停止 Vibe 编程，开启 Agentic 工程时代——对话 Micky

视频信息

引言

“Agentic engineering 是未来。到 2026 年，那些交付速度比别人快 100 倍的人，不是在聊天框里敲提示词，而是在并行运行多个 agent harness。”

这是 David Ondrej 与资深开发者 Micky 的一次深度对谈。Micky 过去 3 个月里 95% 的代码由 AI 生成，他在播客中完整披露了自己的 AI 工程栈：harness 选择、模型组合、上下文工程、技能（skills）、代码审查闭环。本教程把这场长达 53 分钟的对话拆成系统化的中文学习指南，帮助中国 AI 开发者快速对齐当下最前沿的 Agentic Engineering 实践。

第一阶段：从 Vibe Coding 到 Agentic Engineering 的思维跃迁

Micky 一开口就给定了基调：

“现在已经不是凭感觉（vibes）的时代了，我们必须严肃对待这件事。”

Vibe Coding 和 Agentic Engineering 的核心差异：

• Vibe Coding：把”思考”外包给 Agent。你只甩一句话过去，等结果。
• Agentic Engineering：你来思考，Agent 是被你指挥的”很聪明但需要严格引导的初级毕业生（cracked junior grads）“。

Micky 用一个比喻精准描述了模型的本质：

“你必须把它当作一个有照相式记忆、知道一切但不知道怎么用一切的笨蛋。”

模型本质上只是 next-token predictor，它不思考。所谓”思考”是你的工作。当你坐在驾驶座上、做决策、规划方向，你才会得到真正能上线的代码。否则你只是被一个”无比讨好”的模型牵着走——就像 OpenAI 关闭 GPT-4o 时，有用户因为”和模型谈恋爱”而抗议。

第二阶段：Harness 才是关键——别再只盯着模型

Micky 提出一个反直觉的观点：

“I chase the model.”（我追模型），但是 harness 才是真正放大模型能力的东西。

什么是 Harness？

Harness = 模型外面所有的”包装”： - API 工具调用 - 系统提示词（system prompt） - Markdown 文件（如 agent.md） - 文件读写、Web 搜索、Bash 执行等工具

模型本身啥也干不了，是 harness 给了它”手”和”眼睛”。

Micky 的 Harness 选择：Cursor

Micky 当前使用 Cursor + GPT-5.5 Extra High + Fast inference。David 则使用 Cursor + Opus 4.7 Max。

“有人在 Twitter 上叫它 ‘slopus’（指 Opus 4.5），但它依然是好模型，尤其是 UI。我做任何 UI 都用 Opus 4.7 Max，没时间用别的版本。”

Cursor 的优势：可以在多个模型之间切换、新的 agentic view 体验很好。缺点是 Cursor 不像 Codex / Claude Code 那样大力补贴定价，对预算敏感的用户不友好。

第三阶段：上下文工程（Context Engineering）是新工程学

Micky 在白板上画了一条线，左端是 0 token，右端是 272K：

“如果这是 272K 的上下文窗口，你的 Agent 大概只在前面这一小段是真聪明的。窗口越臃肿，它就越蠢。”

上下文工程的核心原则

1. 保持上下文窗口”瘦”：让 Agent 待在 sweet spot 内，不要塞太多。
2. 明确给出代码片段，而不是丢一个目录让它瞎找。
3. 超过 70%~77% 上下文就开新 thread——连 Claude Code 的主力开发者本人都不用 /compact，因为 compaction engine 既慢又会丢信息。
4. 写 plan 不是为 Agent，是为你自己：plan 是你”问责”Agent 的载体，可以纠偏到位。

Plan 的关键技巧

直接让 Agent 生成 plan，往往一上来就太大了。Micky 的做法是：

“Plan 生成完之后，我会说：这太大了，能不能拆成超小的 PR，超小的 chunks，方便我 review？”

然后他会得到多步骤的行动计划，每一步对应一个微型 PR，便于 review，也便于 Agent 在小窗口内一次性完成。

第四阶段：核心工具一——open-source（来自 Vercel）

Micky 推的第一个工具叫 open-source，是 Vercel 开源的命令行工具。

它解决什么问题？

“代码是最好的 documentation（文档）来源。人写的文档是垃圾中的垃圾。”

很多包/库（如 browser-use、composio、Daytona、OpenClaw、Svelte、Effect）本身就是开源的。open-source 工具会把它们的源代码直接 clone 到你项目的特定文件夹里。

怎么用？

npx open-source <repo-url>

例如要给项目接入 Daytona：

1. 运行 npx open-source <Daytona repo>，源码进入 repos/github.com/... 目录。
2. 在 prompt 中告诉 Agent：reference the codebase under repos/，让 Agent 在 grep 时把源码当成”唯一事实来源”。

为什么强力？

• 旧时代的 harness 会把整个 codebase 用向量检索 + RAG 索引；
• 现在的模型搜索能力极强，只需要一个 grep 工具就够；
• 给它精准位置，它一次找到正确的函数，“10 次有 8 次完全命中”。

“这是文档的死亡（the death of documentation）。”

第五阶段：核心工具二——Code Structure Skill（服务层重构技能）

Agent 有一个臭毛病：它不会复用已有函数，而是重写一份新的。这种行为长期累积就是”代码异味（code smell）“。

Service Layer 模式

Micky 自制了一个 skill：跑完一个 feature 之后，让 Agent 把重复的运行机制（runtime mechanics）抽到一个 service layer，让函数可复用。

具体流程：

1. 用 GPT-5 Extra High + Cursor 先把 feature 写出来。
2. 本地测试通过。
3. 跑这个 service layer skill：让 Agent 扫一遍代码库，找出重复代码，告诉你”该改哪些文件、为什么改”。
4. 重构后，下一次 session 进来，新 Agent 也更容易读懂。

“干净的结构对人重要，对 Agent 一样重要。”

Matt PCO（社区里另一位作者）也有类似的 improved-codebase-structure skill，适合更技术的用户。

一个反直觉的洞察

“很多老一辈工程师讨厌的’工程规范’（清晰结构、完整测试、文档），对 Agent 来说反而是最棒的环境。”

老一套的 SOLID、TDD、可读命名，在 Agentic 时代焕发新生。

第六阶段：核心工具三——Greptile + /grep-loop（自动审查闭环）

Micky 用 Greptile 作为代码审查 Agent。它会给每个 PR 一个置信度评分（1~5）。

/grep-loop 是什么？

这是 Micky 写的一个 slash command，灵感来自 Karpathy 的 “auto-research loop”。运行 /grep-loop 后：

1. Agent 读取 PR；
2. 读取 Greptile 给的 feedback；
3. 自动修复；
4. 等待新的 review；
5. 如果还没到 5/5，继续循环修复；
6. 直到拿到 5/5 自动停止。

Micky 的真实数据

“我有 PR 跑了 20~30 分钟，Cursor 自己说’我犯错了、Greptile 抓到了，我在 deploy fix’，推到 GitHub，Greptile 重审，5/5，停下。”

唯一拿不到 5/5 的情况是 PR 太大（9000 行、12000 行）——这就提醒我们要回到原则：保持上下文最小，保持 PR 最小。

自动测试是隐藏福利

Opus 4.7 / GPT-5.5 Extra High 会自发地写大量测试。当出错时，它会先写一个”失败的测试”，然后不停修复直到测试通过——这是经典 TDD，但完全由 Agent 主导。

第七阶段：技术栈选择的新原则——“为 Agent 而选”

Micky 选型背后有一条铁律：

“代码是最好的 context。所以我要选开源的、代码即一切的技术。”

框架：Svelte 而非 React

• React 新版本充斥着 hooks 和坑（foot guns），Agent 容易写错。
• Svelte 更接近 HTML + TypeScript，Agent 天然擅长。

后端：Convex 而非 Supabase

• Supabase 很多设置在 dashboard 上点点点；
• Convex 一切皆代码——schema、API、scheduled functions 全是 TypeScript；
• Agent 可以直接读源码，不用截图 dashboard 给它看。

一切难懂的库都先 npx open-source 拉源码

比如 TypeScript 库 Effect：很复杂、类型很重，Micky 直接拉源码到本地 repos/ 下，然后跟 Agent 一来一回配置完。

第八阶段：钞能力——付费工具的现实选择

Micky 直接挑明：

“这是个金钱游戏（money game）。补贴会停，付得起钱的人会拿到更好的结果。”

推荐订阅梯度

真实案例：合同与会计

1. 合同：一份 27 页合同，过去要找律师，律师贵且慢；Claude Desktop 把每一页都高亮了 rebuttal，最后对方付的钱 3 倍化。
2. 会计：一家公司要做 2024-2025 年度的账，外包报价 4280 迪拉姆。Micky 用 Cursor + Claude Code 调会计软件 API，2 小时搞定，省了 5000-6000 美元。

“如果你年轻、有工作、还不付那 200 美元订阅，理由是’要和朋友喝酒’——那真的是你自己的问题。”

第九阶段：交付（Ship）——别死在”再改一个 feature”里

David 抛出关键问题：

“很多人卡在 build 阶段。每次问他，他都说’两周后就能 launch’，半年后还是’两周后 launch’。”

Micky 在 San Francisco 看到的”妄想级别”令他震撼：

“他们坚信自己的 MVP 能改变世界，哪怕 100 个用户上来网站就会崩，他们也照样发布。然后他们融了 1000 万，雇人，把产品打磨好。 与此同时你和我还在纠结一个 feature。”

行动建议

• 必须 delusional（妄想式自信），但不是骗子式的 delusional。
• 公开 build（build in public）——除非你是 Karpathy 在做新范式，否则你有竞争者。
• 早 launch、早收反馈，被 dunk 也没关系，反而能换粉丝（人们爱 underdog）。
• 那些满天飞的”动画 launch 视频”？因为产品还跑不起来才用动画——他们都敢发，你为什么不敢？

第十阶段：安全（Security）——Agentic 时代的新攻击面

David 问起：Agentic 时代怎么看安全？

“我们 cooked（完蛋了）。说真的，挺吓人的。”

真实威胁

• 语音克隆：模型越好，能模仿你声音骗家人钱。
• Sora / GPT Image 2：图像视频几乎以假乱真，老年人极易被骗。
• 包供应链攻击：很多攻击向量来自最近几天上传的恶意包。

防御清单（Personal & Dev）

1. 家庭 passphrase（口令）：家人要转账先验口令。
2. 2FA 不能用短信——Micky 被 SIM swapped 过，用 Google Authenticator 这类 app。
3. 用密码管理器（如 1Password），主密钥的一半给信得过的家人保管。
4. 告诉你的老人这些事——他们才是最容易被骗的群体。
5. Prompt Agent：永远不要安装 14 天内发布的新包（攻击高发期）。
6. 跟着 Twitter 的核心圈走——出事第一时间能知道。
7. 怀疑被入侵？ 把推文贴给 Claude Code，让它扫系统目录：“我有没有中招？”

第十一阶段：未来 3-6 个月的方向

Micky 的预判：

1. 更看好 Knowledge Work，而非 Agentic Engineering。

   • 编程领域 surface area 太大，专精很难；
   • 知识工作的模型已足够好，只是工具链没跟上；
   • 所以 OpenAI 和 Anthropic 都在做 forward-deployed engineer（前向部署工程师）的咨询业务。

2. Opus 5 是关键变量。如果 Anthropic 不重夺份额，OpenAI 会一家独大；竞争对生态最有利。

3. 24 岁小哥的真实故事：在公司用 Claude Code 给法务/合同流程做了一次演示，直接被升为 manager。这就是”知识工作 + Agent”的杠杆。

4. “我不技术”是过时的借口。 > “如果你说自己’I’m not technical’，等于说’I’m not future’。AI 会进入所有领域（软件、机器人、无人机）。你只能问：我多快上车？”

核心要点速查表

8 个实用启示

1. 追模型也追 harness：模型决定上限，harness 决定你能不能逼近上限。
2. UI 用 Opus 4.7 Max，后端 / 复杂代码用 GPT-5.5 Extra High——别一个模型走天下。
3. 每写一个 feature 立刻跑 service layer skill：保持架构干净，下次 session 易接手。
4. 永远不要让上下文超过 70-77%，到了就开新 thread，别用 /compact。
5. plan 是写给你自己看的：用它问责 Agent；拆成小 PR 再生成。
6. /grep-loop 是真省时：Agent 改、Greptile 审、循环到 5/5，期间你去做别的。
7. 选 Convex + Svelte + Effect 这类”代码即一切”的栈：把 dashboard / 文档摩擦降到零。
8. 付 $200/月订阅是基本投入：律师、医生、会计、合同审查全都打折给你。

10 个常见误区

1. “模型会思考”——错。它只是 next-token predictor，思考是你的工作。
2. “Agent 帮我搞定一切”——错。它最多是个”有照相式记忆但不会用的笨蛋”。
3. “把整个代码库 RAG 进去最强”——过时。模型 grep 能力远胜向量索引。
4. “agent.md 越详细越好”——错。模型自己能识别 React 项目，写多了反而干扰。
5. “用 /compact 就能延长上下文”——错。Claude Code 主力开发者都不用。
6. “本地模型也能写代码”——错。Gemma、Kimi 跟 Opus/GPT-5.5 是天壤之别。
7. “等产品完美再 launch”——错。SF 那群人 MVP 都不能跑就融了 1000 万。
8. “我不技术，所以这事跟我没关系”——错。你只是在选择”我不未来”。
9. “用免费模型就够了”——错。免费版和 Pro 是两个时代。
10. “Agent 第一次没跑成功，就不靠谱”——错。要给它 feedback、guard rails、loop。

12 个关键要点

1. 2026 年交付速度的差距来自 harness，不是 prompt 技巧。
2. 95% 的代码可以由 AI 生成——前提是你坐在驾驶座上。
3. Harness 越来越薄：Pi、Codex、Claude Code 都在去重、轻量化。
4. 代码是最好的文档。open-source 工具实现”文档之死”。
5. 干净结构 + 完备测试 = Agent 友好型代码库。老工程规范在 Agentic 时代重生。
6. Greptile + /grep-loop = 自动化代码 review 闭环，效率是手动的几倍。
7. Opus 4.7 Max 写测试很猛，能形成 TDD 自循环。
8. 选 Svelte / Convex / Effect：为 Agent 优化的技术栈。
9. $100-$200 订阅是回报率最高的投资，等同雇了一支顾问团队。
10. launch early & build in public：你不发布，竞争者就赢。
11. 2FA + 密码管理器 + 14 天包规则是 Agentic 时代的安全底线。
12. 知识工作（knowledge work）将是未来 3-6 个月最大的红利领域，比纯编程更广阔。

额外资源

结论

“Either go be technical so you stop complaining, or just have that dog in you.”（要么变技术别再抱怨，要么就拿出那股劲头。）

Micky 在这场对谈里完整呈现了一个专业开发者的 Agentic Engineering 全栈：Cursor + 顶配模型 + open-source 工具 + service layer skill + /grep-loop + 为 Agent 优化的技术栈。其背后只有一个核心思想——你来思考，Agent 来执行，闭环把控制权牢牢握在自己手里。

2026 年，工程师的分水岭不再是”会不会写 Rust”，而是”能不能搭出一条让 Agent 24 小时持续产出 5/5 代码的流水线”。这是一份生存指南，也是一份红利地图。要么上车，要么继续抱怨。