poteto
@poteto
Loops You Can Trust
在 X 上查看更新于 2026-10-04
poteto
@poteto
Loops You Can Trust
在 X 上查看
管理 agent 的最好办法,要从一颗煮三分钟的鸡蛋说起。
假设你开了几家餐厅,专做早餐。每天早上,客人一波接一波地涌进来。每位客人点的都一样:一个鸡蛋、一份吐司、一杯咖啡。他们希望三样一起上桌,都是热的,上桌时间说得准,质量也稳定。鸡蛋最费时间。等鸡蛋的工夫,吐司可能烤焦,咖啡也会凉。只要一步慢了,整份早餐都得等。当然,我们还得赚钱。
你会从哪里下手?测什么?同时在做的活留多少?在哪一步检查质量?
这是 Andy Grove 在《High Output Management》开篇提出的问题。他用这座想象出来的早餐工厂,讲限制步骤、吞吐量、质量控制和管理杠杆。这些概念用来管理 agent、搭建可信的 agent 循环,好用得出人意料。
加入 Cursor 之前,我从一线工程师转做经理,前后有过几次。我把 agent 当成绝顶聪明、却会失忆的新员工。我做的那些 skill 和 agent,都是从这个思路里长出来的。让我意外的是,带一队 agent 和带一队人竟然这么像。我总是绕回同样几个问题。瓶颈在哪?哪些活能并行?验证该放在哪一步?哪些 bug 会漏到用户那里?我的注意力用在哪里,能撬动最多?
用 agent 干活的工程师要做得出色,其实就是要给一个人当好经理。这个人在某些领域比你聪明,商业头脑却比你差得多。
你的主要工作,是带教这个下属,让他懂得业务上的门道和来龙去脉。天才的头脑有无穷的可能,你要帮他收窄到一条路上,也就是对业务最好的那条路。你是在引导一个天才的生产力。
然后,你得放手,把技术实现的责任交给下属。
他们犯错,你要有耐心。什么算合格,你的标准要定得很高。成品最后怎么样,由你负责。
你设计系统和制度,把记忆传给他,让他也有你对业务的敏锐判断,有你在这一行几十年攒下的智慧。你是年轻天才的导师。
你明白,几乎所有美好的东西都是迭代出来的。你和这位天才下属一起,一轮轮地反馈、迭代,让他不断进步,走得更远。
要成为用 agent 干活的好工程师,就得先当好经理。
让我觉得好笑的是,我发现那些对自己的 agent 一肚子火、怎么也用不出名堂的人,其实只是糟糕的经理。
我在上一篇文章里写过,用 agent 的瓶颈在验证。那之后,这些系统我一直开着在跑。怎样的循环才靠谱到可以放手不管,这方面我又学到了很多。
入职 Cursor 的第二天,经理突然给我发了条私信:
「需要你帮个忙。glass(也就是 Agents Window)性能不太行,你对 React 也算懂点。来帮忙不?」
「哦对了,glass 过几天就上线。祝你好运」
得,这下完了。这个代码库我一点都不了解,怎么搞得定?我这是要速通丢饭碗吗?
我打开 Chrome DevTools,马上开始查。Cursor 是 Electron 应用,我熟悉的工具都用得上。可内存本来就偏高,应用时不时撞上 Electron 的 4gb 上限,追踪记录还没录完就崩了。崩溃越积越多,我心里也越来越慌。问 agent 也没用。它们只会言之凿凿地下结论,我的扯淡雷达响个不停。
摆在我面前的有两条路。一条是继续手工硬磕,认命当永久底层。另一条是想办法让 agent 加入进来,真正帮上忙。
早在 2025 年 4 月,大家还在手写代码的时候,我开始做一个玩具版的 React Compiler MCP。后来发现 MCP 这个载体选错了。但我当时的想法是,人类工程师靠哪些信号写出好代码,agent 也该拿到同样的信号,比如编译器诊断、lint 检查、静态分析等等。agent 得能看到我看到的东西,用上我用的工具。
性能问题一直折磨着 Cursor 的 Agents Window,这正好是个新机会,可以证明这个假设。我得让 agent 用上我手里的这些工具,而且要快。
于是我很快给 Cursor 拼了一个 /control-glass skill。有了它,agent 能启动一个打开了 Chrome DevTools Protocol 的开发构建。这样 agent 就能点击、打字、查看无障碍树、截图、录屏、给 CPU 或网络限速、录制 CPU 性能分析,还能拍堆快照。
我修性能问题的经验告诉我,agent 需要接触到什么、哪里可能出错、好结果长什么样。而现在,agent 自己就能复现问题、做性能分析、改代码,再跑一遍同样的测量。以后的每个 agent 都白得这些能力。
在琢磨循环之前,你得先教会 agent 验证自己的活,确认它做对了、达到了质量线。如果没办法确信活干对了,傻跑循环只会让 slop(粗制滥造的 AI 产出)越滚越多,给人添更多活。而如今人的精力比任何时候都紧,分心的事也比任何时候都多。验证已经成了软件开发的「限制步骤」,也就是那根「最长的杆子」(耗时最长、决定整体进度的那一项)。它卡着整个循环的产出。
在早餐工厂的例子里,鸡蛋要煮三分钟,所以每份早餐都得围着它排。吐司和咖啡做得再快,早餐也不会早一点上桌。
写代码也一样。复现和验证最花时间,因为它们常常要靠人工盯着。把这份能力交给 agent,所需的时间能大大缩短。你才是最宝贵的资源,这样你也能腾出手来,同时搭建和运行好几个循环。
我们的 Cursor 开发构建共用端口、进程和本地用户数据。两个 agent 要是用同一个构建,就会以各种好笑的方式互相干扰。所以我很快就得让它支持 worktree(同一个 Git 仓库可以同时检出好几份代码)。这下每个 agent 都有自己的代码目录、构建、端口、浏览器状态,以及一个隔离的 Cursor 实例。几个 agent 可以并行查不同的问题,互不冲突。
现在我能同时跑一堆 agent 了。有了 /control-glass,它们的修复确实能用,但代码质量还是低。并行只是让我有更多东西要审、要扔。吞吐量上去了,代价是更多返工。
衡量经理,看的是他的团队做成了什么。到了 agent 这里,这句话几乎就是字面意思。想提高团队产出,你可以多招人,也可以让大家干得更快、干得更久。但你还可以教他们新的 skill,给他们配更好的工具。
《High Output Management》把这叫作「管理杠杆」。放到 agent 身上,意思是人只要花一次功夫,写出能复用的 skill 和工具,整个 agent 团队的产出就都提高了。
「给我一根足够长的杠杆,我就能撬动世界。」一队 agent 有了高质量的工具和 skill,又有办法验证自己的活,就能做完原本要人花几个月的项目。
我从没打算做 pstack。它是我个人的一套 skill,用来让 agent 严谨地做工程。我只是开始把每种反复出现的失败模式都写成 skill:动代码前先复现 bug;先提几个假设,再逐个排除;先写一个会失败的测试;检查这次改动之外会波及哪里;先比较几种方案再选;把真实产品改动前后的样子都抓下来。agent 变好了,因为它们的指令里带着前几轮留下的伤疤。
pstack 是一组 skill,可以放进你的循环里跑,让 agent 按更严格的工程标准干活。它自带几套很强的 playbook。agent 照着它们一干就是几个小时,自主做完大任务,还会留下决策日志、测试这类产物,你事后可以审查。
不管你用 pstack,还是自己攒一套 skill,观察 agent 在哪里吃力,再搭系统帮它们做成,如今已经是工程师工作里很大的一块。其中一部分会是 skill 和 rule。另一部分会是重构,以及挑那些让 agent 默认就做对的架构。
从零开始。别装任何插件或 skill,AGENTS.md 也不要。只管写提示词,看它都在哪儿出错。同样的错一再出现,就写成 skill。更好的是写 lint 规则,或者调整代码库的结构,让某些错误根本犯不了。
每个厨师都有自己的一套刀,你也该有
或者直接用 pstack 嘿嘿
原帖:@poteto
现在大部分代码是 agent 写的(而且写得特别多),维护成了噩梦。就算有 pstack,我不亲自启动,agent 还是什么都不干。我得自己发现问题,启动 agent,跑一轮 pstack 循环,再盯着结果。熵增得比你收拾得快。
后来,Cursor 在三月推出了 Automations。缺的正是这一块!我终于能把 pstack 和 /control-glass 组合起来,做成会自己跑的循环。要先拿 Automations 试水,软件维护显然是首选。问题报告本来就在 Slack 里流转,这摊活也天然分成几个环节:给报告分诊、复现 bug、修复、验证结果。
我就照这个搭了起来,先从分诊做起。这个 automation 会下载并分析截图、视频这类附件,再从用户含糊的描述里推断出报的是哪个功能。它还会查报告人用的版本,搜有没有重复的报告,翻一翻代码和最近的改动记录。确认是明确的 bug,它就留下一张工单,再给复现 automation 留一份交接说明。

分诊 automation 先弄清楚报的是什么,哪些功能出了问题
复现 automation 先等这个 verdict(判定结论),然后在云端打开一个真实的 Cursor 构建,沿着报告人的路径走一遍。它必须两次进入一模一样的出错状态,还要截图、录视频。这些证据就是修复 automation 的输入。

复现步骤明确之后,另一个 automation 会在云端用自己的电脑试着复现
修复开始前,讨论串会一直开着,人可以纠正这次复现,也可以否掉它。没人反对、根因也清楚的话,修复 automation 就接过已经预热好的构建,以及上一步留下的全部证据。能写测试就写测试,再做一个它能证明有效的最小修复,跑一遍改前改后的对比,然后开一个草稿 PR。

人在 Slack 里给反馈

我们到死都得清理 useEffect
复现和修复这两个 automation 都会贴出截图和视频,让人更放心。人看一看这些产物,就能很快判断 agent 修的到底是不是该修的东西,以及它有没有看懂这个 bug、有没有修对。审 PR 也就简单多了。我已经相信它能正常工作,剩下的时间只看代码本身就行。
这些 automation 还能验证已经在做的工作。有时某个 PR 已经开了,只是还没合进去。复现 automation 会找到它,跑一遍改前改后,看它是不是修好了报上来的 bug。修好了,它就确认一下,作者也更有把握这个修复是对的。

不错,已经有另一个 PR 修好了!
要搭出可信的循环,关键之一是每个环节都能叫停整条线。分诊 agent 查过之后,可以判定这不是 bug,而是预期行为。复现 agent 可能复现不出来。负责修复的 agent 可以认定这个改动风险太大。这些结果都有用,因为它们挡住了坏活,不让它流进下一个环节。到了下一个环节,再纠正就贵得多。
现在一个 automation 能直接把结果交给下一个,不用等我在中间搬运上下文。Slack 成了控制室,整条线的状态我都能在那里看到,哪里不对劲就插手。pstack 的循环终于不用我来启动了。

今天就领养 Benny!
能读到这里,奖励你一下。我还开源了一批示例 skill。你用 Cursor Automations 搭自己的循环时,可以拿它们当参考。
把 README 指给你的 agent,它会帮你配好。
我反复想起的一句话是「信任,但要验证」。聊天里的 agent 也好,跑在 Automations 里的 agent 也好,我的要求都一样:给我看你的过程。
一句「我修好了」不够。给我看失败的测试,再给我看通过的测试。给我看改前改后的视频。给我看追踪记录、堆快照或者截图。修复合并了,就在 main 上再跑一遍,也给我看。我常常把这些做法写回 agent 的 skill 里,逼着 agent 证明自己把活干对了。
截图、视频这类产物,比一段听着有理、却可能是错的解释强。有了产物,我手里就有东西可以亲自检查、亲自质疑。我也不用把整次运行重放一遍,才知道这个结果能不能信。
我亲自参与循环的时候,会仔细看聊天,尤其是里面的思考过程。想摸清可能有哪些失败模式,这是个好办法。我也靠它判断某一步到底需不需要 agent。脚本能确定地做完的,就用脚本。agent 适合模糊的部分:挑假设、解读证据、判断什么时候需要人来拍板。
跑长任务时,pstack 的 /show-me-your-work skill 会维护一份只追加的决策日志。每一行写明 agent 决定了什么、为什么、依据了哪些证据、结果怎样。结束时,它会拿日志去对照会话记录,还会从另一个模型家族起一个 agent,审查自己这次的工作流程。我不用读完整个会话,也能审查那些重要的决策。

/show-me-your-work
产物能成为你时间上的杠杆。经典的例子是把代码从一种语言或框架迁到另一种。你可以派几百个 agent 硬推迁移,可接下来,就有几百份 agent 写的改动等你验证。
pstack 管这叫 Build the Lever(构建杠杆)。第一个单元先自己手工做,摸清配方。然后让 agent 给机械的部分写 codemod(批量改写代码的脚本),再写一个检查器,证明产出是对的。审查者可以读这些工具,也可以重跑。
agent 也能自己造这根杠杆。我看到哪个 agent 一遍遍手工做同一件事,就让它把自己想要的那个工具或 skill 写出来。以后的每次运行都能继承它。
我就是这样才放心给 agent 更多自主权。循环把活干完,自己检查一遍,再把证据交给我。我的审查时间,就能花在仍然需要人来判断的部分。
最近一次关于验证的教训,来自把我们共用的 UI 库迁到 StyleX。那个 PR 将近 40 万行,不过其中很大一部分是生成出来的验证证据。我的 agent 写了几个确定性的脚本,拿旧 SCSS 计算出的样式和新 StyleX 的做对比。生成的 CSS 从三万多行缩到六千行左右,我们采集到的状态也都做到了视觉一致。

然后我们开始吃自己的狗粮(自己团队先拿来日常用)。
最初那次迁移做到了像素级一致,可吃狗粮还是翻出了 z-index bug、依赖全局 class 的使用方,还有 !important 引发的优先级之争。它们都藏在那一大堆隔空生效的样式里。过程很痛苦,但非做不可。StyleX 把这团意大利面逼到了明处,我终于能把它理开。可 PR 太大,每发现一个问题,代价都不小。
于是我把这段经历变成了下一个循环的训练。现在 StyleX automation 每次只迁移 Cursor 里的一个叶子组件。选组件之前,它会先找危险信号,包括归属不清、动态拼接 class、关系选择器、层叠顺序、transform 和优先级之争。删一个 class 之前,它会在仓库里搜一遍,看行为逻辑、测试、自动化脚本和使用方有没有依赖它。
每个组件,automation 都会在浅色、深色和高对比度主题下,采集改前改后的计算样式。它覆盖 hover、focus、active、disabled,以及组件自己特有的状态。它会录下交互,把截图两两配对,再请另一个 agent 检查这些截图和视频。构建失败或一致性检查不过,这次运行就结束。
过去这几天,这个 automation 每天迁移一个组件。每个 PR 都很小,附带大量截图和视频。那次巨型迁移,教会了这个循环怎样安全地做完剩下的迁移。
教训很简单。缺陷要在价值最低的环节抓住。一个小组件检查没过,代价很小。巨型迁移合进去以后才发现的回归,代价很大。
想拿米其林星,你的团队就得强到离谱。主厨不可能每道菜都亲手做。主厨要做的,是设计菜单、培训厨师、布置工位,在出菜口检查每道菜,出餐乱了套,就去修这套系统。
agent 本该让我们的日子轻松些。可一百个 agent 等着你给提示词,再把一堆 slop PR 甩到你怀里,结果我们比以往任何时候都忙。
几个月前,我还在问自己能同时跑多少个 agent。现在我问的是,一个循环会产出什么证据,能在哪里快速失败,哪些失败能让它更安全,我的时间花在哪里最能撬动结果。我希望能放着循环自己跑,回来时清清楚楚知道发生了什么。
准备好了,就用 Cursor Automations 搭这些系统,拿 pstack 起步,能快一大截。
如果你觉得这些内容有用,强烈推荐读一读《High Output Management》。感谢阅读!