@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.
@teach_fireworks: AI Coding 现在开始进入一个很有意思的阶段。 过去大家讨论最多的是模型能力、上下文长度、Agent Loop、Tool Use、自动化编程，但真正把 Agent 长时间放进真实开发环境之后，很多团队发现问题已经不只是“能不能生成代…
介绍开源工具 re_gent，它为 AI 编程 Agent 提供运行时级别的版本控制和可观测性基础设施，解决 Agent 长时间运行后的代码溯源与审计问题。
本文系统梳理了AI Agent架构与工程实践，涵盖控制流、上下文工程、工具设计、记忆、多Agent组织、评测、追踪和安全，基于OpenClaw实现展开，强调Harness（测试验证基础设施）对系统稳定性的关键作用。
本文系统梳理了AI Agent架构与工程实践，涵盖控制流、上下文工程、工具设计、记忆、多Agent组织、评测、追踪和安全，基于OpenClaw实现展开，强调Harness（测试验证基础设施）对系统稳定性的关键作用。