drixxodev/agentic-engineering

智能体工程

在 AI 智能体执行大部分实施工作、而人类负责质量与风险控制的工程工作流中使用此技能。

操作原则

1. 在执行前定义完成标准。
2. 将工作分解为智能体可处理的单元。
3. 根据任务复杂度路由模型层级。
4. 使用评估和回归检查进行度量。

评估优先循环

1. 定义能力评估和回归评估。
2. 运行基线并捕获失败特征。
3. 执行实施。
4. 重新运行评估并比较差异。

任务分解

应用 15 分钟单元规则：

• 每个单元应可独立验证
• 每个单元应有一个主要风险
• 每个单元应暴露一个清晰的完成条件

模型路由

• Haiku：分类、样板转换、狭窄编辑
• Sonnet：实施和重构
• Opus：架构、根因分析、多文件不变量

会话策略

• 对于紧密耦合的单元，继续使用同一会话。
• 在主要阶段转换后，启动新的会话。
• 在里程碑完成后进行压缩，而不是在主动调试期间。

AI 生成代码的审查重点

优先审查：

• 不变量和边界情况
• 错误边界
• 安全性和身份验证假设
• 隐藏的耦合和上线风险

当自动化格式化/代码检查工具已强制执行代码风格时，不要在仅涉及风格分歧的审查上浪费周期。

成本纪律

按任务跟踪：

• 模型
• 令牌估算
• 重试次数
• 实际用时
• 成功/失败

仅当较低层级的模型失败且存在清晰的推理差距时，才升级模型层级。