全篇概述
这不是一场“AI 编程技巧”演讲,是一场关于工程组织如何获得信任的演讲。她的问题设定很直接:所有把 Coding Agent 引入深度开发的团队都会撞同一堵墙——AI 产出代码的速度惊人,产出垃圾的速度同样惊人。
大多数团队的反应是去改提示词、往 AGENTS.md 里堆规则。她的判断相反:文字规则无法强制执行,所以它不构成信任。她的方案是把每次对 Agent 的口头纠正,都翻译成一条会报错的 lint 规则、一次 API 设计改动、或者一个架构约束——让“做错”这件事在物理上更难发生,而不是在道义上被禁止。
她用自己 6 个月的实践做论据:个人单月上线 3,000 个 PR,团队单月 11,000 个 PR,回滚率压在 0.5%,而应用的核心性能指标(启动、打字、开新对话、切对话)反而比刚上线时更快。
---
- 日期:2026-11-16
- 原始日期:2026-11-14(演讲上线)
- 来源:AI Engineer Code Summit 大会演讲《All Code Is Slop (Except Mine)》,Lauren Tan(poteto)主讲,原视频 17 分钟 阅读原文 2050」阅读原文
- 渠道:AGI 2050(公众号,全文编译)
- 体裁:会议演讲
- 作者:Lauren Tan(网名 poteto),Grok Bot 首席工程师
- 信源层级:二手(中文编译;一手为 11/14 大会演讲视频,未直听原声)
- 标签:AI编程 / 软件工程 / Coding Agent / 形式化验证 / 组织与流程
- 一句话:她的核心不是“怎么让 AI 写得更好”,而是“把每一次纠正都变成代码里跑得起来的检查”——说服 Agent 无效,给它戴枷锁有效。
覆盖缺口(先说清楚)
- 本档案依据的是 AGI 2050 的中文全文编译(约 6000 字),不是原视频。语气、停顿、现场问答、幻灯片细节均无法核验。
- 编译文本中出现一个可疑译名:“SpaceXSI”。从上下文(Grok Bot、与 xAI 的关系)看,这几乎肯定是 SpaceXAI / xAI 的音译走样,或是编译者的笔误。我按“她在这家公司做 Grok Bot 客户端”理解,不把“SpaceXSI”当作一个真实存在的公司名引用。
- 原文未说明的数字:3000 / 11000 个 PR 的统计口径(是否含机器人 PR、是否含依赖升级、是否含自动回滚重提)、0.5% 回滚率的分母、团队人数。“10 月 227 人提交过 PR”里 227 人是“贡献者数”还是“有过提交的账号数”,编译文本没有区分。
- 编译者加了“编者按”和“精彩观点”摘要,那些是编辑的提炼,不是她的原话。我在下面引用时区分开。
一、核心比喻:代码库是花园,你浇什么它长什么
她给了一个倒金字塔,回答“时间该花在 Agent 环境的哪一层”:
- 确定性层(最底、最宽):代码本身——API 设计、架构、重构、lint 规则、类型系统、编译器、各类测试。
- 验证层:运行时验证(让 Agent 自己把程序跑起来、用 Chrome DevTools Protocol 这类人类调试工具)+ 形式化验证(TLA+ 模型检测、Lean 证明)。
- 文字层(最顶、最窄):规则、技能、
AGENTS.md——“需要判断力的东西”。
这个金字塔的形状本身就是主张:底座越宽,顶部越不需要写。
花园比喻是这样用的:以前代码一次几个 PR 进来,2024 年她上班审 3 个 PR;现在每个工程师手底下是成百上千个 Agent,一天约 300 个。代码像不间断的水流涌进来。而代码库是 Agent 最大的输入——任何一个临时变通、反模式、技术债,下一个 Agent 看到后都会当成“这家公司的既定写法”照抄。杂草不清,一夜之间蔓延。
所以她把“保持代码库干净”从道德要求改成了因果论断:你不清理,Agent 会替你复制。
二、第一条硬规则:需要分寸感才能用好的东西,直接禁掉
最典型的例子是 React 的 useEffect。她的原话逻辑是:它确有适用场景,但连人类都要“博士学位”才用得明白——换句话说,它高度依赖分寸感,而 Agent 恰恰不擅长分寸感。
解法不是“提醒 Agent 少用”,而是:业务代码里彻底禁用 useEffect,只在框架 API 内部的少数地方开放。效果是这一类问题被整类消灭,代码评审时再也不用去抓它。
第二个例子来自 Cursor 时期(她上一家公司):Agent 特别爱用命令式定时器——setTimeout、requestAnimationFrame、requestIdleCallback——本质是在给“VS Code 命令式风格”与“React 声明式风格”之间的架构冲突打补丁。大量定时器快速创建销毁会引发频繁主垃圾回收,直接拖垮客户端性能。架构选择错了,Agent 的表现和产品性能一起恶化——这个因果链她讲得很清楚:不是 Agent 笨,是地基歪了,Agent 只能拿补丁去填。
第三个例子是目录结构当约束用:设两个顶层目录 electron-renderer 和 electron-main,用依赖图分析器加几条 lint 规则严禁互相导入——因为 Agent 经常把主线程代码导进渲染线程,造成长任务和卡顿。一条规则,省掉一类评审负担。
三、第二条硬规则:禁掉 99% 的代码注释
这是全场最反直觉的一条,也是她论证最完整的一条。
她观察到的现象有两层:
- Agent 把 Markdown 当辩解词用。文档、注释、规则文件、技能文件,都成了它“不做正确的事”的申诉渠道。
- Agent 会过度反应。你随口一句小纠正,它当成永不可破的铁律,然后在别处机械执行。
所以她团队的做法是:禁掉 99% 的注释。理由有三条:
- 注释容易过期;
- 人类本来也不看垃圾注释;
- 最致命的是注释无法强制执行。哪怕你写“我留句话告诉下一个 Agent 别这么干”,这条留言也永远不会变成“值得信任的东西”。
替代方案是 lint 规则,而且要求报错信息清晰、可操作——直接告诉 Agent“去修根因”,而不是让它绕过去打个补丁。
由此得出她的总原则,我认为是全场最有迁移价值的一句:
每一次纠正 Agent,要么把它变成一条确定性检查,要么想办法通过更好的 API 设计、更好的架构,在代码里把那类问题整类消灭。
四、第三层:代码评审变成了“看验证产物”
她的团队现在评审 PR,实际上浓缩成看验证产物:视频、截图、图表、形式化验证结果。
运行时验证(她强调这个词听起来玄,实际很朴素):给 Agent 一套自己把程序跑起来的办法,用人类开发者的调试工具(如 Chrome DevTools Protocol)。其中有个叫“功能地图”的东西——像网站地图那样,从用户视角列出应用所有可用功能。作用有二:Agent 不用猜“左侧边栏里那个小东西”指什么;人和 Agent 有了一套共同词汇。
她还提到把这些能力包成自定义 CLI,让 Agent 每次复用同一套 CLI 和驱动——既省 Token,本身也可测试。
形式化验证(试验阶段,她的措辞很克制):
- 用 TLA+ 对核心用户流程做模型检测,例子是跨多设备、多平台的通知;
- 用 Lean 证明特定算法,例子是自己写的自定义虚拟化库——证明不会出现闪烁或抖动;
- 用 Bombadil 做面向 UI 的属性测试,已经抓到几个 UI bug。
她主动划了边界:“这绝不是银弹,我们只是把它当成另一件工具、Agent 运行环境里的又一层保障。” 这句自我限定,比前面所有数字都更能说明她可信。
五、论据:数字与它们的证伪结构
| 指标 | 数值 | 她给的解释 |
|---|---|---|
| 个人单月 PR | 3,000 | “其中很多是我睡觉时完成的”;达到这个水平用了 6 个月 |
| 团队单月 PR | 11,000(上个月) | 客户端约每天切一个新稳定版 |
| 回滚率 | 约 0.5% | 强调是“相对比例反而更低”,不是绝对数更低 |
| 10 月贡献者 | 227 人至少提交过一个 PR | 含“临时或路过顺手提交”的人,未必有完整上下文 |
| 每人日均评审量 | 约 300 PR(2024 年为 3 个) | 对比她自己的经历 |
| Token 分配 | 约 70% 花在验证上 | 引自 Cindy Sridharan 的推文,说她“半年内从无法信任 Agent 变成 70% Token 用于验证”,与她自己吻合 |
她还补了一个容易被忽略的反向指标:速度暴涨的同时,应用性能没崩,多个维度比刚上线时更快——启动、打字、开新对话、切换对话。并自嘲 Grok Bot 仍是 Electron 应用,“所以是有上限的”。
这段的论证价值在于:她用一个反向指标(性能)去防“快就是乱”的质疑,而不是只报 PR 数。
六、“软件工厂”的顺序问题
她给了一个明确的先后次序警告:
如果编码内循环还在产垃圾代码,把它自动化只会制造更多垃圾代码,然后你不得不往问题里砸越来越多的 Token——而那非常贵。
所以顺序是:先把代码库、静态分析、运行时验证、形式化验证打牢,再搭“外循环”(自动化编排)。她描述的外循环例子:每切一个新版本,自动拉起一个 Cursor 项目,对整个应用和构建包做模糊测试,像真实用户一样去用,找出 bug,针对每个 bug 自动提修复 PR,再自动合入。她说“听起来很疯狂”,但成立的前提是——代码库足够好,大多数业务代码已不再需要深度人工评审。
我的判断(编辑分析,与她无关)
- 她真正在讲的不是 AI,是“约束的可执行性”。 全文可以压缩成一句:凡是不能自动报错的规则,都不算规则。这个判据不只适用于代码——它同样能审
AGENTS.md、审团队 SOP、审公司制度。你写下的每一句“要注意××”,如果没人能自动发现违反,它就是注释,不是制度。
- “禁掉 useEffect”这个动作的真正含义,是承认 Agent 的能力边界是“分寸感”,而不是“知识”。 Agent 知道 useEffect 是什么,也知道什么时候该用;它做不到的是判断“此处该不该用”。所以凡是需要“看情况”的地方,都该被结构消灭,而不是被叮嘱覆盖。这条对你做 AI 产品定义很直接:能被规则化的部分交给 AI,需要分寸的部分要么人来,要么改设计让它不需要分寸。
- 她的数字有说服力,但说服力来自“她主动限定了形式化验证的效果”。 一个只报好消息的演讲不值得信;一个说“这不是银弹”的演讲,前面的 11,000 才站得住。
- 有一个问题她没回答:0.5% 的回滚率,是在什么复杂度上取得的?Grok Bot 是 Electron 客户端,业务逻辑密度远低于后端服务、金融系统、嵌入式。她这套“禁注释 + 强 lint + 形式化”在客户端可行,搬到别的代码库要不要重来一遍,演讲里没有答案。这也是你自己要用时必须自己补的一环。
附:可立即借用的四条
- 每次纠正 Agent,先问“这条能不能变成会报错的检查”,不能,才写进文档。
- 找出你代码库里“需要分寸感才能用好”的 API,考虑整类禁掉,而不是写使用规范。
- 禁注释,改 lint;lint 的报错信息要写“去修根因”,不要写“此处可忽略”。
- 上自动化之前先自查:内循环产出的东西,你敢不敢不看就合?