「首席架构师 MD」工作流让 Gemini 一次性产出超越 Opus 的成品
oikk01 · reddit · 2026-10-16
作者分享其 Gemini 工作流，多次实现惊艳的一次成型输出（附可玩 demo：可拆解的 F1 概念车、单 prompt 的 Rocket League 游戏），称效果明显优于无此流程的结果，甚至超过 Opus 5.5 同 prompt 的输出。代价是非常耗 token。
方法核心是一个「architect MD」指令文件，让 agent 扮演首席架构师：先理解任务、交付物与专家水准及预期难点，写出详细架构计划，再强制多轮迭代修订（作者还在试验加入 taste agent 审查品味），随后锁定架构。锁定前必须用五个视角批判计划：
- 目标达成：是否端到端完整解决核心请求、无隐含前置缺失；
- 专家级输出与可执行验证：定义具体可运行的验证检查（CLI 语法检查、headless 逐帧脚本、数值断言、draw-call/FPS 预算、DOM 检查），由评估子 agent 执行；
- 克制与品味：审查视觉/UI/架构臃肿，精简色彩、光照、UI；
- 预判难点与缓解方案：把最难的技术失败点及数学/架构层面的缓解直接写进 spec；
- 边界情况与测试：枚举具体边界情况并写明代码守卫与测试。
架构锁定后放子 agent 按计划实现，再由多个子 agent 分工测试、根据反馈迭代，直到验证分数达标才交付。
「编程与Agent」频道最新
- 创业者吐槽 AI agent 用不起来，回应称落地靠组织而非模型 — EdenEmarco177 · 2026-10-16
- Cheng Lou 开源 Handwired：手写权重把代码变成零训练神经网络 — dotey · 2026-10-16
- 用 Notion 搭个人记忆库，让所有 AI Agent 即插即用共享上下文 — ivanhzhao · 2026-10-16
- Lovable 应用接入 WhatsApp,可自动搭建客服收件箱与消息模板 — AlexandrePesant · 2026-10-16
- FDE-Gym 基准:顶级 Agent 仅完整解决 95 个真实交付任务中的 14 个 — dair_ai · 2026-10-16
- 六大 Deep Research API 实测横评:能力边界、定价与选型建议 — bar_raiser333 · 2026-10-16