I Stopped Coding and Started Architecting Agents (And You Should Too)
三句話摘要
透過「套套工程」設計指南與感測器，引導 AI 持續產出高品質程式碼並形成改進飛輪。 建立並維護符合團隊需求的 AI 套套，能形成程式碼品質持續改進的飛輪效應，是利用 Agentic AI 實現技術卓越的關鍵。 傳統 AI 工具（行內自動完成）分散注意力且價值有限，應改用 Agentic AI——它能在迴圈中迭代使用多個工具，產出能編譯執行的優質程式碼，並且可透過套套設計持續提升品質。
重點整理
重點- 1
傳統 AI 工具（行內自動完成）分散注意力且價值有限，應改用 Agentic AI——它能在迴圈中迭代使用多個工具，產出能編譯執行的優質程式碼，並且可透過套套設計持續提升品質。
- 2
套套工程的核心是約束 AI 輸出，特別適合擁有大量遺留程式碼的團隊。因為 AI 會傾向複製程式碼庫中的設計模式，若基礎設計不良便會產生更多不良程式碼；但透過套套可形成「飛輪效應」——更好的程式碼引導 AI 產出更好的程式碼。
- 3
Guides 是前饋機制（Markdown 文件如「單元測試設計指南」），在 AI 編寫前提供建議；Sensors 是回饋機制（檢查指令碼或 linter），在程式碼完成後驗證品質。許多 AI 平台透過 skills 機制自動注入相關指南。
- 4
套套需持續維護，應將其視為與建構指令碼同等重要的工程資產。隨著程式碼庫改進與模型升級，許多指南和感測器會變得冗餘，團隊應定期評估、積極移除無效內容，避免套套臃腫化。
實用技巧與重點
乾貨- 套套工程概念出自 Begitta Burkula 的文章與播客
- 套套成分：markdown 指南文件、感測器指令碼、技巧（skills）、鉤點（hooks）
- Guides 機制：現代 AI 代理透過「skills」自動將相關指南注入 LLM 上下文
- Sensors 實作：決定性指令碼檢查檔案行數限制、偵測程式碼異味等
- 套套評估方法：取已完成任務，用有/無套套重新執行，比較輸出與原始接受程式碼
- 維護策略：每個任務都更新套套、鼓勵移除非必要內容、定期 spot checks
- 關鍵檔案：agents.md（Anthropic 文章提及）作為套套配置的重要部分
- 核心原則：不應下載他人套套，應根據團隊偏好、程式碼風格與業務需求自行建立
結論
結論“建立並維護符合團隊需求的 AI 套套，能形成程式碼品質持續改進的飛輪效應，是利用 Agentic AI 實現技術卓越的關鍵。”
完整解析
詳細軟體開發中 AI 輔助已成常態，但許多開發人員只將 AI 視為高級的行內自動完成工具，導致認為 AI 沒有實際價值。Emily Bache 表示應改變思維，採用 Agentic AI——一種在迴圈中迭代、能調用多個工具的 AI 系統。這類工具的輸出通常可編譯且品質不俗，但要持續產出優質結果，需要一個精心設計的「套套」（Harness）。
套套工程是一套系統框架，包含兩個核心機制：指南（Guides）和感測器（Sensors）。指南是前饋機制，以 Markdown 文件形式存在，例如「單元測試應遵循 Arrange-Act-Assert 結構」等設計原則，在 AI 開始編寫程式碼前向其提供建議，AI 在迭代改進過程中可持續參考。感測器是回饋機制，通常是決定性的檢查指令碼（在建構流程或 linter 中執行），在程式碼完成後驗證是否違反特定規則。許多現代 AI 平台透過「skills」概念自動將相關指南注入 LLM 上下文，但團隊也可直接在提示或建構步驟中包含，這反而提供更多控制權。
對於擁有大量遺留程式碼的團隊，套套工程特別有價值。若程式碼庫本身設計不良，AI 會傾向複製這些模式，導致越來越多不良程式碼。講師的教練方法從改進單元測試設計開始，與 AI 協作數個回合，待團隊達成共識後，將這份「好設計」編成指南和感測器。往後 AI 處理類似任務時，就會遵循既定標準，形成「飛輪效應」——更好的程式碼帶來更好的指南，進而引導 AI 產出更好的程式碼，讓設計品質自我改進。
套套需持續演進。常見問題是指南與感測器不斷堆積，變得冗長低效。Anthropic 發表的文章提出評估方法：找出已完成的任務，分別用有/無套套重新執行相同提示，比較結果是否改進。雖然大規模實施較難（需大量樣本且耗時），但團隊應將套套視為與共享建構指令碼同等重要的工程資產。實踐上，每個任務都應審視是否更新套套，鼓勵開發人員積極移除無效內容，定期進行 spot checks。最重要的是，團隊應根據自身需求、程式碼風格與業務目標建立並擁有自己的套套，而非直接採用他人的，因為那樣無法理解其內涵，也會害怕修改。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
