既然知道 AI 代理可能会在人类之前处理你的 Bug 工单,你现在写 Bug 工单的方式有什么不同?
摘要
本文探讨了工程师在撰写 Bug 工单时日益重视文档规范的趋势,以适应 AI 代理的理解需求,并指出了这一转变带来的工作流程挑战。
我最近一直在思考这个问题,很好奇这个子版块里的其他人是如何应对的。一年前,我写 Bug 工单就像在和队友聊天一样。比如:“测试环境登录功能坏了,按常规流程即可复现,可能和昨天的认证相关 PR 有关。”我的团队了解上下文,知道“常规流程”指的是什么,也知道我指的是哪个 PR。30 秒搞定,工单一小时内关闭。现在,有一半的情况下,第一个接触我工单的是某个 AI 代理,可能是 Copilot Workspace,可能是队友启动的 Claude Code 会话,也可能是我们项目经理本周刚接入 Linear 的其他工具。而这个代理并不知道什么是“常规流程”。它也不知道我指的是哪个 PR。它会自信满满地去“修复”一些本来没坏的东西,或者提出一个从字面上看解决了工单描述、却完全未触及实际问题的 PR。因此,我开始几乎像写微型规格说明书一样写工单。明确的复现步骤。精确的文件路径。清晰列出的预期行为与实际行为。使用指向相关提交的链接,而不是模糊的引用。有时我甚至会加上“不应更改的内容”部分,因为代理喜欢将范围蔓延到相邻文件。奇怪的是,我不确定这到底是好事还是坏事。一方面,我的工单现在确实文档更完善,新员工也能直接上手处理。另一方面,我写一个工单现在要花 10 分钟,而以前只需 30 秒,我基本上是在为 JIRA 工单做提示词工程,这感觉像是某种极其荒谬的时间线。我在纠结几个具体问题:
* 你是假设工单可能会被代理处理而撰写,还是将工单标记为“代理可处理”或“仅限人工处理”?
* 既然 LLM 会阅读这些工单,有没有人建立了内部模板或质量检查机制?
* 你们的项目经理是否在改变写工单的方式,还是这完全由工程师来强制执行?
* 对于那些团队已全面采用代理驱动工作的用户,工单质量是提高了,还是大家都放弃并任由代理胡乱操作?
真心好奇正在浮现哪些模式。这感觉像是一种无人撰写、但人人都在应对的悄无声息的工作流程转变。
相似文章
我曾因这些技能引以为豪。如今,AI智能体做得更好。
作者反思了AI智能体在代码导航、调试和报告撰写方面如何超越自己,并询问他人在多智能体工作流(如MCP、Anvita Flow和Agent Protocol)方面的经验。
昨天发帖讨论了智能体调试的恶性循环。回复教会我的比帖子本身更多。
一位开发者反思社区在调试AI智能体方面的见解,强调通过记录工具调用和结构化输出验证器等技术实现系统可靠性。
你现在可以任意选择想要的bug数量了
这篇文章讨论了AI编码工具如何使软件中的缺陷检测变得几乎免费,同时强调了诸如工作量增加、修复缺陷的权衡,以及需要更好的管理策略来维持软件质量等挑战。
我们调试了三周的“智能体做了一些奇怪的事情”工单。这是我们的发现。
文章揭示了AI智能体中频繁出现的调试问题往往是由于记忆范围问题,即智能体基于过时或错误范围的上下文进行操作,并提出标记记忆操作以高效解决此类问题。
AI 智能体开始暴露出大多数工作流程原本就已支离破碎的事实
文章认为,AI 智能体揭示了企业工作流程实际上是多么缺乏结构和混乱不堪,暗示成功的自动化更多取决于整洁的系统和完善文档,而非先进的模型。