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: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〉,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」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,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)
1Use 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
2Stop 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
3Prompt 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」
4Make 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
5Give 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
6Eval 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
7Local 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
8Don’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
9Ask for irrefutable proof要求无可辩驳的证据。他说这条改变最大
10Don’t wait for your agents不要等 Agent,让 Agent 等你。交更大的任务,批次交办
11Automation/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
12Stop 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
13Threads 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
14Don’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
15Review 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)。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」

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〉;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?〉谈的是另一半问题。