每月2500个PR背后：AI编程的"米其林厨房"工作流

AI能写代码，但它能把活儿真正干完吗？在一场备受关注的对谈中，前Meta React团队成员、现SpaceX AI（即Cursor团队）工程师Lauren Tan（网名Potato）与Total TypeScript创始人Matt Pocock深入探讨了一个让社区炸裂的话题——如何在一个月内向生产环境提交2500个PR。这个数字在X上获得了约300万次观看，但真正的价值不在于数字本身，而在于背后那套可复用的工程方法论。

从"肉身代理"到信任阶梯

Lauren的故事始于她从Meta离职后的一段倦怠期。为了放松，她开始做副业项目，却发现自己陷入了一个怪圈：花大量时间去"微管理"单个AI agent。那是在社区痴迷于"编排"（orchestration）概念的早期阶段，人们还停留在终端里折腾自定义编排器。

加入Cursor后，她被安排优化agents窗口的性能问题。在翻看火焰图和堆快照时，她意识到自己成了瓶颈——"我是agent和Chrome DevTools之间的肉身代理（meat proxy）"。这种被困在手动操作中的挫败感，恰恰催生了她整套方法论的起点。

她提出了一个核心概念：信任阶梯（trust ladder）。随着你对agent的信任逐步提升，你能让它做越来越复杂的事，也能并行调度越来越多的agent。而攀爬这个阶梯的关键，不是写更多代码，而是构建让agent能够自我验证的环境。

一个有趣的观点是，Lauren认为领域专长（domain expertise）在AI时代不是贬值，而是更加重要。当模型越来越聪明，瓶颈就从agent转移到了"你能否清晰表达意图"这件事上。"一个医生、律师，只要稍微懂点技术、会用agent，就能构建出很棒的产品——前提是他脑中有清晰的愿景，并能用agent理解的方式表达出来。"

验证：工具箱里最重要的技能

整场对谈中，Lauren反复强调一件事：验证（verification）是工具箱里最重要的技能。

她的比喻很形象——验证就是给agent"一双手和一双眼睛"。agent能够真正运行代码、像普通用户一样与之交互，还能调试、抓取trace和快照。没有验证，agent就无法形成真正的"循环"（loop）。

"人们总在谈论loop，但loop之所以成为loop，最重要的部分就是验证——因为agent能够核验自己的工作，这样就把我从等式里拿掉了。"

这让她得以实践labs常提到的"爬山法"（hill climbing）：有了评分标准（rubric）和循环，agent就能持续尝试改进。她提到Andrej Karpathy发布的auto research也包含类似思路。如今，SpaceX AI团队的每个应用都有自动维护的验证skill，成了团队的关键基础设施。

确定性与非确定性的分工

Lauren还构建了一个自定义CLI来强化验证能力。这个CLI的本质是把skill中确定性的部分抽取出来编码成脚本。

她把agent的工作看作一条光谱：一端是完全依赖判断的部分（需要思考、整合多方上下文），另一端是机械的、确定性的部分（比如把代码从一种模式重构到另一种）。"你不需要让agent每次都用新颖的方式去想一遍。"

在没有CLI之前，每个agent验证工作时都会"重建整个世界"，各做各的，极其低效——不仅浪费上下文，也拖慢速度。把这部分固化成CLI后，所有agent都能复用同一套工具。Matt精准地总结道：这实际上是在"向skill隐藏信息"，让skill保持小巧，把复杂的确定性工作下放到脚本里。

这一思路同样适用于技术迁移——用code mod、遍历抽象语法树（AST）进行机械式代码转换，让脚本代替agent完成。

米其林厨房：比"软件工厂"更贴切的隐喻

Lauren坦言她并不喜欢"软件工厂"（software factory）这个流行词，因为"工厂"往往让人联想到与质量、工艺对立的东西。她更倾向于用米其林厨房来比喻。

这个比喻与信任阶梯完美呼应：作为"家庭厨师"，你亲手切菜、备料、清洗，是独角戏；当家人越来越多涌入厨房，大多数人会被压力击垮。而一位主厨不再亲自做所有的菜，而是像厨房的"技术负责人"或"CEO"——思考何时订购食材、如何储存、何时备料。

"工程师写代码的方式正是如此：你不再亲自写代码，你有agent，但作为人类，你仍然对最终结果负责，你的名字和声誉依然挂在工作上。"于是，你如何布置厨房、设置skill、环境和代码库，就成了构建产品的"新食材"。

用环境约束取代agent的记忆负担

Lauren花了大量精力在"环境"上，这与很多人"相信模型魔法、不敢改动环境"的态度截然不同。她认为新时代工程师的核心工作就是打磨环境。

两人都有TypeScript背景，Lauren特别提到她最爱的类型收窄（type narrowing）——从一个宽泛的类型，通过类型守卫和运行时检查，收窄到一个非常具体的类型。这与在代码库中设置约束异曲同工：你在收窄可能性的空间，让"做某件事只有一种方式"。

她团队内部构建了一个名为Dune的框架（类似于Electron应用的内部版Next.js），带有大量严格的lint规则和约定式模式——每个feature都放进独立目录，由registry自动发现。这样的环境"让写出烂代码变得很难"，既解放了人类的心智负担，也让agent不必再去思考这些。

Grokbot的最初几个版本由8个"上帝文件"组成，每个至少上万行。Lauren正是通过观察agent如何失败，不断把问题转化为lint规则。"每次看到错误，就退一步想：如何让代码库让这个错误变得不可能？"

内循环与外循环：工厂如何自我运转

那2500个PR到底从哪来？Lauren澄清，她当然不是手动发起2500次对话。

关键在于连接内循环（inner loop）和外循环（outer loop）。内循环是她的agent工程师们在代码上工作；外循环是Slack、Linear、X、邮件等外部系统中不断涌现的上下文——bug报告、功能请求、基础设施限制等。过去她得亲自把这些信息摆渡给agent，现在Grokbot这类工具自动完成了外循环。

具体运作上，她有多个Grokbot订阅各个Slack频道和消息源，一旦发现bug就转发给Cursor的"项目"（projects）功能。project本质是一个云端的协调者agent（coordinator agent），类似"参谋长"或"行政主厨"——它不亲自干活，而是委派、编排、管理子agent。当30个issue同时涌入时，协调者agent会判断最优拓扑，把任务高效分发下去。

她的管理哲学源自Netflix的"context, not control"（提供上下文，而非控制）——教会agent自给自足，而不是微管理。她始终在问自己："我在这个流程里哪里成了瓶颈？为什么agent还需要我？"

值得一提的是，2500个PR中很大一部分是"园艺"（gardening）工作，而非新功能。她甚至设置了专门的agent持续扫描React的坑，但不急于修复，而是先追加到文档里。"有时候一个缓冲队列比直接派agent修复更有效，因为它逼你看到大局。"

从"品尝每道菜"到抽样与自主合并

面对"你怎么review这2500个PR"的质疑，Lauren的答案是：抽样，而非逐一品尝。就像质检主管不可能检查每一件产品，她每天抽查PR质量，重点不是修正单个agent，而是当发现多个agent犯同样错误、走同样捷径时，去修正环境本身。

PSAC中有一个"全自动驾驶"（full autopilot）模式，会触发一个极其严格的验证循环，为每个PR生成一批验证者agent进行fuzzing——真正运行应用、模拟真人点击、寻找回归和bug，然后自我修复，直到PR达到可合并状态。这相当耗token，但可以调节（比如从10个验证者降到1个）。

正是验证加环境的组合，让她敢于让agent在她睡觉时自主合并代码。"第一天开启这个'黑灯工厂'时非常可怕，我担心会引发线上事故。但现在我睡得好多了，agent在我睡觉时合并自己的代码，我早上通过commit历史review，发现问题再去回滚或修正。"

不过她也诚实地指出局限：这高度依赖领域的可验证性。软件工程大多可验证，数学的某些部分（如形式化证明）也可以。但对于那些难以程序化验证、PR是"单向门"（会造成不可逆数据丢失）的场景——比如某些医疗、法律、金融应用——她坦言"没有答案"，这是行业需要共同探索的问题。她期待未来出现更多面向agent的编程语言，并提到一个将编程与证明结合的语言Bend。

skill的本质：被物化的流程

当被问及PSAC与Matt的skill库如何结合时，两人达成共识：skill本质上就是流程，就是被转化成语言（Markdown）的过程。它们没有魔法，"如果有魔法，也只是选词、措辞和把抽象流程转化为语言时所做的思考"。

Lauren给出了一个极其实用的建议——挖掘你自己的历史对话记录：让agent翻看你过去所有的prompt、你不得不介入纠正的时刻，把这些高层学习转化为可复用的skill或lint规则。"过往的对话是上下文的宝库，因为它是物化的流程、真实的过程，而不是你脑中抽象的想法。"

她在PSAC中有个叫Re-Call的skill正是如此：把"去翻看之前所有对话、提取上下文"这个工作流压缩成一个skill，不必每次都写长篇说明。她还预测，随着模型能力提升，skill会越来越小、越来越紧凑——去年的skill充满实现细节（具体脚本命令），而如今可以删掉这些，只聚焦于工作流本身。

正如Matt所言："每个厨师换工作时都会带上自己的刀具。"信任，归根结底是对自己工具的信任。花时间打磨它们、彻底理解它们，才能做出伟大的事。