L8 Principal's Agentic Engineering Workflow
编译摘要
1. 浓缩
-
核心结论1: Agentic Engineering 的高效工作流本质是船长模型——人从写代码转向规划需求、把关质量、指挥 Agent 团队，中间执行阶段完全交给 AI。瓶颈不在代码产出速度，而在人的规划和判断力。
- 关键证据: 作者日常 ship 40-50 个 production commits，核心时间花在开头（Lavish 规划）和结尾（No Mistakes 验证），中间实现完全交给 Agent。自比 engineering director——director 不审 PR，而是通过建立好文化和流程让团队执行。
-
核心结论2: Agent 工具链的效率差异巨大，且被严重低估。工具设计是否以 Agent 为第一公民（Agent Ergonomics）直接影响 token 成本、延迟和成功率，差距可达 3x 以上。
- 关键证据: GitHub MCP server vs CLI benchmark 显示 MCP 花费 3x token 成本和 2x 延迟。AXI 标准中 token-efficient 输出格式比 JSON 节省约 40% tokens。Chrome DevTools AXI 比其他浏览器工具使用更少 turns 和 tokens 完成相同任务。
-
核心结论3: 多 Agent 并行工作的关键不是 agent 能力，而是隔离与编排——git worktree 隔离文件冲突、验证管线自动把关质量、meta-orchestrator（First Mate）管理 session 切换开销，让人类始终停留在战略层。
- 关键证据: Treehouse 自动管理 worktree 生命周期（创建/复用/清理），No Mistakes 管线在隔离 worktree 中执行 adversarial review + e2e testing + PR babysitting，First Mate 自动拆解并行任务、分配 worktree、调度验证管线。
2. 质疑
- 关于"40-50 commits/天"的可推广性: 这个数字依赖特定条件——作者是 L8 Principal 级别工程师、对代码库高度熟悉、项目是他的个人项目（HighBit）。换到团队协作、legacy 代码库、合规审查严格的企业环境，velocity 上限会显著降低。
- 关于 Agent Ergonomics 的 benchmark 可靠性: GitHub MCP vs CLI 的 3x 差距数据来自作者自行 benchmark，未公开 methodology 和 dataset。AXI 原则本身合理，但具体数字可能被简化。需要独立复现验证。
- 关于 Skills 安全性的判断: "不要安装互联网上的随机 skills"这个建议正确但可能过于保守。实际上，经过代码审查和社区验证的 skills（如 Anthropic 官方的 Skill Creator）是安全的。问题不是"是否安装"，而是"是否有审查流程"。
- 关于 No Mistakes 管线的 false positive 率: adversarial review 在新 context window 中运行，可能会产生大量 false positive 需要人类判断，反而增加瓶颈。作者未提及 false positive 率和误判成本。
- 关于 First Mate 的成熟度: 作者自称 First Mate "very new"，多项目并行编排的可靠性、错误恢复能力、context 丢失风险均未充分讨论。
3. 对标
- 跨域关联1: Captain Mindset 类似 AI-Capability-Management-Alignment——AI 管得好不好跟管人的逻辑同构。Director 不写代码但通过文化和流程保证质量，船长不写代码但通过 Lavish（规划）+ No Mistakes（验证）+ First Mate（编排）保证 Agent 产出质量。
- 跨域关联2: No Mistakes 验证管线类似 DevOps 的 CI/CD pipeline，但将对抗性代码审查（adversarial review）自动化为管线一环。传统 CI/CD 跑测试和 lint，No Mistakes 额外跑"理解意图 → 对抗审查 → e2e 验证 → 证据生成"。
- 跨域关联3: Progressive Disclosure（skills 按需加载）类似软件工程的 lazy loading / code splitting——不在启动时加载全部知识到 system prompt，而是 Agent 按需拉取 skill 详情。与 Progressive-Disclosure 已有定义高度一致。
- 跨域关联4: Agent Ergonomics（AXI 十原则）类似 ACI-Agent-Computer-Interface——都是关于"工具如何为 Agent 而非人类优化"的设计哲学。AXI 侧重 token 效率和输出格式，ACI 侧重计算机接口的 Agent 友好性。
关联概念
- Agentic-Engineering — 整体实践框架
- Agent-Harness — 四个 harness 对比（Claude Code / Codex CLI / Pie / Open Code）
- Agent-Ergonomics — AXI 工具设计原则
- Validation-Pipeline — No Mistakes 验证管线模式
- Captain-Mindset — 人从 sailor 到 captain 的角色转型
- Progressive-Disclosure — Skills 的按需加载策略
- Agent-Orchestration — First Mate meta-orchestrator
- Sleep-Token — Good Night Have Fun 长时运行模式
- Agent-Verification — 对抗性审查 + e2e 验证
- Memory-Architecture — global + project memory 双层架构
工具清单
| 工具 | 用途 | 链接 |
|---|---|---|
| WezTerm | 跨平台终端模拟器（Lua 配置） | https://wezterm.org |
| tmux | 终端多路复用器（多 pane/window/session） | https://github.com/tmux/tmux |
| Neovim | 键盘驱动编辑器 | https://neovim.io |
| Claude Code | Agent harness（Anthropic 订阅首选） | Claude Code CLI |
| Codex CLI | Agent harness（Rust 实现，开源） | OpenAI Codex CLI |
| Pie | Agent harness（极简 + 可扩展） | Pie coding agent |
| Open Code | Agent harness（模型无关，开箱即用） | Open Code |
| OpenSuperWhisper | 本地语音转文字（Whisper 模型） | https://github.com/starmel/OpenSuperWhisper |
| AXI | Agent-first 工具设计标准 | https://axi.md |
| Lavish | 交互式 HTML artifact 规划工具 | https://github.com/kunchenguid/lavish-axi |
| No Mistakes | 验证管线（adversarial review + e2e + PR） | https://github.com/kunchenguid/no-mistakes |
| gnhf | 长时运行任务循环 | https://github.com/kunchenguid/gnhf |
| Treehouse | Git worktree 生命周期管理 | https://github.com/kunchenguid/treehouse |
| First Mate | Meta-orchestrator（管理多 Agent session） | https://github.com/kunchenguid/firstmate |
| npx skills | Skills 安装管理 CLI | https://github.com/vercel-labs/skills |