Agent 工程与编程 Agent新增

所属领域：AI 模型与 Agent。来源：🔖 X 书签 10 条（书签文件夹：未归文件夹 10）、📥 主动分享 3 份。相关实体：Codex、lauren (@poteto)、Dune

另见：AI 代码审查（📥 Claude Code 团队审查实践）、Claude Code、AGI 当前热点 vs 表情/情绪感知（AI 回答 + Tech Intel 核实）（📥 AGI 热点 AI 回答 + Tech Intel 核实）、AI 生成 Rust 现状：30% vs 90%+，Signature-first / Test-first（@mylifcc 线程，RustChinaConf 2026）（📥 Rust 编程 Agent：签名优先 / 测试优先）、Rust 与系统软件、LLM Wiki 与个人知识库（📥 Karpathy LLM Wiki：用 AGENTS.md / CLAUDE.md 这类 schema 让 Agent 当"守纪律的 wiki 维护者"；本 wiki 的方法论来源）、RSI（递归自我改进）（📥 DGM / Hyperagents / AIDE²：Agent 改写自己的代码与改进机制）、Karpathy「LLM Wiki」：idea file（gist）+ 3 条 X 帖子（中文精读）（📥 Karpathy LLM Wiki：AGENTS.md 式 schema 文件让 Agent 成为有纪律的 wiki 维护者）、AI 时代的代码审查：Claude Code 团队实践解读（PPT）（📥 Claude Code 团队审查实践 PPT）、通用大模型迈向 AGI 并结合递归自我改进后，是否会替代 VLA？（ChatGPT Deep Research 二手报告，待核实）（📥 AGI + RSI 会否替代 VLA：编程 Agent 改自己代码的 DGM / AIDE² 等）、AI 学习资料与 Skills（让 Agent 搭 AI 早报流程的提示词、写作 Skill）。

要点

• @mylifcc 线程（RustChinaConf 2026）：编程 Agent 写 Rust，人先定类型签名/生命周期（signature-first）、先写单元测试（test-first），让 Agent 靠编译器报错自修复，帖称可用率 30%→90%+（作者转述、待核实），详见 AI 生成 Rust 现状：30% vs 90%+，Signature-first / Test-first（@mylifcc 线程，RustChinaConf 2026） 本地导入 原帖
• 已核实（Tech Intel）：Jack 分享的 AI 回答「当前 AGI 热点不在表情/情绪感知」基本成立，6 处更正；其中一条是原回答只把 Agent 当推理规划的子项，报告认为 Agent、computer use、编程 Agent、长时程自主是 2026 年最主要的竞赛点（METR 时长翻倍、OSWorld 2.0、SWE-Marathon），详见 AGI 当前热点 vs 表情/情绪感知（AI 回答 + Tech Intel 核实） 本地导入
• lauren (@poteto) 的 38 分钟演讲视频帖 "here's how i shipped 2,500 PRs last month to production"：信任是扩展 Agent 数量的瓶颈、代码库即 Agent 记忆、五级纠错优先级、Dune 框架与外循环（据 TARS 摘要；视频口头约 2,000 PR/月） 本地导入 原帖
• Google Research 开源 Harness²：让 Agent 自动修改系统提示词、记忆、Skills、工具规则；GLM-5+OpenCode 一轮优化后 WorkBuddy-Bench 64.2→75.7 书签 原帖
• [文章] 非 CS 出身的 Lauren Tan，是怎么一步步放手给 agent 的 书签 原帖
• iCTRL 开源：基于 XCUITest、为 AI Agent 设计的 iPhone/iPad 自动化工具，可经 Wi-Fi 操控手机 书签 原帖
• GPT-6 Astra 使用建议：重审 skills、AGENTS.md 和任务提示词，触发条件要具体、定义"完成"标准 书签 原帖
• @fankaishuoai：以 GPT-6 Astra、DeepSeek V4.1 Flash 搭配 Pi、DeepSeek Harness、Codex，组成八个角色的"AI 员工团队" 书签 原帖
• @shubhangi_HR_：Agentic AI 架构设计速查表：从定义目标到编排层等逐层拆解 书签 原帖
• [文章] Running a Software Factory Efficiently at Uber Scale 书签 原帖
• @shao__meng：Uncle Bob 与 Matt Pocock 对谈：AI 时代软件工程基本功是否仍成立、如何驾驭智能体 书签 原帖
• Codex 一直支持在 config.toml 接入第三方模型（model_catalog_json），也可用别家模型做 subagent 书签 原帖
• @jinglian：Ante CLI：Rust 写的终端编码 Agent，约 15MB 单文件，可完全本地运行，支持 12+ provider 书签 原帖

📥 poteto 演讲要点（TARS 二手摘要，非逐字转录）

详见 lauren (@poteto)：here's how i shipped 2,500 PRs last month to production（38 分钟演讲视频帖）。标题称上月 2,500 个 PR，视频口头说约 2,000 个/月 本地导入。

• 信任是瓶颈：Agent 自己验证不了成果就扩不过 1–5 个，硬开 100 个只会得到低质量 PR 和回归 本地导入。
• 让 Agent 自证：Control Glass 通过 Chrome DevTools Protocol 操作 App、抓 trace 和截图作证据；Feature Map 记录功能/快捷键/DOM；pstack 提供调试与开发手册。她认为这比 Lean/TLA+ 形式化验证更务实 本地导入。
• 代码库即记忆：Agent 照抄上下文写法，残留补丁会像病毒一样扩散；所以要让"最省事的写法就是正确写法"（见 Dune），并设"园丁"角色删技术债、用 lint 拦反模式 本地导入。
• 纠错优先级（强→弱）：改代码库让错误写不出 → lint/编译器/CI → rules 或 Bugbot → skills → 风格指南（最弱）本地导入。
• 外循环：Grok Bot 接 Slack、Datadog、Sentry、PlanetScale，收到 bug/告警就启动云端 Agent 复现、提 PR，并把修复视频回帖到 Slack 本地导入。

来源

主动分享来源