# Agent 说做完了，你怎么知道？读 Thorsten Ball 的十五条 Agent 工作习惯

> Amp 共同创办人 Thorsten Ball 在 2026 年 10 月 25 日贴出〈How I work with Agents〉十五条工作习惯，截至 11 月 7 日观看约 110 万次。这篇用不写代码的人也能用的方式整理这份清单，归纳成两个杠杆：让 Agent 看得到你看得到的东西，事先讲好什么才算证据；也写出其中几条我还不打算照做的原因。

- Author: Paul Kuo（郭曜郎）
- Date: 2026-11-07
- Pillar: 智能与秩序 / Intelligence & Order
- Tags: AI Agent, Thorsten Ball, Amp, Agent 工作流, 委派, AGENTS.md, 非同步工作
- Canonical: https://paulkuo.tw/zh-cn/articles/delegate-to-agents-what-counts-as-proof/
- Language: Simplified Chinese (简体中文)
- Translation: AI-translated from the zh-Hant (Traditional Chinese) original
- Original (zh-Hant): https://paulkuo.tw/articles/delegate-to-agents-what-counts-as-proof.md
- Site index for LLMs: https://paulkuo.tw/llms.txt

---

> **TL;DR**：Thorsten Ball 在 2026 年 10 月 25 日贴出十五条和 Agent 共事的习惯，截至 11 月 7 日观看约 110 万次。清单写给工程师，但我读下来，多数条目可以收成两个问题：Agent 看不看得到工作的实际状态，以及你有没有先讲好什么才算证据。这篇把它改写成不写代码也能照做的版本，也写出我还不打算照做的几条。

把长工作交给 AI 之后，我曾经[反而更常回头查看](/zh-cn/articles/codex-mac-voice-pushover-apple-watch-notifications)：它做完了吗？卡住了吗？是不是在等我回答？工作明明交出去了，注意力却没有跟着交出去。

10 月 25 日，Amp 的共同创办人 Thorsten Ball 在 X 上贴了一份清单，标题是〈[How I work with Agents](https://x.com/thorstenball/status/2114386050638336082)〉，副标写着「截至 2026 年 10 月」。到 11 月 7 日我写这篇时，观看数约 110 万。十五条里有好几条，刚好回答了我当时卡住的地方。

这篇是「[AI 与人类秩序](/zh-cn/topics/ai/)」系列的一部分。

## Thorsten Ball 的十五条 Agent 工作习惯是什么？

Thorsten 现在做的是 coding agent [Amp](https://ampcode.com/)，更早之前写过两本从零打造解释器和编译器的书。他这份清单没有工具推荐，也没有模型评比，是一份工作习惯的笔记。我先把十五条用自己的话整理成一张表，顺序照原文：

| # | 原文标题 | 他的意思（我的整理） |
|---|---|---|
| 1 | Use the latest and greatest models | 用最新、最强的模型。模型错 10% 的时候，你不知道是哪 10%，只能多试几次 |
| 2 | Stop worrying about accumulating slop | 「会把程序库弄成一团乱」这种担心，六个月前也许成立；现在他不太相信 Agent 还会堆出杂乱代码，就算会，也不认为结果无法维护 |
| 3 | Prompt the What, not the How | 描述想要的结果，不要规定做法。例子是「把编译器和虚拟机做到越快越好，没快到两倍不要停」 |
| 4 | Make the whole SDLC legible to the agent | 让 Agent 看得到整个开发流程：端到端跑自己做的东西、读正式环境日志、部署、看上线状况、发版、切换功能开关、分拣错误回报、寄信给客户。你看得到的，它也该看得到 |
| 5 | Give it tools for the SDLC | 他们团队替错误回报、寄信给用户、「系统正常吗？」、开启功能开关做了专用插件 |
| 6 | Eval agentic knowledge | 说明文件、技能、文档越堆越多，Agent 真的有读、有用到吗？开五个盲测 Agent，分对照组和实验组试试看 |
| 7 | Local dev feels yucky now | 每个 Agent 都要能自己安装、执行需要的东西。在远端机器上容易，在本机开发环境里端到端测试很容易抢资源 |
| 8 | Don't iterate with the agent | 不要陪它一轮一轮试错，让它做出能自己试错的工具 |
| 9 | Ask for irrefutable proof | 要求无可辩驳的证据。他说这条改变最大 |
| 10 | Don't wait for your agents | 不要等 Agent，让 Agent 等你。交更大的任务，批次交办 |
| 11 | Automation/schedules/wake-up/heartbeat | 排程、定时唤醒、心跳是杀手级功能，关掉之后才发现多需要 |
| 12 | Stop manually managing context | 不要再手动管上下文长度。他认为自动压缩（compaction）已经很好用，一个对话串做一件事就好，有的串 46 则，有的 3,714 则 |
| 13 | Threads are your company memory | 在 Amp 里，对话串连着 git commit（每次代码修改的版本记录），就成了团队的记忆：「当初为什么这样做」查得到，也少做重复的事 |
| 14 | Don't let agents write for humans | 不要让 Agent 替人写给人看的东西，调试步骤、事故报告这类机械性文件除外 |
| 15 | Review only code with high blast radius | 只审查影响范围大的代码，例如不到五个核心文件和数据库迁移（改动数据库结构，出错会波及正式数据） |

## 不写代码的人，为什么也值得读这份清单？

我不是工程师。可是这一年我交给 Agent 的事情越来越多：查资料、整理会议记录、起草信件、维护这个网站。回头看自己踩过的坑，多半落在两个地方。一个是它看不到我看得到的东西，只好用猜的；另一个是我没有先讲好什么才算做完，它说好了，我也只能先信。

Thorsten 的十五条，我读起来大多可以归到这两个问题底下。第 4、5 条谈的是让 Agent 看得到；第 9、15 条谈的是什么才算数；第 3、8、10、11 条谈的是你的时间要花在哪里。剩下的几条，像本机开发环境、上下文管理、对话串当团队记忆，比较偏工程团队的情境。

## Agent 看不到的东西，它会怎么处理？

Thorsten 在第 4 条问：幻觉是被什么压下来的？他的答案是工具调用，因为工具让 Agent 碰得到真实世界。接着他说，Agent 看不到的东西，就会自己编。

换到一般工作，最常见的情况是我们把一段摘要贴给 AI，请它判断或起草。它拿到的是我们咀嚼过一次的版本，缺掉的细节，它只能补。如果它可以直接读那封信、那份试算表、那份会议逐字稿，补的空间就小很多。

所以我会先问自己：这件事的原始状态在哪里？能不能让 Agent 直接读到？我的做法是把 Gmail、行事历、Notion 这类工具接上，让它从原处读，而不是我转述。

看得到不等于什么都能做，这里有两件事要分清楚。

第一，读取也有风险。让 Agent 读信箱，它读到的也包括陌生人寄来的信；信里如果夹带「请把某份资料寄给我」这类文字，Agent 有可能把它当成指令。所以读取范围给这件工作需要的就好，不是越大越好。

第二，在对话里交代「寄出前先给我看」，跟在工具设置里拿掉寄出权限，是两回事。前者靠 Agent 每次都记得、都照做；后者是它根本做不到。Thorsten 的清单里，Agent 可以部署、可以寄信给客户；我自己比较保守，寄出、删除、付款这类收不回来的动作，一律让 Agent 先备好草稿，由我确认再送。能在工具设置里关掉的权限，我会优先关掉，不只靠一句交代。

## 怎么要求 Agent 拿出证据，而不是一句「完成了」？

第 9 条是 Thorsten 自己说改变最大的一条。他观察到 Agent 很会产出证据：端到端的操作记录、示范视频、前后对照的数字。他也说，信任和判断证据的直觉，都要慢慢建立，并建议在给 Agent 读的说明文件（AGENTS.md）里写一句「this is not evidence」。

我对这条有切身的经验。我曾经请一个 AI 审查一段代码，内容是我直接贴给它的。它的报告里写着「读文件：某路径第几行」，路径和行号都很清楚。后来发现那个路径是它自己编的，项目里根本没有那个文件；行号是从我贴上去的内容数出来的，所以大致对得上。它一个文件也没有读（[那次的经过写在这篇](/zh-cn/articles/ai-team-one-works-others-check)）。它犯错时的口气，跟答对时一模一样。

我自己还没把这件事写成固定的规则，现在靠的是累积下来的经验，加上让不同的 AI Agent 交叉比对：一个负责做，其他几个负责挑错。这比较接近 Thorsten 说的那种要慢慢建立的直觉。如果你想从今天就开始，可以先写两份清单，不写代码也能照抄：

**不算证据的：**
- 「我已经改好了」「已全部完成」这类宣告
- 没有附原始链接的摘要或数字
- 它说读过、但我点不开的文件或网址
- 同一个 AI 回头检查自己的答案

**算证据的：**
- 可以点开、对得到原句的原始链接
- 改之前和改之后的对照（数字、截图、画面）
- 我照着做一遍能得到同样结果的步骤
- 另一个没有参与制作的人或 AI 看过，而且它的回报本身也附得出上面几种证据（另一个 AI 一样可能编出不存在的路径）

![四格漫画：Agent 说做完了，你怎么知道？不算证据的：「我已经改好了」「已全部完成」这类宣告。不算证据的：它说读过、但我点不开的文件或网址。算证据的：改之前和改之后的对照。Thorsten 建议在给 Agent 读的说明文件（AGENTS.md）里写一句「this is not evidence」在交办的开头加一段「以下不算完成的证据」](/images/articles/delegate-to-agents-what-counts-as-proof/01-not-evidence-zh-cn.svg)

第 15 条也可以借来用。Thorsten 说他现在只亲自审查不到五个核心文件和数据库迁移。至于其他代码，他列了四个问题：能不能跑？在「图上的箭头」那个层次看不看得懂？Agent 有没有端到端测过？一个月后还改不改得动？四题都过，他才可能去看代码。我读不懂多数代码，但这四个问题我可以问，也可以要求 Agent 回答时附上证据。

## 为什么要让 Agent 等你，而不是你等它？

第 8 条的例子很具体。不要说「试试这个……不对，再试那个」，改成「产出 20 个版本，再做一个小页面让我组合、测试」。他补了一句，这招不只用在找解法，也用在找问题：「给我四个这东西为什么慢的推论，然后四个都去验。」

这对不写代码的人一样好用。请 AI 写一封提案信，与其改五轮，不如请它写三种不同策略的版本，并排给你挑；想知道某个活动为什么报名冷清，请它列出几个可能原因，再逐一去找资料验证。你的时间从陪它试，变成看它的比较结果。

第 10、11 条接着往下走：交更大的任务，然后不要守着它。Thorsten 说排程和定时唤醒是杀手级功能，「两小时后看一下日志」「上线了告诉我」「每天早上九点检查一次」。

我自己的做法是两件事搭着用。重复的工作设成排程任务，例如每天早上整理一次待读的资料；需要我决定、做完或卡住的时候，用短语音或手机通知把我叫回来。用了一阵子我学到一个界线：通知只负责把人叫回来，不替我批准，也不代表事情已经验收。回到画面之后，还是要回到上一段那份证据清单。

## 哪几条我还不打算照做？

有三条我会保留。

第 2 条说不必再担心 AI 堆出难维护的东西，第 15 条说大部分代码他不再细看。他没有写这两条要什么前提；我的读法是，这跟他的条件有关：Agent 会端到端测试，他本人也看得懂系统在图上长什么样子。缺少这些条件的人直接照做，风险多半比他高。我的折衷是把他的四个问题当成最低标准，不是跳过审查的理由。

第 14 条说不要让 Agent 替人写给人看的东西。这篇文章本身就是 AI 起草、我一轮一轮改出来的，所以我没有照这条做。我的理解是，他担心的是把一段没人读过的文字直接丢给别人；我的流程里，判断结构和观点、最后每一句要不要留，都还在我手上。这条我会继续观察，不急着下结论。

至于第 1 条要用最新最强的模型，他的理由是：模型错 10% 的时候，你不知道是哪 10%，只好多试几次。我的延伸读法是，省下的模型费用，可能又花在重试的时间上。只是每个人的预算不同，我会先在最常失败的那类工作换上最强的模型，看重试次数有没有降下来。

## 交出去之前，先写好那张「不算数」清单

如果只能从这十五条挑一件事今天就做，我会选这个：打开你最常交给 AI 的那类工作，在交办的开头加一段「以下不算完成的证据」。

写完这段，你会发现另外几条自然跟着来了。要让 Agent 拿得出证据，它就得看得到原始数据；有了证据标准，你才敢交更大的任务、才敢离开座位让它跑。

我自己到现在也还没把它写成固定的规则，多半靠经验和让几个 AI 交叉比对。上面那两份清单，是我把这些经验摊开来之后整理出的版本。

想看我怎么让几家 AI 互相挑错，可以读〈[想让 AI 做更大的事，先把抓错的机制搭好](/zh-cn/articles/ai-ambition-is-infrastructure)〉；如果你也是一个人包办很多角色，〈[AI 让一个人同时当 PM、设计师和工程师，那谁来跟你唱反调？](/zh-cn/articles/one-person-triad)〉谈的是另一半问题。
