Humans steer. Agents execute.
程序员的职责正在从直接编写代码，转向设计能让 AI Agent 持续推进与验证的环境。
Humans steer. Agents execute.
这句话准确概括了程序员职责的变化：从直接编写代码，转向构建让 Agent 持续推进的环境、明确表达意图并建立可靠的反馈回路。代码仍然重要，但工程重心正转移到支撑模型稳定运行的上下文与执行边界上。
要让 AI Agent 编码工具保持自主、长效地运行，需要面对几个基本的工程现实。
开发形式会不断变化
底层模型的发展会持续重塑开发形态。
针对当前模型短板（如上下文受限、推理漂移、执行脆弱）所设计的方法论和流程，往往会随着下一代模型能力的跃升而迅速过时甚至成为负担。因此，工程设计的重心应当放在保持系统演进弹性上，构建能随模型升级而低成本调整的环境，而非固化特定阶段的执行流水线。
少一点方法论崇拜，多一点工具现实主义
前沿工程团队往往更早触达可行的技术方案，原因在于他们具备更长的真实反馈链路与工具迭代机会。Codex、Claude Code 等工具已经逐步将 Skill 规范、脚手架、任务拆分和反馈闭环内化为产品原生能力。与其在外部反复叠加抽象包装，不如深入理解成熟工具的生效前提与失效边界。
“Less is more”在这里体现为务实的工程克制。
上下文决定了执行质量
模型的实际输出上限，高度受限于所提供的上下文质量。输入越模糊，模型越倾向于补全出看似合理却偏离意图的内容。
在工作流中，“研究”与“实现”应当严格物理拆分：
- 研究阶段：梳理问题空间、收集代码约束、理解现有架构；
- 实现阶段：基于经过过滤和确认的上下文精准修改代码。
若将二者混合在同一会话，Agent 会在边探索边修改中迅速污染上下文，导致执行目标发散。
需求保持中立，反馈引入对抗
模型存在天然的迎合偏好。例如输入“找出数据库中的所有 bug”，模型倾向于迎合这种预设，产出大量疑似缺陷的噪声。提示词应当保持中立，例如“梳理当前数据库各组件的运行逻辑，并列出与预期不符的行为”。前者奖励主观结论，后者促成客观验证。
在需要深度排查问题的场景中，对抗式评估结构能有效抑制这种倾向：
- 生成 Agent：负责挖掘潜在缺陷，按发现严重度获得正向反馈，逼近候选缺陷的超集；
- 反驳 Agent：负责证伪提出的缺陷，反驳失败承担更高惩罚，逼近有效缺陷的子集；
- 裁判 Agent：基于静态测试或形式化基准裁决双方论据并打分。
通过环境激励的相互制衡，系统可以在概率模型固有偏差下收敛出更稳健的结果。
明确的终止条件是持续运行的前提
长程任务的稳定性，核心在于终止条件的确定性。一个可持续的 Agent 任务必须具备明确的退出判断：
- 自动化测试全部通过
- 界面渲染与基准截图完成像素或 DOM 校验
- 接口契约或文件改动满足预设的验收标准
缺乏客观终止条件的“长程自治”，本质上是让模型在退化的上下文窗口中无序漂移。
避免单智能体长会话，关注 Harness Engineering
单智能体在超长会话中必然面临上下文腐化：历史噪音累积导致注意力分散，早期错误在滚动窗口中被固化。更合理的架构是把工作拆解为类似 Issue 的短周期任务，在隔离的执行分支中运行并验证，最后汇总合并。
因此，工程精力应集中在 Harness Engineering 上：
- 任务的边界定义与上下文裁剪；
- 研究阶段与实现阶段的隔离；
- 验收与退出条件的自动化校验；
- 多 Agent 的协作与对比机制；
- 异常发生时的状态重置与快照恢复。
最终，决定系统产出质量的，是这套支持 Agent 稳定、可验证运行的环境基础设施。