这次宣讲要解决什么

1. 让 AI 产出更稳定：同类任务不再"每人一个写法"
2. 让协作更可控：改动边界、失败处理、风险暂停有明确规则
3. 让交付更可审计：规则、流程、产物都在仓库里可追溯

编码代理的拐点

It is hard to communicate how much programming has changed due to AI in the last 2 months: not gradually and over time in the "progress as usual" way, but specifically this last December. There are a number of asterisks but imo coding agents basically didn't work before December and basically work since.

很难形容过去 2 个月里 AI 对编程造成了多大变化：这不是"按部就班"的渐进，而是集中发生在 12 月。编码代理在 12 月之前基本没法工作，而自那之后基本开始能用了——模型的质量、长期连贯性和韧性都显著提升，足以对默认的编程工作流造成极大冲击。

— Andrej Karpathy (OpenAI/Tesla AI) (source)

什么是编码 Agent？

以 LLM(大语言模型) 为核心控制器，结合三大能力自主完成编程任务：

参考：Lilian Weng (OpenAI 安全 VP), LLM Powered Autonomous Agents (2023)

能力已经到了什么程度？

tldraw（协作绘图库）于 2026-02 将测试套件移入闭源仓库：

A comprehensive test suite is enough to build a completely fresh implementation of any open source library from scratch, potentially in a different language.

一个完整的测试套件就足以从零构建任何开源库的全新实现，甚至可以用另一种语言。

• 起因：Cloudflare 借助 AI 在一周内将 Next.js 移植到 Vite
• 应对：tldraw 隐藏测试用例，防止 AI Agent 复刻整个库

启示：Coding Agent 已不是"辅助写代码"，而是能独立完成工程级任务。

写代码便宜了，好代码没有

Coding agents dramatically drop the cost of typing code into the computer, which disrupts so many of our existing personal and organizational intuitions about which trade-offs make sense.

代码产出成本趋近于零，但好代码的成本依然很高：

• 正确性：能跑 ≠ 没 bug，需要测试和审查
• 可维护性：简洁、有文档、能被未来的人和 AI 理解
• 安全与健壮性：错误处理、敏感信息、边界条件

开发者的角色转变：从"写代码的人"变为"确保代码质量的人"。

参考：Simon Willison (Django 联合创始人), Writing code is cheap now (2026)

为什么不只用 AI Chat

你需要知道的 3 个概念

开发者最核心职责：写清需求、审查改动、确认风险。

Day 1 使用流程

1. 进入 Kiro IDE 或 Kiro CLI
2. 判断任务类型：小任务走 Chat，跨模块走 Specs
3. 写 prompt（目标、范围、约束、验证）
4. 审查 AI 改动（文件范围、行为变化、风险点）
5. 运行或确认构建/测试结果后提交

上下文管理：切换任务时开新对话；Agent 反复犯错时也开新对话。同一功能的迭代保持在同一对话中。

什么时候用 Chat，什么时候用 Specs

直接 Chat

• Bug fix
• 单文件或局部改动
• 需求边界清晰、无需设计讨论

走 Specs

• 涉及 2 个及以上模块
• 需要新增或变更 public API
• 需要分阶段评审和任务拆解

写好 Prompt 的关键

给 Agent 可验证的目标：类型检查、lint 规则、测试用例——让 Agent 有明确的"做对了"的信号。

参考：Cursor, Best practices for coding with agents (2026)

为什么要给 Agent 可验证的目标

当前最强编码模型（Claude Opus 4.6、GPT-5.3-Codex、DeepSeek V3.2）都经过 RLVR 训练——用可验证的正确答案作为奖励信号。

反直觉的结果：

• "通过 2000 行测试套件" → 异常强大
• "帮我优化一下性能" → 容易出错

AI 的能力边界是极度不规则的（Jagged Frontier），不能用人类的能力梯度去套用。

给 Agent 测试、类型约束、lint 规则，就是顺着它最强的方向用力。

红线与协作约定

绝对红线

1. 禁止提交密钥、凭据、敏感配置
2. 禁止使用超出 C++11 的语言特性
3. 禁用异常，统一 Status / error code
4. .clang-format 是格式唯一真相
5. 日志禁止输出敏感信息

红线与协作约定

协作约定

1. 改动 >= 3 个文件，先给计划再执行
2. 需求边界不清，先复述理解再推进
3. 构建/测试连续失败 2 轮，暂停并上报卡点

如何审查 Agent 代码：三层审查

如何审查 Agent 代码：常见陷阱

• 看起来对但语义微妙错误（类型正确、逻辑偏差）
• 过度工程：生成了不需要的抽象层
• 幻觉依赖：引入不存在的 API 或库

Agent 越快，审查越重要。

Skills & 自动化

1. skill A：AI 每轮生成后自动格式化 + 构建
2. 只保留 skill B：在 IDE 中手动触发注释补充
3. Kiro 原生 Hook 机制与 SubAgent 在规划中

给 Agent 装上"护栏"：类型系统、lint 规则、CI 测试是 Agent 最好的自我纠错信号。先从已有的工具链做起，不需要额外投入。

目标：先把团队日常开发路径跑顺，再决定是否扩展。

写好 Steering / AGENTS.md 的原则

参考：skills-best-practices (mgechev, 2026)

今天记住 3 件事（1/2）

1. 角色变了

你不再是"写代码的人"，而是"驾驭 Agent 并确保质量的人"。

2. 规则先行

Steering + AGENTS.md 是团队共识的载体。没有规则，Agent 每次都从零猜起。

今天记住 3 件事（2/2）

3. 审查是底线

Agent 产出速度越快，你的审查越重要。构建通过 ≠ 逻辑正确，diff 必须人眼过。

下一步：试用 Kiro Chat，遇到问题随时反馈。