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〉,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」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和演講影片,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。

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,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: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〉,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〉。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〉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,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〉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。