好文集ChatGPT Plus¥119

【译文】你的编程智能体,让你成了管理者 -- By Addy Osmani

作者|Addy Osmani(@addyosmani)

原文|Your coding agents made you a manager

文章配图

管理智能体所需的技能,基本上就是管理团队所需的技能。你不必先当上管理者,才能学会它们。

如果你整天和编程智能体一起工作,你就在做管理。你反复挑选任务、撰写指令、分派工作、跟进进展、评估结果,并决定哪些东西可以交付。最能从智能体中获益的工程师,未必最擅长提示词工程。他们有意无意地学会了管理。

这个想法可能不太讨喜。我欣赏的许多工程师选择走个人贡献者(IC)的职业路线,就是因为想贴近实际工作。他们见过朋友转做管理后,就被日程表占满了时间。但我并不是叫你成为那样的管理者。这里说的「管理」有特定含义,通过支持他人的工作,产出好的结果。我当然也没有说,智能体可以替代管理者或同事。

你对糟糕管理者的每一项抱怨,都可以当作一份与智能体交互的缺陷报告。想想工作交接。如果你遇到过糟糕的交接,收到的要求可能很模糊、缺乏背景,或者预期总是在变。对 IC 来说,好消息是,这些年你一直接收别人交来的工作,可能已经知道什么样的交接才算好。

我以前写过,你的编程智能体需要一位管理者。我也写过委派工作时一种不易察觉的风险,即认知让渡。本文把优秀工程经理的做法,与我们在使用和开发 Claude Code 时积累的经验放在一起比较。各节大致按影响大小排列,最能事半功倍的习惯放在最前面。

给它一种检查自己工作的办法

最佳实践。 给智能体提供验证工作的机制,例如测试套件、构建或截图,并让它把结果展示给你,作为证据。

反面做法。 把「看起来做完了」当作确认。这会迫使你承担全部验证工作,变成智能体的测试套件。

问问一位有经验的管理者,怎样不把所有内容都读一遍,也能对团队的工作质量有把握,他们会谈到各种保障机制。持续集成(CI)、代码审查、看板、值班机制,等等。没有经验、也不建立这些保障机制的管理者,最后会事事亲自验证,不出一个季度,自己就成了瓶颈。智能体也是一样。正如 Claude Code 最佳实践指南所说,工作看起来完成时,智能体就会停下来。如果没有验证,「看起来做完了」就是智能体仅有的验证。提供验证机制,就能让智能体完成工作、运行验证、看到失败,再自行修正。对于 UI 修改,这可能意味着真正用浏览器打开页面,反复调整,直到功能正常、外观也合适。

验证机制几乎可以是任何东西,只要能给出明确的通过或失败结果。比如测试、构建退出码、lint 工具、差异比较脚本和截图。指南指出,在智能体每次会话开始时读取的指令文件 CLAUDE.md 中,运行这些验证的命令,是你能放进去的最有用的一行。有了验证机制,可以通过下面几种方式把它纳入工作流程。

  • 直接要求。 「完成后运行认证测试,并继续修改,直到测试通过。」

  • 设定目标。 使用 /goal,由另一个模型在每轮之后检查条件。这对耗时较长的后台工作尤其有用。

  • 强制执行。 Stop hook 可以在类型检查通过前,阻止本轮结束。

  • 请它接受审查。 /code-review 会把代码差异交给一个新的子智能体审查,它没有看过你们的对话。这就像 PR 的作者不能批准自己的 PR。

你甚至可以控制审查范围。如果你让它找问题,它总能找到些什么。但如果你让它只找正确性问题,忽略风格,它也会照做。优秀的管理者同样会学习如何征求反馈。Claude Code 工具箱中的大部分功能,都在收紧这个反馈循环。Skills、hooks、子智能体和 MCP,都是为了弥合完成工作与验证工作之间的间隔,让你只需关注智能体无法验证的部分。有经验的工程经理就是这样做的。

交代清楚上下文

最佳实践。 清楚概述智能体无法通过查看代码仓库得知的信息,包括任务目标及其重要性、约束条件、不在范围内的事项,以及成功标准。

反面做法。 只丢下一行任务,真正的预期却全在你脑子里;或者拿智能体读代码就能发现的内容,来填满任务说明。

有效的管理者会清楚说明预期结果、约束和目标。他们讲清工作应当实现什么,同时给执行者自由,让对方自行决定怎么做。在军队里,这叫「指挥官意图」。在 Netflix,这叫「提供上下文,而非控制」(context, not control)。

与智能体合作的难点在于,你很难知道它缺少哪些上下文。编程智能体每次接到任务,第一件事就是读你的代码。当前模型非常擅长识别文件夹结构、约定和测试配置,速度远快于你向它描述。

落笔之前,先想想哪些内容智能体自己就能弄清。如果它可以从代码中读到,而且确实会去读,你就不必说。把文字留给仓库中不存在的内容,例如会议决定、某个人内部使用的部署流程、这项任务为何重要,以及这一次什么才算完成。

我们以一个模糊任务「让看板更快」为例,把它改写成提示词。这里的数字仅供举例。

原提示词

Get p95 load time for the /team dashboard under 2s for orgs with 10k+ members.

Why: enterprise admins open it daily, and slow loads are their top support ticket.

Constraints: no schema changes; keep the API response shape.

Out of scope: UI changes; caching the whole page. Check: run scripts/perf/team.sh and show before and after numbers.

对应中文

对于拥有 10k+ 成员的组织,将 /team 看板的 p95 加载时间降到 2s 以下。

原因:企业管理员每天都会打开它,而加载缓慢是他们最常提交的支持工单问题。

约束:不改数据库 schema;保持 API 响应结构不变。

不在范围内:UI 修改;缓存整个页面。 检查:运行 scripts/perf/team.sh,并展示修改前后的数字。

你不必对每项任务都这样做。如果是在探索问题,写一个宽泛的提示词完全没问题,边做边细化就行。如果你还没准备好写提示词,可以让智能体采访你,直到它能写出规格说明,把说明保存成文件,再开启新会话,让智能体据此实现。之后也可以拿这份规格说明作审查依据。

你可能还需要让智能体访问其他工具,例如工单系统、错误看板或团队聊天。对待智能体,就像对待团队新入职的同事。如果是它已经熟悉的命令行工具,例如 gh,你往往不需要再告诉它什么。

让每一次纠正都能持续发挥作用

最佳实践。 同一件事纠正不止一次,就把它记录进团队的 CLAUDE.md,或者做成共享 skill。随着时间推移,检查新模型是否减少了这些纠正的必要性。

反面做法。 每次会话都手动纠正同一个问题,或者依赖只存在于你自己机器上的隐性知识。

能充分发挥 CLAUDE.md 价值的团队,会隔一段时间更新它,记下那些值得避免再犯的错误所带来的教训。有些团队甚至会在代码审查中提及 @claude,把反馈变成长期规则。让 CLAUDE.md 保持简洁。适合放进去的内容包括下面这些。

  • 如何验证某件事,写出确切命令。

  • 代码中容易误导人的部分。

  • 仓库里没有记载的决定。

  • 任何你已经纠正过两次的事情。

这些都是书面信息能让收益持续累积的例子。即使有人换了团队、模型被替换,这些信息仍然留得下来。

让它自行判断,只强制执行不可变通的要求

最佳实践。 默认让智能体自行判断,只对少数必须始终发生、或绝不能发生的事情,使用 hooks、拒绝规则等硬性约束。

反面做法。 用全大写字母写规则,为可选偏好设置 hooks,或者新模型早已不再需要旧做法,你却仍保留为旧模型养成的习惯。

Andy Grove 在*《高产出管理》(High Output Management)*中,将其称为「任务相关成熟度」。监督程度应取决于一个人在这项具体任务上的过往表现,而非总体能力。

给新任管理者的一条老建议,说的也是同一件事。给对方比你觉得安心的程度再多一点自主空间,同时支持他们,并要求他们为结果负责。

Claude Code 把这一点说得很明确。提示词、CLAUDE.md 和 skills 是请求,模型可以考虑并选择是否照做;hooks、拒绝规则和托管设置,则是始终强制执行的要求。大多数情况下,你应当让智能体作决定。模型看着真实代码时,往往比你预先制定的一条规则,更适合判断某项指导原则是否适用。把强制机制用在硬性要求上,例如「绝不编辑生成的客户端代码」或「始终运行许可证头部脚本」。尤其要注意,新的终端会话和 VS Code 会话会以 auto mode 启动,其中的分类器会过滤部署到生产环境、强制推送覆盖他人工作等不安全行为。

指南的建议有两面。如果你不断强调 CLAUDE.md 里的某一行,智能体仍然不理会,那它就应该变成 hook。如果某个 hook 表达的只是偏好,而非要求,就应把它移除,让智能体自行决定。这就像团队决定停用一项不再有用的流程。换了新模型,也应随之调整。指南列出了可以停用的习惯,包括全大写指令、「再认真想想」(如今思考力度已经是一个设置项),以及「别偷懒」。对当前模型来说,这些做法往往会导致规则执行过度、工作过量。在与智能体合作时,过多流程就是新形式的微观管理。

动手实现之前先做计划

最佳实践。 在智能体开始编码前,就计划达成一致,阅读时找出背后的假设,并把任务划分为互不重叠的并行工作。

反面做法。 让多个智能体同时处理相互重叠的任务,然后花一下午解决合并冲突和重复作出的决定。

一个好的流程是,先进入 plan mode,反复调整计划,直到计划合适,再把编码工作委派出去。计划足够好时,模型往往可以一次完成实现。对于较大的任务,再开一次会话,让它像 Staff Engineer 一样审视计划。这相当于设计评审,是成本最低的纠偏环节。审阅计划时,要找出背后的假设。在一对一沟通中,这就像在问「你对哪些地方还没把握?」

任务拆分也越来越多地交给智能体完成。Claude Code 中的 /batch 会把一项大型机械性修改拆成 5 到 30 个任务,展示计划,在独立的 worktree(代码仓库各自独立的检出目录)中执行,并为每个任务创建一个 PR。你不再需要亲自拆分工作,只需检查各部分有无重叠,并确保共享接口先合入。否则,你得到的可能只是假象上的并行。五个智能体处理重叠任务,并不会带来五倍产出,只会带来一场有五位作者的合并冲突。

尽早引导,迅速重来

最佳实践。 观察最初一分钟的工作,及时引导智能体。一发现它偏离方向,就纠正。如果已经两次尝试纠正都失败,就用更好的提示词开启全新会话。

反面做法。 不修改请求本身,却第三次、第四次尝试纠正智能体。

有经验的管理者知道,一个有能力的人接连几次做偏,问题可能出在上游的指令、上下文或范围。对智能体的操作更直接,一旦发现它偏离方向,就按 Esc。如果已经两次纠正失败,就清空会话,吸取学到的教训,写一个更好的提示词。第三次纠正,大多只是在增加模型必须反复重读、重新处理的信息,其中还包括失败的尝试。

低成本回退也改变了做事方式。/rewind 会把代码和对话回退到更早的时间点,让你可以先尝试更大胆的方法,而不必承担太大风险。优秀的管理者对员工也是如此,如果撤销错误的成本低,就让他们试试更大胆的方法。之后再复盘,并在适用时,把解决办法提炼为通用规则,写入 CLAUDE.md。

可以委派任务,绝不交出判断

最佳实践。 让智能体做工作,由你决定重要事项,包括产品决策、安全边界,以及哪些内容可以交付。审查每份代码差异时,都要假设出了问题,会有人呼叫你来处理。

反面做法。 只因为测试全绿、命名看起来合理,就批准大批代码改动。这算不上代码审查,只是在给代码盖章。

没有管理者可以说「那是我的下属交付的,跟我无关」。你运行的每一个智能体也一样。我自己就掉进过这个陷阱。我让一个智能体研究我们与竞争对手的差距,并在本地编写弥补这些差距的 PR。我读了调研,粗略扫过代码,差一点就推送了那些改动。它们给用户增加了复杂性,收益却很少。我委派了工作,也险些把决定一并交出。这个陷阱很容易掉进去,600 行代码差异,命名看着合理,测试全绿,那就批准。

合理的任务分工是,让智能体处理风格、lint、审查反馈的后续修改、常见 bug 和单元测试,让人来处理安全边界、合规和产品决策。

协调也是如此。智能体可以跟踪交接,但在相互冲突的请求之间取舍,以及让人真正作出承诺,仍然是人的工作。

你不必参与每一次修改的内部执行循环。你必须掌握的是外层循环,包括约束是什么、产出中你实际读了多少、保留哪些证据,以及哪些事项必须由人签字批准。还要让改动保持小规模,因为一次审查多少,就需要一次理解多少。

设计无需你守着的运行流程

最佳实践。 启动自主任务前,明确完成标准、自我验证方式、边界、保障机制和人工审批。

反面做法。 睡前启动一个长时间运行的进程,既没定义完成标准,也没设定停止点,第二天早上醒来才发现,模型在一个错误前提上忙了一整夜。

隔级管理者不会逐一管理工程师的具体工作,而是管理目标、保障机制、检查点和负责人。AI 智能体也在沿着类似方向发展。它们已经会把任务的一部分交给子智能体,也能按计划、在 CI 失败后,或在新 PR 创建后自主运行。前沿方向是能够自行启动、自我验证,仅在需要决策时才请求人类介入的自主管理系统。

你的角色正从控制会话,转向设计工作循环。设计无人值守运行时,要问自己五个问题。这些问题,与优秀管理者把项目交给资深工程师、自己去休假前会问的问题一样。

  • 它知道什么才算完成吗?(目标条件、规格文件,或者一项必须让它从失败变成通过的测试。)

  • 它有自我验证机制吗?(测试套件、Stop hook 或审查步骤。)

  • 它的边界是什么?(权限控制、沙箱、worktree,或者唯一允许推送的分支。)

  • 它有哪些保障机制?(对话轮数上限或开销上限。)

  • 它在哪里输出结果,由谁批准?(PR 或摘要,以及对任何不可逆操作的人工审批。)

指南还提到两个管理者会认可的好习惯。一是先试点,让批处理任务先在三个文件上运行,调整提示词,再处理剩下的;二是对于任何新流程,都要先观察最初几次运行,再放心让它无人值守。可以把这当成试用期。

扩大验证能力,而不是投入更多注意力

最佳实践。 只有在检查机制、目标和全新审查者能够接手监看时,才相应扩大智能体使用规模;除了吞吐量,还要衡量质量。

反面做法。 开启的会话多到无法认真审查,还用 AI 写了多少代码衡量成功。

管理者很快就会知道自己的管理幅度。直属下属超过一定数量后,每个人分到的管理者精力都会减少,质量也会下降。智能体也是一样。我把这叫作「编排税」,超过最初几个智能体后,每增加一个,占用的注意力就比前一个更多。大多数日子,我会运行四五个后台智能体,加上几个本地会话。有些日子,这样也太多了。

管理大量会话,靠的是把大部分监看交给自我评估、目标机制,以及在全新上下文中工作的审查者,把注意力留给决策,而非让自己高度集中。此外,用通知代替轮询,并集中查看后台任务,也有帮助。要扩大智能体数量,靠增加监看行不通,只有减少需要监看的部分才行。然后,衡量整个系统,而不只是活动量。实用指标包括 PR 周期时间、新员工上手时间,以及回退或返工的频率。把 AI 编写代码的比例当目标没什么用,因为你追求的是质量和可靠性。Grove 所说的用配套制衡指标来衡量的原则,在这里同样适用。如果你衡量合入的 PR 数量,也要衡量回退和返工。

决定哪些东西不做

最佳实践。 问清谁需要它、怎样知道它奏效了,以及什么情况会让你停止;同时限制在制工作(WIP)的数量。

反面做法。 反正开发便宜,就把每个貌似可行的点子都变成 PR。结果留下一个装满杂物的抽屉,等着团队审查、保障安全和维护。

管理者说的最重要的一个字,往往是「不」。有了智能体,拒绝反而更难了。启动工作几乎没有成本,任何看似可行的点子,都能在午饭前变成 PR。但这样一来,团队就多出一堆需要审查、保障安全、提供支持和维护的 PR。如今,稀缺资源是审查和验证。

事实上,那些老派管理问题,比过去更重要了。谁提出的需求?怎样衡量成功?怎么知道该停下来?如果实现很便宜,难问的就是「该不该做」,而非「能不能做」。

这个类比有哪些不适用的地方

最佳实践。 遵循管理的最佳实践,同时考虑智能体模型的不同之处,例如返工成本低、很容易同意你的要求,以及每次模型发布后都会变化的能力优势。

反面做法。 把智能体当成初级开发者,或者以为自己能运行五个智能体,就已经准备好管理五个人。

这个类比有用,但并不完美。最擅长这类工作的人,清楚它在哪些地方不适用。

  • 管理人更难,这些技能无法反向照搬。 运行过五个智能体,不代表你已经准备好管理五个人。激励、冲突、职业发展,以及耗时数月建立信任,在智能体这里都找不到对应的部分。

  • 返工几乎没有成本。 有些事你绝不会要求一个人做,却可以让智能体去做。如果白板前发生了技术争论,智能体可以把两三个方案都实现出来,供你比较。

  • 智能体没有阅历,只有笔记本。 Auto memory 只会在一台机器上记录笔记,不会转移到队友的会话里。它不等于你在职业生涯中积累的经验与判断,你需要把这些教训写下来,供整个团队使用。

  • 智能体积极又自信。 如果你让一位优秀工程师做错事,对方会提出异议。智能体则更可能照着你的要求做,而你也更容易过度信任它。Wharton 关于认知让渡的研究中,参与者大多数时候接受了 AI 的错误答案,而且变得更自信。你可以要求智能体反驳自己的答案,以此对抗过度自信。

  • 你只有一种智能体类型,而且每隔几个月就会变化。 人类团队拥有不同的技能和长处。你的所有智能体却有着相同的优点和弱点,它们会随着每次模型发布而变化。

  • 你仍然得培养初级开发者。 智能体接手了初级开发者用来学习基本功的入门工作后,作为管理者,你就必须有意识地为他们创造这些练习机会。

  • 人类团队依然重要。 有时你花一整天管理智能体,却没意识到,建设一个有凝聚力的团队所需的时间,已经被挤没了。别这样做。

你不需要那个头衔

最佳实践。 把精力放在促成好软件上,交代上下文、定义完成标准、认真审查。

反面做法。 一边运行着说明不足、未经检查的智能体,一边用代码行数评价自己。

优秀的 Staff Engineer 一直就是这样做的。他们写设计文档,交代上下文,认真审查,让周围的人做得更好。智能体让所有工程师从第一天起就能做这些事,给你上一门管理速成课。你几分钟就能获得反馈,不必等上几个季度。你可以撤销自己的错误。这份工作越来越少地围绕亲自写代码,越来越多地围绕促成好代码被写出来。

没有人生来就是优秀管理者,或优秀工程师。你依然通过练习来培养技能,和过去一样。但有了智能体,练习成本很低。

试试这些做法。

  • 每项任务都需要一项它能运行的检查。要求它出示证据。

  • 告诉智能体它看不到什么,省去它能自行看到的内容。

  • 写代码之前,先把计划讨论清楚。

  • 同一件事纠正过两次?记进 CLAUDE.md。反复执行的工作流程?做成 skills。

  • 两次纠正都失败了?重新开始,换一种方式写提示词。

  • 审查代码差异时,要假设出了问题,会有人呼叫你来处理。

你不必想当管理者。但那些善用智能体的工程师,会在这个过程中学会管理。

文章配图

全文完
查看原文