应用性能反而持续优化。

她用倒金字塔模型分配投入:底层是架构、接口、类型系统、Lint 与测试等确定性代码约束,限制 Agent 的输出;中层是运行时验证、形式化验证等校验手段;顶层仅保留少量无法自动化的规则文档。核心原则是:纠正 Agent 时优先转化为可执行检查,而非往 AGENTS.md 追加文字说明。

团队将代码库比作花园,技术债务与不良写法会被 Agent 模仿蔓延,因此持续治理代码基线。典型实践包括业务代码禁用 useEffect、用目录划分 Electron 主进程与渲染进程边界、禁止绝大多数注释,避免注释成为特例借口。

验证是算力投入重点,团队大量资源用于录屏自检、功能地图、基于属性测试,并用 TLA+、Lean 验证关键路径。她强调顺序优先:先筑牢代码内循环、完善验证,再做自动化与软件工厂;若基线本身质量差,自动化只会加速产出劣质代码。这套思路的核心不是追求 Agent 写代码更快,而是建立可信约束与验证体系,支撑大规模自动合入。

附录 :Grok Bot 将纠错逻辑固化进代码,单月合并 1.1 万个 PR

SpaceXSI 团队 Poteto:《所有代码都是烂代码 —— 除了我写的》:Grok Bot 将纠错逻辑固化进代码,单月合并 1.1 万个 PR

SpaceXSI 首席工程师 Lauren Tan(@poteto)在旧金山举办的AI Engineer Code Summit 2026主会场带来这场 17 分钟主题演讲,标题为All Code Is Slop (Except Mine)(所有代码都是烂代码 —— 除了我写的)。如果你想先了解 AI Engineer Code Summit 2026 大会全貌,可以先看我的解读推文:https://x.com/shao__meng

AIE CODE 两天 18 小时、31 场演讲解读:Cloudflare 决策模型、Anthropic 千 Agent 协作、Cognition 软件工厂

AI Engineer Code Summit 2026 连续两天会议,合计超过 18 小时、31 场主题演讲。OpenAI、Anthropic、Google DeepMind、TypeSafe、Cloudflare、Cognition、Lovable、Ramp、Amp 等团队都带来干货分享。

她开场提到,上个月自己在生产环境合并了 3000 个 PR,其中不少是在她睡觉期间自动合入的。走到这一步,团队花了大约六个月。她真正想论证的重点并不是 PR 数量本身:软件工程师的工作范式正在转变 —— 在大幅提升产出的同时,维持甚至抬升代码质量。有人把这套模式叫做「软件工厂」,但她更愿意称之为信任体系:不是盲目信任 Agent,而是主动搭建 Agent 的运行环境,让工程师有充分理由相信 Agent 会输出正确结果。

资源投入应该放在哪一层

她用一座倒金字塔来分配投入重心:最下面两层是确定性规则,全部落地在代码体系内:

  1. 接口设计、架构方案与重构
  2. Lint 规则、类型系统、编译器、自动化测试

这两层的作用是约束 Agent 的代码输出范围,强制 Agent 默认走向正确路径。往上一层是验证体系:包含运行时验证、形式化验证,用来捕获缺陷、校验系统不变量,同时判断 Agent 是否真正理解需求意图。金字塔最顶端只保留少量文本说明:规则集、技能描述、AGENTS.md,用来承载那些暂时无法自动化检查、仍然需要人工判断的场景。

她反复强调一套纠错原则:每次修正 Agent 的时候,优先思考能不能把这条约束做成可重复执行的检查规则,而不是简单往 AGENTS.md 文档里追加一句话。固化在代码里的约束,远比写在文档里的文字更容易复现、可信度更高。

代码库是最大输入源,也是会蔓延的花园

Agent 的输出质量取决于输入上下文,而代码库往往是权重最高的输入。她回忆:2024 年上班时,一天审核同事 3 个 PR;现在量级接近 300 个。每个工程师身边都有成百上千个 Agent,代码持续不断涌入,像生命体一样生长。她把代码库比喻成一座花园:人搭建的约束与护栏,就是新代码沿着生长的混凝土基座。工程师的工作越来越像园艺师。

这也带来一个非常现实的风险:权宜写法、过时实现、技术债务,在 Agent 眼里就是「项目惯用写法」,下一个 Agent 会直接模仿复制。杂草会自行蔓延。因此她主张持续清理代码库,保证 Agent 学习、复制的都是优质范式。

通过框架与检查,把一整类缺陷移出人工评审清单

Grok Bot 团队为此自研了一套客户端框架Dune。技术上它不算新奇,可以粗略理解为面向 Electron 应用的 Next.js;真正核心的创新,是框架内置了大量桌面应用场景沉淀下来的约束与 Lint 规则。

一条核心原则:很多需要拿捏分寸、极易误用的接口,很容易产出低质量代码,Agent 尤其驾驭不好。典型例子是 React 的 useEffect:它有合适的使用场景,但误用泛滥,Agent 经常写崩。他们的方案不是继续在 Code Review 里反复盯这个 API,而是业务代码直接禁用 useEffect,仅允许在 Dune 框架内部少量使用。这一类问题就此从评审清单里彻底消失。

另一个手段:用目录结构显性化架构约定。她提到 Cursor(同样基于 Electron)里经常出现一个问题:Agent 把主进程代码导入渲染进程,造成长任务阻塞、界面卡顿。在 Grok Bot + Dune 中,顶层目录直接拆分为 electron-renderer 和 electron-main,搭配依赖分析器 + Lint,禁止跨目录非法导入。规则本身并不复杂,但人工评审就此少了一项持续消耗精力的检查项。

她预判:后续人工评审要关注的事项会持续变少。发展到成熟阶段,绝大多数 PR 不再需要人工审阅,可以交给 Agent 自主合并。

注释和文档,有可能变成绕过规范的借口

一个很反直觉的发现:Agent 会把 Markdown 文档、代码注释、规则文档、技能文档当成「给自己开特例」的地方。它们会写下「本次可以不遵守规范的理由」;也有可能把你随口一句临时纠正,解读成永远不能打破的硬性规则。

她举了在 Cursor 工作时的案例:当时 Agent 大量使用 setTimeout、requestAnimationFrame、requestIdleCallback 这类命令式定时器做临时兼容,用来弥合 VS Code 命令式架构和 React 声明式范式之间的冲突。大量频繁创建销毁的定时器加重 GC 负担,界面卡顿。更麻烦的是,Agent 还会配上大段注释,论证这次权宜写法是合理方案。后续 Agent 读到注释,就把它当成标准写法,定时器模式到处扩散,应用性能持续恶化。她的结论:当时这套架构选择,同时拉低了客户端质量和 Agent 输出质量。

到 Grok Bot 项目,团队选择禁用约 99% 的注释。理由不只是注释容易过期、人很少维护阅读;更关键是注释不具备强制约束力:你以为写注释是告诉后续 Agent「不要这么写」,实际上完全拦不住。团队改用附带清晰报错文案的 Lint 规则,强制 Agent 修复根因,而不是加注释打补丁。总纲领:每一次纠错,要么转化为一条确定性自动化检查,要么通过更好的接口、架构设计,从根源消灭这类问题。

评审对象:从代码变更 Diff,转向验证产物

信任体系的另一半,是验证能力。她说现在代码评审的重心已经转移到验证产出物:录屏、截图、指标图表、形式化验证报告。

最基础的是运行时验证:让 Agent 自己启动程序,基于开发者调试协议(Chrome DevTools Protocol)自检。他们的验证技能库内置一份「功能地图」,相当于面向用户视角的站点地图,定义应用里所有功能的统一命名。这样当需求说「侧边栏这个组件」,Agent 不需要猜,人和 Agent 拥有统一术语。配套可复用 CLI 工具与驱动,既能节省 Token 开销,也可以纳入自动化测试体系。

形式化验证还在试验阶段,但已经落地在关键链路:

  • TLA+ 模型检查:跨设备、跨平台通知流程
  • Lean 定理证明:自研虚拟列表组件,消除闪烁、抖动问题

这套方式已经挖出不少隐藏缺陷,前景可观,但并非银弹,只是整套环境里的一环。界面侧还引入 Bombadil 库做基于属性的测试,抓到过不少 UI 缺陷。

她提到同事 Cindy 的变化:六个月前,Cindy 因为 Agent 偶发细微 bug,不敢信任 Agent;六个月之后,Cindy 70% 的 Token 消耗都花在验证环节。Tan 本人也有同样感受,大部分算力都投入验证。这些验证技术本身并不新鲜,过去落地、维护成本太高;现在 Agent 把成本压下来了。因此她提出:软件测试与验证正在进入黄金时代 —— 不是验证变少了,而是验证可以覆盖更广、钻得更深。她开发的插件 pstack(potato stack)里有 statechart 技能,可以从用户视角输出状态机图,和录屏、截图一起作为评审材料,远比单张成功截图更能暴露问题。

先把内循环做稳,再谈软件工厂

作为整套体系落地的成果,团队给出内部统计数据:上个月 Grok Bot 生产环境合并约11000 个 PR;客户端大约每日发布一个稳定版本;10 月有 227 位开发者至少提交一个 PR,包含上下文信息有限的临时贡献者。回滚率非但没有上升,稳定维持在约 0.5%。更有说服力的指标:在这么高的迭代速度、多人参与的情况下,Grok Bot 的启动、输入响应、新建对话、切换对话速度,对比初始版本反而更快。它依旧是 Electron 应用,性能存在天然上限,但已经优于很多同类 Agent 客户端。

她强调实施顺序:不要上来就搭建软件工厂,盲目自动化一切。修正 Agent 的标准流程:先改造代码库,新增 Lint 拦截错误写法,清理存量坏代码;同时夯实验证体系。这些是自动化的前置基础。如果内部迭代循环本身就在持续产出劣质代码,自动化只会更快、更贵地批量生产烂代码。

基础稳固之后,外层自动化才变得可行。举例:现在每次新版本发布,Grok Bot 会自动拉起 Cursor 工程,对整包和构建产物做模糊测试,模拟真实用户操作;发现缺陷自动提交修复 PR 并自主合并。这套方案听起来激进,前提是代码库基线足够可靠,绝大多数业务代码不再需要深度人工评审。

小结

SpaceX分享核心落点:纠错逻辑应该放在哪里。Agent 反复踩同一类坑时,最省事的做法是往 AGENTS.md 追加一句说明;但 Tan 的主张是:把这条约束从文档里挪出去,变成接口规范、目录约定、或者一条会阻断提交的检查规则。注释、技能文档在这套体系里被重新审视:它们留存下来的往往是特例借口,而不是刚性约束。

另一个很有启发的点:验证已经成为算力消耗大头。她和 Cindy 都把大部分 Token 投入验证。形式化方法、基于属性的测试,因为 Agent 降低了落地成本,重新具备性价比。这和「让 Agent 更快写代码」不是一回事,甚至方向相反:想要放心自动合入代码,就要投入更多算力去证明代码是正确的。

这套方案能走到 PR 自动合并,和 Grok Bot 团队完整掌控客户端技术栈强相关(禁用 useEffect、大规模禁止注释)。但可以迁移复用的是落地顺序:先把代码基线、验证体系做到足以信任,再放大自动化规模。内循环不可靠,外层自动化只会放大问题。

【声明】内容源于网络
0
0
苏哲管理咨询
为企业及组织提供AI+战略、数智化转型咨询及观点、建议等
内容 2552
粉丝 0
苏哲管理咨询 为企业及组织提供AI+战略、数智化转型咨询及观点、建议等
总阅读97.7k
粉丝0
内容2.6k