@lidangzzz: 我这些年反复讲过，让AI Agent好好写代码，所有的秘诀都写在了1990年代的教材里： - 踏踏实实写test，多写test，让test coverage尽可能高 - 认真做好CI/CD，千方百计避免messed up - 对于一个新项…
摘要
作者强调让AI Agent写好代码的关键在于遵循1990年代教材中的经典软件工程实践：写测试、做好CI/CD、进行自顶向下设计和模块化解耦等。
查看缓存全文
缓存时间: 2026/07/02 10:20
我这些年反复讲过，让AI Agent好好写代码，所有的秘诀都写在了1990年代的教材里：
-
踏踏实实写test，多写test，让test coverage尽可能高
-
认真做好CI/CD，千方百计避免messed up
-
对于一个新项目，做好top-down design（specs driven），从features和requirement出发，设计architecture 和 interface，一层一层设计下去
-
对于一个快速增长的项目，先切分好文件，再切分好module，再划分成一堆service或者executives，提前解耦
-
对于一类的功能，提前做好design pattern的功课，减少重复，增加复用
-
如果codebase足够大，要么一点点修复但是提高test coverage，要么保持好specs、test、interface直接推倒重写，有空就重写， 永远重写，重写重写重写
近两年人类做的事情，就是把上面这些东西重新实践了一遍。
相似文章
@yibie: 每个程序员都应该自己手写一个 agent。 只要 50 行代码，很有趣，而且会让你惊讶。但为了获得最大收获，请做这两件事： 第一，从零手写。打开空白文本文件，自己敲完每一行代码。不要用任何 AI，连自动补全都不要。 第二，只依赖标准库文档…
本文鼓励程序员亲手手写一个简单的AI agent（约50行代码），以加深对agent工作机制的理解，并建议从零手工编写、只依赖标准库和API文档。
@FakeMaidenMaker: 用 AI agent 写代码最怕的就是失控：agent 自顾自跑、质量飘忽、你不知道它现在在哪个阶段、改到一半又乱了。 AWS 刚开源了一套专门给 AI coding agent 用的开发生命周期工作流规则——AI-DLC，让 agent…
AWS 开源了 AI-DLC（AI-Driven Development Life Cycle），一套为 AI coding agent 设计的开发生命周期工作流规则，帮助开发者控制 agent 行为，确保质量。支持 Claude Code、Cursor、GitHub Copilot 等多种平台。
@Xudong07452910: 这篇论文很适合所有重度使用 Claude Code、Codex 或者其他AI Agent 的人看。 它研究的不是 Agent 在 benchmark 上怎么失败，而是一个更真实的问题： 在真实开发里，AI coding agent 到底是…
This paper analyzes 20,574 real-world coding-agent sessions to identify how AI agents misalign with developer intent, finding that constraint violations and inaccurate self-reporting are the most common failure modes, imposing trust and effort costs rather than irreversible damage.
@Ryrenz: 大部分人用编程 AI 只会说「帮我改一下这个 bug」，然后花半小时跟它拉扯。换个说法，一次就对。 1. 让它先看再动 「先别写代码。把相关文件读一遍，告诉我这个功能现在是怎么走的，我确认完你再改。」 2. 卡住的 bug 「不要猜。加日…
一条关于如何更有效地使用编程 AI 的实用提示，列出了 12 条具体指令范例，如让 AI 先读代码再修改、只改必要部分、写进 AGENTS.md 等，以减少来回拉扯并让规则长期生效。
@antiAIvo: 如何从零手写一个Agent？整了一套 Agent 教程，共18 篇 Claude Code、Codex 这些编码 Agent 内核其实就是一个循环： 模型请求工具，代码执行，结果放回对话，直到模型不再请求 这套教程从100 行代码开始 用…
分享了一套共18篇的手写Agent教程，从100行Python代码起步，逐步实现工具调用、权限、上下文管理、Skills、MCP、子Agent、计划与记忆等核心模块，并对照拆解Claude Code、Codex、Grok Bot、DeepSeek Harness等主流编码Agent的实现取舍，指出其最大分歧在于安全层应交给提示词还是代码。