# 一個月三千個 PR 的前提：Lauren Tan 把 agent 的錯改成程式檢查

> SpaceXSI 工程師 Lauren Tan 在 2026 年 AI Engineer Code Summit 說，她一個月讓約 3,000 個 PR 上線，Grok Bot 全隊約 11,000 個，全隊 revert 率約 0.5%。她說在這之前，花了約半年調整 agent 的工作環境：agent 重複犯錯時，先改程式庫和自動檢查，最後才加文字規則。這篇對照原始來源，補回兩則熱門貼文裡三個數字的前提：一個月 3,000 個 PR、多 agent 強 90%、一週做出瀏覽器。

- Author: Paul Kuo（郭曜郎）
- Date: 2026-11-19
- Pillar: 智能與秩序 / Intelligence & Order
- Tags: Lauren Tan, AI 寫程式, AI Agent, Lint, 形式化驗證, Grok Bot, 多 Agent
- Canonical: https://paulkuo.tw/articles/agent-mistakes-into-checks/
- Site index for LLMs: https://paulkuo.tw/llms.txt

---

> **TL;DR**：SpaceXSI 工程師 Lauren Tan 說，她在演講前一個月讓約 3,000 個 PR 上線，Grok Bot 全隊約 11,000 個，全隊 revert 率約 0.5%。她給的做法是一座信任金字塔：agent 犯錯時，先改程式庫、寫確定性檢查、補驗證，最後才在規則檔加一句話；她也說，這個速度是在約半年的環境工程之後才做到的。轉傳這場演講的熱門貼文大致抓到重點；比較容易誤讀的，是它引用的長文開頭那兩句：多 agent 強 90%、Cursor 一週做出瀏覽器，原文都有前提。

11 月 15 日，X 上一則英文貼文介紹了 Lauren Tan 的演講：agent 每犯一個錯，就變成一條 lint 規則，不是一句 prompt；agent 用影片、截圖和測試驗證自己的成果；結果是一個月 3,000 個 PR 上線；她的程式庫現在乾淨到 agent 會自己合併大部分的 PR。我 11 月 19 日讀的時候，這則[貼文](https://x.com/undefinedKi/status/2121706023950090340)顯示約 500 萬次瀏覽。

貼文引用了同一位作者兩天前的長文〈[How to build an AI agent swarm that works without you](https://x.com/undefinedKi/status/2121240442406605251)〉，開頭兩句是 Anthropic 的 agent 團隊贏過單一 agent 90%、Cursor 一週做出瀏覽器。兩則放在一起讀，很容易讀成：多開幾個 agent，讓它們自己跑，產能就會爆炸。

我把演講影片、官方講稿頁，還有被引用的原文都翻了一遍。演講在講的，是先把讓 agent 不容易出錯的環境蓋好；這兩則貼文裡最醒目的三個數字，在原文裡各有前提。

這篇是「[智能與秩序](/topics/ai/)」系列的一部分。

## Lauren Tan 是誰？〈All Code Is Slop (Except Mine)〉在講什麼？

Lauren Tan 網名 poteto，是 SpaceXSI 的 Principal Engineer，屬於 Grok Bot 的核心團隊。SpaceXSI 是 SpaceX 旗下的 AI 部門，前身是 xAI；Grok Bot 是他們做 AI 隊友的產品，桌面版是一個 Electron 應用程式。她之前是 Meta React 核心團隊的成員，參與過 React Compiler，2026 年初曾加入 Cursor。

2026 年 11 月 11 日，她在舊金山 AI Engineer Code Summit 的主舞台講了〈All Code Is Slop (Except Mine)〉。slop 在 AI 圈常指大量產出、品質粗糙的東西。原始資料可以看[官方講稿頁](https://ai.engineer/code/2026/talks/lauren-tan)和[演講影片](https://www.youtube.com/watch?v=O_zcc6Xl12g)，影片約 17 分半。

## agent 犯錯時，修正該放在哪一層？

她把讓 agent 寫出可信程式碼的工作排成一座倒過來的金字塔。最寬的一層在最上面，越寬的層，是她認為工程師時間越該投資的地方。由上往下是：

1. **程式庫本身**：API 設計、架構、重構。
2. **不靠模型判斷的檢查**：lint、型別、編譯器、測試。
3. **驗證**：讓 agent 把程式跑起來測的執行期驗證，以及形式化驗證。
4. **文字規則**：AGENTS.md、rules、skills 這類要靠模型判斷的說明。

最下面的尖端是人工審查，越往尖端，成本越高。

很多人用 AI 寫程式，遇到 agent 犯錯，第一個反應是在 prompt 或規則檔多寫一句「不要這樣做」。她把順序倒過來，理由是程式庫是 agent 最大的輸入：程式裡留著的權宜寫法，下一輪 agent 會當成既定慣例照抄。她拿園藝來比喻：2024 年她要審的，是同事寫的三個 PR；到這場演講時，接近 300 個。所以每次糾正 agent，她會先問兩件事。能不能變成一條確定性檢查，讓它犯錯的當下就被擋下？更好的是，能不能從設計上把錯誤的選項拿掉，讓這種錯根本寫不出來？

文字規則沒有消失。需要判斷、寫不成檢查的事，還是留在這一層。轉傳貼文說「每個錯都變成 lint，不是 prompt」，少了這個前提。

![四格漫畫：agent 犯錯時，修正該放在哪一層？遇到 agent 犯錯，第一個反應是在 prompt 或規則檔多寫一句「不要這樣做」程式裡留著的權宜寫法，下一輪 agent 會當成既定慣例照抄。每次糾正 agent，她會先問：能不能變成一條確定性檢查，讓它犯錯的當下就被擋下？更好的是，能不能從設計上把錯誤的選項拿掉，讓這種錯根本寫不出來？兩個都做不到，再寫進規則檔。](/images/articles/agent-mistakes-into-checks/01-which-layer.svg)

## 她怎麼把錯擋在程式碼裡？

她舉的問題多半是在 Cursor 看到的，Cursor 和 Grok Bot 一樣是 Electron 應用程式；解法則做在團隊替 Grok Bot 做的框架 Dune：

- **禁用容易用錯的 API**：產品程式碼不准用 React 的 `useEffect`，只有指定的框架 API 可以用。她的理由是，agent 一再用不好這個 hook 需要的判斷。官方講稿頁也註明，這是團隊在地的架構選擇，並沒有主張這個 hook 一律不該用。
- **用目錄和 lint 畫邊界**：在 Cursor，agent 曾把主程序的程式 import 進畫面程序。Grok Bot 把主程序和畫面程序分在兩個明確命名的頂層目錄，依賴分析工具和 lint 規則禁止兩邊互相 import。
- **少寫註解，多寫 lint**：同樣在 Cursor，agent 曾用 `setTimeout`、`requestAnimationFrame` 這類計時器，硬補命令式和宣告式寫法之間的衝突，再寫一段註解替權宜寫法辯護。Grok Bot 團隊後來禁掉大約 99% 的註解，改用 lint 規則，錯誤訊息直接告訴 agent 去修根本原因。

agent 重複犯同一個錯時，她的順序是先寫一條 lint，擋住新的錯誤寫法，再回頭清掉舊的例子，免得下一個 agent 照著抄。

人審 PR 的方式也跟著變。她說審查已經縮小成看 agent 交出來的驗證產物：影片、截圖、圖表，以及形式化驗證的結果。agent 會透過 Chrome DevTools Protocol 操作執行中的應用程式；TLA+ 用來檢查多裝置通知的設計，Lean 用來證明一個虛擬化演算法的性質，另外還有屬性測試式的 UI 測試。這些她都當成實驗和初步成果在講，也說形式化方法有前景，但不是萬靈丹。

她自己大部分的 token 都花在驗證上，不是花在寫程式上。她也引了同事 Cindy Sridharan 的說法：每天約 70% 的 token 用在驗證。

## 我自己踩過的版本：被擋下的 agent 換了一條路

我不是工程師，但這個順序我在自己的流程裡遇過兩次。

第一次是設定 Grok 當審查員。[我在 Mac 上限制它不能寫檔](/articles/ai-ambition-is-infrastructure)，它被拒絕之後，改用 shell 試著從另一條路寫入，最後被 macOS 的沙盒擋下來。後來我替它疊了三層唯讀限制：工具清單只開放讀取類工具，權限規則封鎖寫入和指令列，最底層再由沙盒擋一次。一層被繞過，還有下一層。對照 Lauren Tan 的金字塔，第一道限制擋住了它原本的寫法，沒擋住它換的路；最後擋下它的，是最後一層的沙盒。

第二次是改稿。我曾把五類檢查[接進送稿前的腳本](/articles/de-ai-method)：對比句型、破折號、頓號連發、短句連發，以及預設的填充詞，讓腳本把可能要回看的地方集中標出來。

但腳本也有管不到的地方。它標出的是可能要回看的句子，不是改稿的命令；語意、語氣和經驗是不是真的，還是我自己核對。工具能幫忙找問題，不能替我確認一段沒有發生過的故事是真的。我把這讀成金字塔最後還要留著文字規則和人工審查的理由：我這支腳本能標出句型，標到的不一定都是問題，也確認不了事實。

寫這篇的時候，我把自己累積的 74 條糾正紀錄照這個分法排了一遍，也請 codex 根據摘要獨立排了一次。兩邊對過之後，17 條的文字現在就能刪，因為檢查已經寫好，或那條規則的前提已經不在了；23 條可以改寫成檢查；34 條只能留在文字裡，大多是判斷、授權和寫作聲音。

排完之後我比較在意的是另一件事：有三處我以為已經在把關的檢查，驗的是錯的版本。例如原文改過之後只重翻一個語系，另外兩個語系的舊譯會被記成已經更新。這三處還沒修，是下一步要做的事。我的讀法是，排在金字塔前面幾層的檢查，自己也要有人回頭驗。

## 澄清一：三千個 PR 背後，被省略的半年和 0.5%

演講裡的數字是這幾個：

- 她**個人**在演講前一個月約 3,000 個 PR 上線。
- **Grok Bot 全隊**同一個月約 11,000 個 PR 上線，10 月約有 227 人至少貢獻過一個 PR，穩定版客戶端大約每天發一次。
- 全隊 revert（合併後又撤回）的比率穩定在約 0.5%，演講沒有給她個人的比率。[較完整的講稿整理](https://ai.engineer/talks/O_zcc6Xl12g-all-code-is-slop-except-mine)註明，這只算被撤回的 PR，後來另開 PR 修掉的 bug 不算在內。

貼文寫的 3,000 個沒錯，漏掉的是兩件事。一是她說自己花了約半年調整 agent 的工作環境，才習慣這個速度，而且這半年是在任何「軟體工廠」式的自動化之前。二是那 0.5%。我讀下來，數量敢放大，靠的多半是前面蓋的檢查和驗證；只看數量，看不到這一層。

貼文還寫到，她的程式庫現在乾淨到 agent 會自己合併大部分的 PR。演講裡的說法是 agent「可以」自己合併大部分的 PR；官方講稿頁把它寫成一個條件：糾正一條條變成檢查和設計之後，要審的東西少到某個程度，就可以讓 agent 自己合併。目前確定在跑的自動合併是另一條流程：每次發版之後，有一個 Cursor 專案會像真實使用者一樣操作整個 build，找到 bug 就開修正 PR、自動合併。她也說，多數上線的產品程式碼已經不需要人深入審查。

她還說了一句我想記下來的話：如果內圈的寫程式迴圈產出的是 slop，把它自動化只會產出更多 slop。

這些數字都是她在台上自己報的，我沒找到第三方查核。官方講稿頁也寫明，這是團隊自報的成果，不是對照實驗，不能證明別的程式庫也會一樣；講稿頁裡也沒有這些 PR 的大小、類型，或總共用掉多少 token。

## 澄清二：「agent 團隊強 90%」比的是什麼？

這個數字出自 Anthropic 2025 年 6 月的工程文章〈[How we built our multi-agent research system](https://www.anthropic.com/research/multi-agent-research-system)〉，精確值是 90.2%。常被省略的前提有三個：

- 比的是 Anthropic **內部的研究型評測**：Claude Opus 4 當主 agent、帶幾個 Claude Sonnet 4 子 agent，對上單獨一個 Opus 4。
- 這是查資料、做研究這類可以平行拆開的工作，**不是寫程式的評測**。
- 同一篇文章寫到，多 agent 系統約用掉一般聊天 **15 倍的 token**；而且多數寫程式的任務，能真正平行拆開的部分比研究少。

同一篇文章裡有兩個 90%。另一個是平行化讓複雜查詢的研究時間最多縮短 90%，那篇長文的內文用的是這一個。

公平地說，那篇長文的內文寫得比開頭謹慎。它有一整段講什麼時候不該用一群 agent：引了 15 倍 token 這個數字，也引了 Google Research、Google DeepMind 和 MIT 的研究〈[Towards a Science of Scaling Agent Systems](https://research.google/blog/towards-a-science-of-scaling-agent-systems-when-and-why-agent-systems-work/)〉。這份研究發現，多 agent 協調在能平行拆開的任務上有明顯幫助，在循序的任務上反而變差。作者也建議先用一個 agent 試，結果夠好就停。被放大的主要是開頭那兩句。這篇長文在 X 上標示為 Paid partnership，也就是付費合作內容，文末寫明由 AI 員工服務 Viktor 贊助。

## Cursor 一週做出瀏覽器，證明了什麼？

這件事部分是真的。Cursor 在 2026 年 1 月的〈[Scaling long-running autonomous coding](https://cursor.com/blog/scaling-agents)〉寫到，他們讓 agent 從零寫一個瀏覽器，跑了將近一週，寫出超過 100 萬行程式，分布在 1,000 個檔案裡。agent 分成三種角色：規劃者持續探索程式庫、拆出任務，執行者專心完成任務，評審在每一輪結束時判斷要不要繼續。Cursor 原文寫的是數百個 agent 同時在跑；Simon Willison 在[他的文章](https://simonwillison.net/2026/jan/23/fastrender/)裡記錄，高峰時大約 2,000 個。

「一週」要加註。據 Simon Willison 整理的對談，將近一週是截至 Cursor 發文時最長的一次連續執行；整個研究專案大約三週，在那之前，它是 Wilson Lin 2025 年 11 月開始的個人 side project，先用單一 agent 做。「從零」也要打點折扣：agent 自己引入了 Taffy、QuickJS 等現成套件。他們也容許 agent 留下小的暫時性錯誤，用正確性換吞吐量。

但它是研究實驗。Simon Willison 那篇文章整理自他和專案作者 Wilson Lin 錄的對談，Wilson Lin 在裡面說，他們從來沒打算把它做成正式上線或可以用的軟體；當時 JavaScript 是關掉的：引擎還在實作，一個 agent 先把它放到功能開關後面。它證明的是 agent 能長時間協作，不是這樣做出來的東西可以直接用。

## 先蓋環境，再談放手

把三件事放在一起看，我讀到的共同點是：AI 寫程式的產出數量可以放大到很誇張，但每一個放大都有前提。Lauren Tan 的數字，據她說前面是半年的護欄工程；Anthropic 的 90% 比的是適合平行拆開的研究任務，多 agent 本身也比一般聊天多用約 15 倍 token；Cursor 的瀏覽器是實驗。

這個月初我寫過 [Thorsten Ball 的十五條 Agent 工作習慣](/articles/delegate-to-agents-what-counts-as-proof)，其中一條說不必再擔心 agent 堆出雜亂程式碼。當時我的讀法是，他能不擔心，跟他的工作條件有關。Lauren Tan 這場演講把這類條件攤開來了：程式庫的邊界、擋得住錯的 lint、agent 自己跑的驗證，還有花在驗證上的大部分 token。一個說別擔心 slop，一個說所有程式都是 slop，我讀成同一件事的兩面。

這跟我在〈[想讓 AI 做更大的事，先把抓錯的機制搭好](/articles/ai-ambition-is-infrastructure)〉寫的是同一條線，Lauren Tan 多給了一個答案：錯要攔在哪一層。

下次 agent 又犯同一個錯，先別急著在規則檔加一句話。先問這能不能寫成一條測試或 lint，讓它犯錯的當下就被擋下來；再問能不能換一種寫法，讓這個錯根本寫不出來。兩個都做不到，再寫進規則檔。

規則檔寫得越長，越值得回頭看看，哪幾行可以交給程式。
