@kentcdodds：这就是为什么教授 agentic engineering 如此具有挑战性：几个月后，你不再需要知道“最佳……
摘要
Kent C. Dodds 反思了教授 agentic engineering 的困难，指出与 AI 代理协作的最佳实践变化如此之快，以至于今天的最优方法很快就会被内化到代理本身之中。
这就是为什么教授 agentic engineering 如此具有挑战性：几个月后，你不再需要知道与代理协作的“最佳方式”，因为代理本身已经基于当今的最佳实践进行了训练。
相似文章
@kentcdodds: 我们需要教用户如何使用代理来完成所有事情。当他们遇到障碍时，他们应该…
Kent C. Dodds 强调教用户有效利用 AI 代理的重要性，通过传达他们的目标，让拥有适当工具的代理克服障碍。
@kentcdodds: 我与代理的交互正在演变。以前我需要详细指定低级操作。现在只是…
Kent Dodds 描述了他的AI代理工作方式如何从详细的低级指令转向更高层次的监督，在这种模式下，他依赖代理的推荐进行权衡分析。
@kentcdodds: 代理编写代码。@rasmic 表示旧工程书籍能帮助你更好地引导它们。
Kent C. Dodds 分享了 Rasmic 的见解，即旧工程书籍可以帮助引导那些编写代码的AI代理。
从构建AI代理中学到的教训
作者反思了构建AI代理的过程，强调了诸如输出不一致、上下文管理以及在适当时候使用确定性方法的重要性等挑战。
@arcane_bloom: 从软件工程到智能体工程的转变：五部分解析 1/6 大多数开发者在构建AI时失败…
一条推文解释了从传统软件工程过渡到智能体工程所需的5个核心思维转变，强调了为什么硬编码路由和二元测试等常规模式在AI智能体中会失效。