Harness 与 Agent 工程 · AI研发与测试工程 · 2026-05-07

十年老技术开发的 AI Agent 探索之路

AI开发老手的实战经验:从手动管理到系统化思维的进化之路,教你如何突破AI应用瓶颈。

核心内容:

  1. 人工管理AI终端的三大瓶颈与解决方案
  2. 80%的AI需求其实可以用简单脚本实现
  3. 从Task-Driven到Goal-Driven的系统化思维转变

曾经前端被戏称为"娱乐圈"——工具、框架层出不穷,今年🔥 的明年就过时。现在 AI 把这个周期压缩到了以月计:这个月的新概念,下个月可能就是旧闻。这篇文章,就是一个在"AI 娱乐圈"摸爬滚打的老开发,试图从月抛式的焦虑中找到不会过期的东西,为大家抛砖引玉。

第一章:起点——人是瓶颈

此刻我的屏幕上开着 5 个终端。

左上角,codex 正在跑一组单元测试,终端里绿色的 pass 和偶尔的红色 fail 交替滚动。右上角,gemini-cli 在按照我刚给的方案改一个接口的入参校验。左下角,claude 在根据最新的 API 变更生成文档。右边整块屏幕留给了 Cursor,里面同时开着两个 Agent 窗口——一个在重构组件,一个在补集成测试。

看起来很酷?

真实体验是这样的:codex 那个终端跑了五分钟没动静,我得翻上去看是卡住了还是在等确认;gemini 改完接口了,但我忘了它改的是哪个分支;claude 写的文档引用了一个旧接口名,因为我忘了告诉它刚才 gemini 改过了;Cursor 里的重构窗口弹了个确认框,我一直没注意到,白白等了十分钟。

这种模式的上限大概就是 4-6 个并发。再多,人脑的 context switch 就开始崩溃。

人工并发有三个硬伤:

限制 具体表现 后果
吞吐有限 一天能管 4-6 个 Agent 窗口 任务量有硬上限
状态不稳定 上下文丢失、判断漂移、质量波动 上午管 5 个,下午犯困管不了 3 个
难以规模化 做成一次不难,稳定重复难 今天的成功经验明天就忘了

所以真正的命题不是"怎么让 AI 更聪明"。Agent 的价值不是替人做事,是把依赖人的高频工作,改造成可以持续执行、可观测、可复盘、可优化的系统。

人是瓶颈。但解决瓶颈的方式不是让 AI 替代人,而是让系统不再依赖人的实时在场。

想明白这件事之后,我开始动手。但在造系统之前,我先学到了一条最重要的原则。

工程建议: 如果你现在也在手动管多个 AI 终端,先别急着造系统。先记录一周:哪些操作是重复的?哪些切换是可以消除的?瓶颈清单比技术方案更重要。

你现在同时开几个 AI 窗口?上限是多少?评论区聊聊。

第二章:80% 的 AI 需求不需要 AI

我开始认真折腾 AI 的时候,第一件事不是去调模型、搞 RAG,而是写了一套 Bash 脚本来自动化日常工作流。

结果发现——80% 的"AI 需求",根本不需要 AI。

自动拉取代码跑测试?Bash。定时检查服务健康状态?cron + curl。把 JSON 日志格式化成报表?jq + awk。文件变更触发构建?inotifywait + shell。这些东西不需要任何模型,10 行脚本就搞定了。

#!/bin/bash# 例:定时健康检查 + 告警,不需要任何 AIwhile true; do status=$(curl -s -o /dev/null -w "%{http_code}" https://api.example.com/health) if [ "$status" != "200" ]; then curl -X POST "$WEBHOOK_URL" \ -d "{\"msg\": \"API health check failed: HTTP $status\"}" fi sleep 300done

这让我提炼出后来最重要的一条原则:

代码优先于 Prompt。能用 10 行 Bash 解决的,别折腾 AI。

听起来像废话?但你去看看市面上多少项目,明明一个 cron + curl 就能搞定的定时数据采集,非要套一层 LangChain,加个 Agent 循环,搞个 tool calling,最后效果还不如写死的脚本稳定。

这个认知后来演化成了一个决策层级:

目标 → 代码 → CLI → Prompt → Agent。

层级 适用场景 示例 不确定性
目标层 想清楚到底要解决什么 想清楚后发现不需要写代码 最低
代码层 确定性逻辑 if/else、正则、模板引擎 低
CLI 层 组合现有工具 grep + jq + curl 串流程 中低
Prompt 层 需要语义理解和判断 需求翻译、文案生成 中高
Agent 层 多步推理、动态决策、循环执行 自动修 bug、端到端流程 最高

每往上一层,不确定性增加一个量级,成本也增加一个量级。原则很简单:能在下层解决的,绝不上推。

能用 10 行 Bash 解决的,别折腾 AI。这不是反 AI,是尊重工程。

工程建议: 拿到一个新需求时,从表格最底行往上看——先问"10 行 Bash 能搞定吗?",再问"一次 LLM 调用够吗?",最后才考虑 Agent。这个习惯会帮你省掉 80% 的过度工程。

你团队里有没有"明明脚本就能搞定,偏要上 AI"的项目?说出来让大家乐乐。

第三章:Vibe Coding 翻车记

知道了"什么时候该用 AI",接下来就是动手造系统了。

但在造出正经系统之前,我先翻了一次车。

24h 打工人项目初期,我也尝试过 Vibe Coding:不写 spec、不做设计,直接跟 AI 说"帮我做个 XXX",然后看着它一顿操作猛如虎。

下面是真实时间线:

Day 1-3 ✨ "wow 这 AI 真厉害" 几句话出一个完整页面,说需求就能跑通流程 产出速度惊人,成就感爆棚Day 7 ⚠️ 代码开始乱了 AI 对功能的实现越来越差 陷入"打地鼠"——修了这个 bug 冒出那个 告诉它"这里有问题",它改了之后引入两个新问题Day 14 🔥 被迫亲自打开每个文件浏览 大量过度设计、冗余逻辑 三层抽象解决一个本该一个函数搞定的问题 重复的工具方法散落在五六个文件里Day 15 🔧 整整一天"设计与实现对齐" 把 AI 写的代码和手写的设计文档一一对照 逐个重构,这一天比前两周加起来都累 但这一天的价值,也比前两周加起来都大

Vibe Coding 的问题本质很简单:它是"先易后难"。前期省掉的设计时间,后期会以 10 倍的 debug 时间还回来。代码越写越多,AI 的上下文越来越混乱,每一次修改都在给系统埋雷。

SDD 恰好相反。写 spec 很慢,做设计很枯燥,但一旦 spec 写清楚了,后面的执行、验证、迭代全都有据可循。

大路平坦宽阔,但人偏偏喜欢走捷径。Vibe Coding 就是那条看起来省事的小路——走着走着就发现,路越来越窄,荆棘越来越多,最后还得退回来走大路。

Vibe Coding 是先易后难。SDD 是先难后易。大道如夷,而民好径。

Day 15 那一天的"设计与实现对齐"很痛苦。但正是这一天,建立了让系统后续能自动运转的全部基础——设计文档、架构约束、SDD 流程。没有这一天,就没有后面的 24h 打工人。

工程建议: 如果你现在正在 Vibe Coding,享受前几天的快感没问题,但第三天就要开始补 spec。越早补,代价越小。哪怕只有三段话——要做什么、不做什么、怎么算完成。

你 Vibe Coding 翻车过吗?最后是怎么收场的?

第四章:24h 打工人——第一个真正的系统

翻车之后,我重新来过。这一次,先设计再动手。

场景是这样的:用户提了个 bug——"搜索结果列表的分页有问题,切换页码后数据没更新"。半小时后,AI 自动完成了分析需求、生成技术方案、拆解任务、并发执行前后端代码修改、通知我 review。

不是 demo。不是手动跑了五遍调通的演示。是一个真正能 24 小时无人值守运行的系统。

我叫它 24h 打工人。

为什么选 CLI 而不是 API

先说一个很多人会问的问题。

答案不是教条,是阶段性选择。在我当时的场景里,codex、gemini-cli、claude-code 这些工具已经内置了读文件、改代码、跑命令的能力。它们本身就是完整的 Agent——有上下文管理、有工具调用、有错误处理。

我要做的不是重新造一个 Agent,而是造一个"管理 Agent 的调度层"。

在我当时的阶段里,CLI 是最低成本、最容易 debug、最利于 AI 直接读取和修复的方案。

这不是在论证"CLI 一定优于 API"。等哪天我需要更细粒度的控制、更低的延迟、更高的并发,会毫不犹豫切到 API。工具是手段,不是信仰。

自建调度层:核心架构

核心架构四个字就能概括:文件 + 轮询。

## 调度伪代码class AgentScheduler: def __init__(self): self.queue = FileQueue("storage/feedbacks/") self.tools = ToolProber(["codex", "gemini-cli", "claude"]) self.state = JsonStateManager("storage/state/") def run(self): while True: task = self.queue.poll() if not task: time.sleep(10) continue tool = self.tools.get_available() # 自动选可用工具 try: result = tool.execute(task.prompt, task.workspace) self.state.update(task.id, status="done", output=result) except QuotaExhausted: self.tools.cooldown(tool, duration=300) # 5 分钟冷却 self.queue.requeue(task) # 重新入队,换工具执行 except Exception as e: self.state.update(task.id, status="failed", error=str(e))

调度层做四件事:

  1. 接收任务:用户反馈进来,写入文件队列
  2. 分发执行:轮询队列,调用 CLI 执行
  3. 状态管理:记录每一步的输入输出,持久化到文件
  4. 失败切换:某个 CLI 配额用完,自动换下一个

选型极其简单:文件系统存储 + 轮询调度 + JSON 状态管理。 不是在论证"文件系统一定优于数据库"。对一个还在高速迭代的 Agent 系统来说,文件系统的好处很实际:出问题直接让 AI 看文件,不用查数据库;方便 Git 版本控制;本地和生产环境更一致。

SDD:让 AI 的每一步都有据可查

这套系统里最核心的概念是 SDD(Spec-Driven Development)。

很多人把 SDD 理解为"先写文档再开发"。但在 Agent 场景里,SDD 更重要的作用是:把一件事从模糊想法逐步转成可执行单元,并且把这个过程完整留下来。

每个需求处理完会留下一组文档:

storage/feedbacks/2026-01-15/20260115-143021-a1b2c3/├── sdd/│ ├── spec.md # 规格说明:目标、验收标准│ ├── plan.md # 技术方案:涉及文件、实现步骤│ └── tasks.md # 任务清单:每个任务的描述和状态├── tasks.json # 任务执行状态(供程序读取)└── debug/ ├── prompts/ # 每一步的 prompt └── agent.log # 执行日志

spec.md 把…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/gerentixiao/2026050782964.html