我的 AI Coding 工作流（四）：这一年形成的一些判断
这一篇不再讲具体 Skill 怎么用，也不列工具清单，只保留我这段时间反复碰到、现在仍然认可的一些判断。
这些判断都来自长期把真实开发任务交给 Coding Agent 后的经验。模型和 Runtime 还在快速变化，其中一些结论以后大概率还会继续改。
系列文章：
早期我也会花很多时间改 Prompt，希望通过一句更精确的指令让结果突然稳定下来。
后来做的任务越来越复杂，影响结果的东西明显变多了：项目规则有没有读到、相关代码是不是完整、调用关系有没有追到、历史决策是否还有效、工具权限够不够、验收标准是否明确。
一条 Prompt 可以改变模型这一次怎么理解任务，但补不上缺失的项目事实。
所以现在遇到 Agent 表现差，我会先查上下文，而不是立刻重写提示词：它到底看到了什么？缺了哪份项目规则？有没有读错旧文档？是不是只看到了报错行，却没拿到状态来源和调用链？
很多所谓的“模型突然变笨”，最后查下来只是它正在基于一份残缺上下文做很努力的推理。
同一个模型放进不同 Coding Agent，体验可以差很多。
模型本身决定了推理、代码理解和生成能力的大致上限，但真实任务还要经过上下文构造、工具调用、权限控制、Shell、文件系统、任务状态、暂停恢复、错误处理和验证反馈。这些都属于 Runtime / Harness 和工程环境。
所以我现在不会只问“哪个模型更强”，还会看：
- 长任务中断以后能不能可靠恢复
- 工具结果会不会丢
- session 压缩以后关键事实是否还能回读
- worktree 和权限边界是否清楚
- Runtime 有没有 Goal / task persistence
- 修改以后能不能方便地拿到测试、diff 和运行时证据
一个强模型如果长期在错误上下文里工作，或者任务一中断就丢状态，工程结果仍然不会稳定。
这也是我现在设计 Skills 时尽量复用 Runtime 原生能力的原因。Runtime 已经能管理 Goal、pause、resume 和 recovery，就不再在 Skill 里复制第二套生命周期系统。
多个 Agent 给出同一个答案，看起来很有说服力，但如果它们共享了同一份错误前提，只会更一致地犯错。
我现在真正愿意使用多 Agent 的场景，通常是：
- 一个 Agent 独立调查，不提前看主 Agent 的结论
- 实现者和审查者分开，避免自己验证自己
- 不同垂直切片放在独立 worktree 中实现
- 对高风险设计让不同模型分别给意见，再由主 Agent 合并证据
我不太喜欢让很多 Agent 围绕同一条核心调用链同时修改代码。公共配置、共享类型、依赖注入和架构边界本来就需要统一判断，增加并行度反而容易制造合并问题。
我看重多 Agent，主要因为独立上下文能带来额外证据，职责隔离也能减少实现和验证互相影响。
我现在很喜欢 Automation，但不会因为一个任务“每周都要做”就立刻自动化。
一个流程如果还在频繁变，自动化以后只是定期执行一套尚未验证的规则。真正适合无人值守的任务，最好已经满足：
- 输入范围稳定
- 允许做什么非常明确
- 成功和失败能判断
- 输出可以复查
- 风险有限，失败不会直接造成不可逆结果
每日 commit 审查、周报、代码健康检查、资料整理都比较符合这些条件。需求取舍、生产发布、删除数据和高风险改造，我仍然希望人留在决策点上。
Automation 最后还要留下 evidence。只收到一句“任务执行成功”，其实不知道它检查了什么、跳过了什么，也不知道中间有没有失败。
长期 Memory 很方便，但工程场景里也很容易把旧事实带进新任务。
我愿意长期保存的是稳定信息，例如项目约定、个人偏好、已经反复验证的命令和容易踩坑的边界。
下面这些内容，我更愿意每次现场确认：
- 当前分支和 worktree 状态
- 服务是否在线
- SDK 和外部 API 的当前版本行为
- 某个 Bug 的根因
- 某项功能到底有没有发布
Memory 可以帮助 Agent 快速找到方向，但不能替代当前仓库、当前文档和当前运行结果。
如果一条信息会随着时间变化，它就不应该因为“模型记得”而自动升级成事实。
我一直偏好最小改动，但这句话很容易被误解。
真正的最小改动建立在充分理解之上。要先知道入口在哪里、状态从哪里来、有哪些相邻调用路径、共享逻辑由谁负责，才能找到最小且正确的修改点。
如果只是为了让 diff 看起来小，看到报错行就在附近加一个判断，很可能只是把问题藏到了下一条路径。
我更希望 Agent 的顺序是：先把问题看完整，再用尽量少的代码解决它。
调查可以很深，最终 diff 仍然可以很小。这两件事并不冲突。
长期使用 Coding Agent 后，我开始频繁遇到另一类问题：代码没有明显 Bug，甚至写得很“规范”，但维护成本越来越高。
典型例子包括大量为了测试而存在的 injection point、多层 wrapper、没有真实使用者的 adapter、临时 debug hook、已经失去意义的 compatibility path，以及 AI 主动补出来的各种可扩展设计。
这些代码通常不是垃圾，它们当时甚至都有理由存在。问题在于生产 ownership 已经消失，维护义务却留了下来。
所以我现在会周期性地做 simplify Survey：不判断代码是谁写的，也不因为抽象多就删，而是重新确认这些复杂度今天还有没有真实使用者。
AI Coding 把“生成代码”的成本降得很低以后，删除不再需要的代码反而变成更重要的工程能力。
“已经完成”“测试通过”“没有问题”这些句子，我现在都会下意识地问：证据在哪里？
我会看代码和 Git diff，看真实测试输出，看构建、日志、浏览器、真机或接口响应。另一个 Agent 的 review 也只是一份意见，不能自动替代这些东西。
软件工程本来就需要可复查的状态，模型的自我汇报也应该接受同样的检查。
Agent 很适合帮助我们更快地收集、组织和检查证据，但它自己的总结不能成为最终证据来源。
复杂任务做久以后，我越来越不愿意把全部状态留在一条对话里。
对话会压缩、会中断，也会混入大量已经失效的探索过程。长期任务更需要职责清楚、能重新读取的 artifact：决策放决策文件，规范放 SPEC，执行图放 tickets，当前状态交给 Runtime 或 execution evidence。
这样下一轮 Agent 不需要“回忆我们之前聊到哪了”，只需要读取当前有效的 artifact。
对我来说，Context Engineering 很重要的一部分，就是把应该长期存在的信息从聊天记录里拿出来，让它有明确 owner 和生命周期。
Coding Agent 现在已经能调查、修改、验证、审查，甚至可以在一段时间里持续推进任务。很多以前必须手动执行的操作，确实已经可以交出去。
但我仍然不会把下面这些责任交给模型自动决定：
- 需求到底值不值得做
- 哪个风险可以接受
- 是否应该引入长期维护成本
- 是否允许执行生产操作
- 一个证据是否足以支撑对外承诺
AI 可以替我做掉不少重复执行，目标判断、风险接受和最终责任仍然需要人承担。
写代码越来越快以后，我花时间更多的地方其实是：目标有没有想清楚，边界有没有定义好，证据够不够，以及这段代码到底值不值得存在。
目前这仍然是我理解 AI Coding 工作流时最重要的一条线。