xAI Grok Bot团队的工程师Lauren Tan曾先后供职于Netflix、Meta和Cursor。她公开表示,借助自主运行的AI智能体,自己每月向生产环境提交并合并的拉取请求(pull request)多达2000到2500个。拉取请求是提交供审查与合并的代码变更提案,因此这一数字意味着极高的完成工作量。支撑这一产出的习惯并非始于xAI。Tan的核心智能体工作流是在Meta任职期间使用Claude Code时形成的,当时她每月自费$200订阅个人套餐来做业余项目。同样的六个习惯适用于Grok Bot、Claude Code或任何类似的编程智能体,而且其中大多数与巧妙的提示词关系不大,关键在于如何搭建智能体的工作环境。

习惯一:保持小规模的机器人团队,从零技能起步

很多人的第一反应是下载几十个现成的“技能”(可复用的指令包,用来告诉智能体如何完成某项特定任务),并在第一天就启动十个不同的机器人。Tan的做法恰恰相反。她建议从一个非常小的智能体团队开始,不预装任何技能,也不预先写AGENTS.md文件。AGENTS.md是代码仓库中的一个纯文本文件,用来向智能体提供关于项目的常设指令。

理由很实际。从网上拉来的通用技能往往产出通用的结果,说得直白一点,就是“AI垃圾”(slop)。更好的做法是先把真实的工作交给智能体,观察它们在哪些地方反复失败,然后再把修正方法固化为可复用的技能。Tan把技能比作厨师的私人刀具:每位厨师的操作方式都不同,需要一套由自己亲手打磨出来的工具。在工作流稳定之前就增加机器人数量,并不会成倍提高产出,只会成倍放大错误。

习惯二:像带有“失忆症”的实习生一样为智能体做入职培训

打开一个没有任何上下文的新对话,让它起草一期简报,得到的结果很可能完全不像你公司的风格,也无视你的技术规范。Tan把智能体形容为永远处于失忆状态的新员工:除非有人把内容写下来,否则它们对上一次会话毫无记忆。

解决办法是像给人类实习生做入职培训那样对待它们:

  1. 介绍你自己和你的职责。
  2. 说明公司做什么、想达成什么目标。
  3. 逐一讲解智能体将要负责的具体工作流。
  4. 每教完一项任务,就让智能体把步骤记录成一项技能,这样下一次会话就能从有准备的基线开始。

一个人向小机器人讲解白板上的工作流图,机器人在桌前把笔记写进厚厚的活页夹

▲ 像带新实习生一样培训智能体

Grok Bot内置了“教一项任务”(Teach a task)和“从演示中学习”(Learn from demonstration)功能,可以让机器人在工作流进行时实时观察,并记录步骤供日后使用。对于Claude Code或其他任何智能体,同样的效果可以通过持久化文档和一套结构化的技能实现,由智能体在每次会话开始时加载。无论哪种方式,目标都一样:智能体再也不该从零开始。

习惯三:开工前让智能体复述任务

即使经过良好入职培训的智能体,也可能误解含糊或复杂的请求,而随着自主工作的每一分钟推进,这种误解的代价都在增长。Tan的防护措施是在任何多步骤编程任务之前附加一条指令:

“用你自己的话复述一遍,你认为我的目标是什么,我想解决的问题是什么”

复述能在纠正成本还很低的时候暴露出错误的假设。这一步大约可以省下20分钟原本会花在错误方向上的智能体算力。一个实用的搭配是语音模式或语音转文字听写:把杂乱无章的想法一股脑倒给智能体,不必顾虑结构,然后让复述步骤把这堆想法变成一份经过确认的计划。

这一原则在人类工作中并不陌生。设想一家视频后期制作公司的员工接到指示,要在体育素材中“标记所有动作”,于是花了整整一周给每一次投掷、接球和运球打标签,最后才得知团队想要的是精彩集锦。开头一句澄清的话就能省下这一周。智能体会犯同样的错误,只是更快。

习惯四:修的是配置,不是对话

当智能体产出格式错误或一段糟糕的代码时,人们的自然反应是在聊天窗口里纠正它。这解决了今天的输出,对明天的输出却毫无作用。用Tan自己的话说,她的规则是“拔掉的每一根杂草都要变成一条规则,这样它就再也长不回来”。

园丁一边拔除杂草,一边在原处插上小栅栏,先前的栅栏让花坛保持整洁

▲ 拔掉的每根杂草都成为永久规则

她按价值从高到低,对让错误永久成为历史的方法做了排序:

优先级 方法 排在此处的原因
1 更好的架构和数据结构 消除整个类别的错误
2 Lint规则、测试或CI检查 每次都能确定性地捕获错误
3 专门的技能或提示词规则 能引导智能体,但取决于它是否遵守
4 人工代码审查 只有在有人注意到时才能发现错误

Linter是一种自动标记违反风格或正确性规则的代码的工具;CI(持续集成)则是对每次变更自动运行测试的流水线。这一排序的要点在于,内置于代码仓库和环境中的约束会自动作用于之后的每一次会话,不需要任何人记得重复它们。提示词规则是退而求其次的办法,人工审查者则是最后一道防线,而不是第一道。

习惯五:要求用实证证明工作完成

“我修好了”不是证据。让智能体自行汇报完成情况,常常会留下失效链接、视觉缺陷和半成品实现。Tan的对策是赋予智能体验证技能,让它们能测试自己的工作并给出证明。

在她位于xAI的生产环境中,缺陷工单从Slack进入一个管理者智能体,由它把修复任务分派给多个工作者智能体。每个工作者都会启动应用、运行测试,并附上展示问题已解决的截图或屏幕录像进行汇报。对于网页任务,这意味着要指示智能体访问线上URL,点击每一个链接并截取视觉证据。一个博客、招聘、联系方式和帮助链接全部失效的落地页,恰恰是那种在聊天记录里看起来已经完成、在截图里却明显坏掉的问题。

对于一种流行的替代方案——让多个智能体以对抗方式互相审查代码——Tan也表明了明确立场。在她看来,这种做法浪费token,往往沦为吹毛求疵,以及围绕假设性需求展开的“你不会需要它”(You Aren't Gonna Need It)之争。应当用具体、可观察的验证取代抽象的同行评审。

习惯六:坚持自己动手写作

最后一个习惯与全面自动化的潮流背道而驰。Tan不让智能体代写她的公开文章、文档,以及支配她智能体的核心指令。她的理由是“写作即思考”。如果你自己都写不出一条清晰的指令,智能体就无法执行一份清晰的计划,你的智能体系统的架构也会逐渐滑向混乱。清晰的人类写作,是让其他所有习惯奏效的输入。

一个重要前提:每天150亿token

对于任何想复制Tan产出的人来说,有一个背景不可忽视。她在一家AI实验室内部工作,每天消耗的token估计达150亿个。一名使用零售套餐的普通开发者若尝试同等程度的持续自动化,几乎会立刻触及速率限制。

她自己关于控制用量的建议是避免高频定时任务。一个每15分钟触发一次的自动化任务,一天要运行近100次,会迅速耗尽配额。按小时或按天的节奏,才能把token留给真正需要智能体的工作。

可以从中带走什么

贯穿六个习惯的主线是:用智能体交付大量代码,靠的是工程纪律而不是花哨的提示词。把智能体当作健忘但有能力的新员工,加固环境让错误无法重现,而且在智能体拿出证明之前,什么都不算完成。

想从今天起就付诸实践的读者,可以这样做:

  • 克制安装技能合集的冲动。让一两个智能体处理真实任务,只有在看到同一种失败出现两次之后才编写技能。
  • 写一份入职文档,介绍你自己、你的项目和你的工作流,并在你教授新流程时让智能体把它们保存为技能。
  • 在任何需要多个步骤的任务之前附加复述提示词,并在批准执行前读完它的回答。
  • 出现错误时,先问四个层级中哪一个能永久阻止它,优先考虑架构、类型和Lint规则,而不是再加一次聊天纠正。
  • 把截图、录屏或测试输出作为“完成”的定义,尤其是任何涉及线上网页的工作。
  • 继续自己撰写文章和核心指令。
  • 除非你拥有企业级的token额度,否则把定时智能体任务设为每小时或每天运行。

每月2000多个拉取请求,是一位拥有实验室级资源的工程师的数字,不是任何人都应期待的基准。但产生这些数字的习惯,采用起来不需要任何成本。