Wink Pings

一个月 2500 个 PR 的 agent 方法,先别照抄那段 prompt

Lauren Tan 的 pstack 和 Chonsy 的 Grok Bot 教程都在讲 agent 团队,真正决定能不能用的是权限、验证和证据链。Opus 5.5 那一段反而最容易看错。

Lauren Tan 一个月往生产环境送了 2500 个 PR,这个数字在 X 上被转了很多次。她是 SpaceXAI 工程师,分享的方法叫 pstack。核心动作不复杂:让 agent 自己启动应用、执行改动相关的检查、保存证据,再把可复用的验证指令写进仓库,下一个 agent 接着用。

image

Chonsy 随后写了一篇教程,把 Lauren 的方法落到 Grok Bot、Cursor cloud agents 和 GitHub 上。教程标题里带 Opus 5.5,但这里有个容易看错的点。Chonsy 在文中写明,Grok Bot 自己选后端模型,不能强制 Opus 5.5,也不能检查某个请求背后用了什么模型。想显式选模型,要去 Cursor cloud agent 的配置里确认。模型选择和运行结果必须分开记录。把标题当成模型能力证明,会跑偏。

教程里的团队有四个角色。Chief 接需求、记负责人和阻塞,Lead 把 issue 拆成带验收标准的计划,Builder 在独立分支上实现,Reviewer 拿原始需求、PR 的精确 head SHA 和 Builder 的证据做独立检查。四个 bot 放进一个群聊,交接必须写清 issue、当前 owner、commit、证据和下一步。这个约束比角色名字重要。十个 agent 并行,如果没人知道哪个 commit 被谁验证过,最后只是十个 PR 等人工看。

Lauren 那段权限 prompt 覆盖了 request.bind、authority.resolve、action.inspect、action.route、context.sync、worker.cycle、proof.match、check.record、result.route、repository.maintain、return to_thread、autonomy.expand。名字很多,实际在管四件事:请求来源和已有授权要绑定,动作要检查目标和影响,执行前要复现并固定 baseline,结果要带 commit、worktree、命令、预期、实际、退出码和证据路径。action.route 把动作分成 ALLOW、CLARIFY、ESCALATE。authority.resolve 里有一句很关键:understanding != authorization,passing_checks != release_approval。看懂任务不等于有权限,检查通过不等于可以发布。

验证部分落在仓库里的 skill。Chonsy 的示例用 Cypress Real-World App,先让 Chief 确认能装依赖、启动前端和 API、跑 yarn types 和认证测试。再用 pstack 的 create-verification-skill 生成 .cursor/skills/verify-rwa/SKILL.md,写清 launch、doctor、drive、evidence、cleanup。feature map 从认证开始,记录入口、选择器、动作、预期结果和失败条件。Reviewer 检查时必须 checkout PR 的 exact head SHA,跑相关检查,保留日志和截图。有新 commit,旧 verdict 失效。

有网友在回复里说,自己用 poteto 的 skills 一段时间,最该抄的是验证结果那部分。PR 里带勾选过的测试计划,再补一行生产环境测试;verify skill 覆盖不到 CI workflow 时,PR 要写明,用 fixtures 加 dry run 补。这个说法比只讨论模型有用。验证结果不能只写一句测试通过,得能让下一个人复现。

image

CI 也接进这个流程。示例仓库加了一个 auth-verification job,在 pull_request 时启动 yarn dev,等 3000 和 3001 端口,跑 types 和认证 spec,上传 Cypress 截图和视频。配置成 required status check 后,它才成为合并门。Reviewer 的 PASS 是另一份报告,合并前还要对齐 reviewed SHA 和当前 head。任何新 commit 都要重新检查。

回复里也有人担心权限。有网友反问,真要把这一整套直接丢给 agent 吗,不先检查所有东西?这个担心不多余。权限 prompt 写得再细,贴进对话框也不会自动变成治理。它需要仓库规则、工具权限、审批条件和执行记录一起工作。autonomy.expand 那段写得很克制:先有可重复验证,再扩大委托;定义权限、隔离和停止条件;保留决策日志和回滚选项。缺少这些,agent 团队只是把人工 review 的队列拉长。

image

可复用的经验在边界和证据。角色可以四个,也可以三个;模型可以换;prompt 可以删减。让 agent 在可检查的授权范围内工作,把每次行动的来源、影响和证据留在仓库和 PR 里,这套东西才撑得住并行。想试的话,先跑通一个仓库的环境验证,再生成一个 feature 的 verify skill,然后让一个 issue 走完 Lead、Builder、Reviewer。别急着开十个 agent。先看第一个 PR 的证据能不能让你少问三个问题。

发布时间: 2026-11-17 21:34