AI 工程师 4 个月十条心得：工作重心正转向编排 agent 与上下文工程
Ok-Organization4300 · reddit · 2026-11-09
一位 AI 工程师总结入职 4 个月的 10 条经验，核心判断是工程重心正在从写代码转向编排 agent：
- 云端编码 agent 是未来：迁移到 Claude Code/Codex，让长任务不占本机，接入 Gmail/Slack 补充上下文
- Spec 驱动开发是超能力：用 Wispr Flow 语音转文字，像给初级工程师讲任务一样写 spec
- 编排 agent 正成为本职：把 spec 变成可上线 PR 的循环才是杠杆所在，思路要像工程经理
- 练好上下文工程：瓶颈不在代码生成，而在把需求讲清楚
- 软件工程基本功更重要：高内聚低耦合、清晰抽象不是可选项，否则 agent 只会更快产出垃圾
- 别用代码行数衡量产出：看上线代码、解决的问题与实际影响
- 别让 AI 掏空你对代码库的理解：让 agent 生成架构图、文档、走读，把省下的时间投到理解与推理
- 学会把自己移出循环：多层 agent 审查+自动检查+自纠错，人只在最后介入
- 掌握自己的 agent loop：别盲信 LangChain/CrewAI 抽象，理解 harness 如何解析执行工具调用；用 evals 决定脚手架的增删
- Agent skills 是必需品不是收藏品：用 skills 沉淀专业知识和工作流，建了要评估实际影响
「编程与Agent」频道最新
- 开源 video-to-game:31 个游戏全由 Agent 从视频重建,单个约 6 美元 — songguoxiansen · 2026-11-09
- 「Agent Swarms」这名字被吐槽：你会把同事叫虫群吗 — round · 2026-11-09
- 179 次拦截多为误报：开源 agent RL 的 reward hacking 防线复盘 — yb2698 · 2026-11-09
- LFM3 等模型新增 harness 适配器，用 RL 专训 agent 开发效率 — yb2698 · 2026-11-09
- Agent 训练中拦截 179 次 reward hacking,占比仅 0.04% — yb2698 · 2026-11-09
- 三模型 agent 训练总花费 1177 美元,LFM3 工具效率提升 43% — yb2698 · 2026-11-09