主要来源elvis
查看原文事件专题 ·单一信源
从全自动到人机协作:工程师反思用 coding agent 的常见误区
Elvis Saravia(omarsar0)发帖反思自己早期用 coding agent 的一个错误:试图一次性把所有环节自动化,结果依赖一堆主观、粗糙的 skills,效果不佳。 他现在把大部分时间花在帮助 coding agent 写更好的代码、探索研究想法上,人反而更深度参与。他把有效的做法沉淀为"loops"(循环):循环里既包含自动化,也包含可持续打磨的明确步骤,通过 verifiers、确定性步骤、上下文格式化、记忆系统和 evals 来控制质量与稳健性。他表示这种方式明显降低了错误率。 他认为工作重心已经从"用 LLM 帮我们写代码"转变为"帮助 LLM 写得更好更快",coding agent 本质上是一个需要精心调校的传统系统。他还指出 coding agent 大约在一年前才真正起步,agent swarms 等核心原语尚未成熟,建议深耕自己的专业领域以应对明年变化。
当前结论
Saravia 分享了他用 coding agent 的踩坑经验:别想着全自动,要去设计带 verifier 和 evals 的"loops"。和市面上鼓吹全自动 agent 的思路不同,他主张人更深地参与。天天写代码或做研究的开发者都能直接照着改进自己的工作流。
2 个信源38° AI 热度最后更新 2026/11/21 15:13:08
证据链
2 个信源相关来源 1AI Engineer
查看原文冲突核查
现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。