新智元報道

(資料圖片)

同時跑20多個智能體，上個月交付1000多個PR，8月的目標是翻倍。

這位GrokBot工程師拉出GitHub貢獻曲線：五個月，3000多個PR。

提PR、跑驗證、合進主干，整個鏈條智能體自己跑完，中間不用她過手。

用她的話說：一覺醒來，20個PR已經躺在主干分支上了。而且翻了一遍，寫得還不錯。

她也知道，這話聽著有點讓人懷疑這些代碼的質量，緊跟著補了一句：

這么說顯得我像個批量制造垃圾代碼的人，我保證我不是。

她的做法，是同時跑20多個GrokBot，裝在她自己開源的pstack里，配合/loop、/goal和/swarm，讓智能體完整地擁有一個任務，自己干，自己驗，自己交。

這位工程師叫Lauren Tan。

她是前Cursor工程師，此前待過Meta和Netflix，在Netflix當過兩年工程經理，現在負責SpaceXAI的GrokBot。

Lauren Tan在GrokBot團隊工作坊上分享。

AI寫代碼已經不稀奇。

真正讓人好奇的，一個人一個月提交1000多個PR，馬上就要直奔2000個，而且沒把代碼庫變成一堆垃圾。

她是怎么做到的？

一條曲線

五個月心路

Lauren分享了一張曲線圖，她說這不是什么科學圖表，是她這五個月的心路。

Lauren Tan分享的信任曲線。縱軸是信任，橫軸是能同時開的智能體數量，從1到成千上萬。

一年前，幾乎沒什么人用智能體寫代碼。

那時候的模式是，你時刻盯著一個智能體，或者幾個，眼睛不離屏幕，每一行輸出都要看，坐在那兒一句一句提示。

這一切沒辦法并行，因為你不信它。

你連一個智能體的輸出都不信任，怎么可能同時開一百個。

每個用過智能體的人，都嘗過信任崩塌的滋味。

有一次她報了個bug，問智能體這功能為什么不工作。

智能體一口咬定，肯定是這兒的問題。她翻開工具調用記錄一看，它壓根沒讀那段本該相關的代碼。

幾次之后，她想明白一件事：智能體在猜，而且它不知道自己在猜。

對這樣的下屬，你還敢放權嗎？

Lauren打了個比方。

你是工程經理，手下帶著一隊工程師，你不信任他們，那工作模式就只剩一種：整天站在下屬背后，盯著他們別把bug捅到線上去。

Lauren在Netflix當過兩年工程經理，也當過技術負責人，她發現管人的技巧和管智能體的技巧，重合度高得驚人。

五個月前她剛入職Cursor，第一個月產出很低，代碼庫完全陌生，什么都看不懂。

五個月后，她把自己從曲線最左端那個點，挪到了10到20這一格。

從盯著一個智能體不敢眨眼，到放手讓20個智能體自己合并主干，這中間她做了什么？

給智能體造一雙眼睛

這是Lauren干的第一件事，她認為重要的技能不是提示詞，而是驗證。

她是這樣定義驗證的：

讓智能體真的能把代碼跑起來：能抓CPU耗時記錄，能抓內存快照，能自己打開iOS模擬器點一遍。用戶在你的應用上怎么用，它就怎么走一遍，然后自己測，自己驗。

沒有這一層，瓶頸就是你自己。

這樣的畫面，你可能太熟悉了。

你讓它改個東西，它寫完，你打開本地構建，發現不對，截圖，復制控制臺報錯，粘回去，它慢慢理解，再改一版。

你在這個循環里當「人肉傳送帶」：一個都忙不過來，還談什么并行。

所以Lauren進Cursor后，寫的第一批技能之一，就叫control glass。

這個技能教智能體自己去調Chrome DevTools協議，自己跑起應用，自己截圖、點擊、讀控制臺。

真正關鍵的是配套的那份文件，叫feature map。

因為技能造好之后她發現，智能體能跑起來應用了，但它不知道這個應用是什么。

有人報「左邊欄卡」，有人報「右邊的PR標簽頁不工作」，智能體就在界面里亂撞，翻半天代碼也找不到這個功能長在哪兒、怎么點得到。

feature map把這些全寫下來：每個功能從用戶視角怎么進入，快捷鍵是什么，甚至連選元素該用哪個屬性都列好。

效果立竿見影。

Cursor內部有個Slack頻道收用戶反饋，質量普遍很差，很多人就丟一張截圖，配三個問號。

有了feature map，智能體也能順著查下去。

Benny值夜班

不給結論，只給證據

然后是Benny。

Benny是她做的一個自動化智能體，在Slack里專門接bug報告。

它跑到云端，開一臺自己的電腦，在里面運行Cursor，用同一套control glass技能操作應用，試著把問題復現出來。

有一次，它這樣回話：在修復前的提交上復現出來了，修復后消失。附上一條云端運行記錄的鏈接，你想翻就能翻。

它給的不是一句「應該已經修好了」，而是一組能對照的證據。

Lauren說這條信息價值極高，省下的是她原本要和智能體耗上一小時才能搞清楚的事。

Lauren提到的Benny，就是GrokBot的前身。

她做它的初衷，就是讓智能體在她睡覺的時候把bug報告修掉。

后來很多人追著問她這東西怎么做的，這些提問長成了今天的GrokBot。

最后，是她怎么驗證這些技能本身好不好用。

她的做法有點狠。

她派出一堆子智能體跑評測，給它們的目錄起一些看不出來的名字，不讓它們知道自己正在被評估。

原因是，智能體能察覺到自己在被測，一旦察覺，行為就會變。

再叫一個不同模型家族的智能體當裁判，交叉復核，防止自評偏袒。分數不滿意就用/loop接著刷，一直刷到10分。

驗證不能保證智能體寫出好代碼。但它能保證智能體寫出對的代碼。

這就是信任的前提。

她把每句評審都變成了紅燈

Lauren敢撒手，靠的不是模型變強，是讓護欄變硬。

她花了很大的力氣在代碼庫上，其中一部分開源成了pstack，就在Cursor官方插件倉庫里。

GrokBot的架構有個內部代號叫Dune。她的形容是，可以理解成給Electron應用的Next.js，專門為智能體書寫而設計。

這套架構有多嚴？

寫過React的都知道useEffect是最大的坑之一。在Dune里，useEffect被禁了。用了CI直接報紅。

更絕的是，代碼注釋也被禁了。

理由是她觀察下來，99%的情況智能體寫的注釋都在描述一些跟代碼無關的歷史片段。

它會寫下「Lauren說永遠不要這么干」。可她當時的意思只是這個PR很爛，你改一下那部分，根本不是什么全局規則。

她的結論是，智能體對人類的理解沒那么好，還特別愛腦補。

所以，凡是它們干不好的事，一律封殺。

再往下是進程隔離。

Electron有渲染線程和主線程，agents window在這塊分得不清楚，經常有代碼被誤拉進渲染線程。

要跑60幀，每幀只有16毫秒預算，一旦混進重計算或者大量IO，畫面立刻開始卡。

Dune的做法是直接分出electron main和electron renderer兩個目錄，CI去檢查依賴圖，跨目錄亂引用直接失敗。

把這些串起來，是她的分層模型。

最硬的一層，是代碼庫架構本身。智能體天然愛抄現成的模式，你把正確的寫法做成唯一的寫法，它就只會那么寫。

然后是CI、lint規則和編譯器診斷。這一層能讓構建變紅，是硬約束。

最軟的是rules、skills和代碼審查機器人。這層智能體會忘，會漏，不會穩定執行。

她的原話是：

如果你只有規則、機器人、技能和一份代碼風格指南，你的代碼庫變成一堆垃圾只是時間問題。

支撐整套架構的核心哲學，只有一句：最短的路，就是最好的路。

智能體解決問題時永遠挑最省事的方式，那就把最省事的方式做成最正確的方式。

這筆賬她剛算過：把GrokBot重構到這套架構，用掉了600多個PR。

這600多個PR，還債的成分居多。

GrokBot當初是氛圍編程堆出來的原型，速度極快，沒人讀代碼，智能體拿到任務就挑最省事的路走，架構野蠻生長到失控。

她還常開一個玩笑：在AI的垃圾代碼之前，先有人類的垃圾代碼。

在Meta，幾萬工程師共用一個巨型倉庫，代碼質量其實沒那么好。

但大廠那套照著「最不熟練的工程師」設計的框架、約定、憑據限制，恰好就是智能體需要的護欄。

過去被嫌棄官僚的東西，現在成了資產。反而是白手起家的新項目，最危險。

那護欄該從哪兒加起？她給出一條判斷標準：

當你在代碼評審里靠打字告訴別人「這里不能這么寫」的時候，這件事本身就是code smell。

正確的動作是問自己：怎么把它變成一條lint規則？變成一次CI失敗？或者干脆，讓這個問題從根上不可能發生？

你在PR評論里說過三遍的話，就該變成一條會讓構建變紅的規則。

1000個PR之后

工程師還剩下什么

Lauren用了一個詞來形容自己的定位：主廚。

不再自己炒每一道菜，手底下有配菜的，有二廚，有各個灶臺。你的活兒變成了設計廚房，安排工位，分派任務。

她說現在GrokBot團隊里，產品經理和設計師會直接提交代碼。

經常是有人跑來說，這兒有個bug我修好了，你看一下。她點開，確認沒問題，蓋章。

一個從沒寫過前端的人，代碼能進主干，靠的不是他突然會寫了，是那套嚴格到煩人的架構約束替他兜住了底。

自動合并之后，PR這道流程一點都沒少。

所以，這背后不是程序員要失業了，是他們的位置在上移。

被機器接走的，是干活、跟進度、跑測試、盯PR這些事，人的角色移到了定目標、劃權限、設驗收標準的位置上。

程序員留在牌桌上的籌碼，從「我會寫代碼」變成了「我能判斷怎樣寫代碼才算對了」。

參考資料：

https://maven.com/p/e23d9c/how-cursor-turned-ai-agents-into-better-engineers

https://github.com/cursor/plugins/tree/main/pstack

編輯：元宇

關鍵詞： 代碼 pr 工程師 程序員 智能體 編譯器