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) |
|---|---|---|
| 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)。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)
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。


💬 留言讨论
加载中...