用历史对话让编码 Agent 产出可复用规则
zeeg · x · 2026-07-26
一个实用的编码 Agent 优化流程：把一段历史对话/转录交给 agent，让它找出反复出错的模式，再把这些模式整理成可复用的修正方案，比如新的提示词约束、技能，甚至是 ast-grep 规则。作者说自己在 Warden 的 code quality loop 里也用过这招，但结果并不自动可靠，仍然可能夹杂幻觉，需要人工判断。
核心思路是把你自己的交互日志变成反馈回路：
- 选一段围绕某个任务的历史 transcripts。
- 让 agent 总结哪里经常失败、为什么失败。
- 把结论沉淀成放在主上下文之外的持久化规则或指南。
作者的结论是：LLM 很擅长模式识别和重复劳动，所以“回看自己的对话记录”会比单次提示更能持续提升效果。
「编程与Agent」频道最新
- Anthropic 称内部 Slack agent 已写出产品团队 65% 代码 — VraserX · 2026-07-26
- Aethos Memory 让 Claude Code、Cursor 和 Windsurf 共用一套持久记忆 — Longjumping-Koala396 · 2026-07-26
- 面向编程智能体的 MCP 记忆服务开源，采用三段式 RAG 检索 — Longjumping-Koala396 · 2026-07-26
- IMO 2026 测试显示 harness 能提分，但前沿模型仍领先一大截 — pequalnp92 · 2026-07-26
- 提示词把任务拆成子代理，再用严苛评审反复迭代 — paul_cal · 2026-07-26
- 开源 Claude Code 技能让 CEO 和 QA 语音 Bot 进会议 — anand__balakrishnan · 2026-07-26