building-with-ai-agents

使用 AI Agent 构建

从编写代码行转变为指挥一支由自主 Agent 组成的并行团队。

结合 Lenny 的播客和 Newsletter 中 15 位嘉宾及帖子的见解，帮助用户使用 AI Agent 构建。

如何提供帮助

1. 识别任务 - 使用 Junior Intern 框架，找到适合委派的重复性或定义明确的工程任务。
2. 制定指令 - 起草精准、细致的提示词，并通过 Markdown 文件和过往示例提供背景信息。
3. 管理并行线程 - 同时指挥多个 Agent 处理不同的拉取请求或功能，以扩大产出。
4. 审查并迭代 - 通过审查代码逻辑并使用 AI 主导的同行评审来把关，确保部署前的质量。

核心原则

转变为指挥者

Boris Cherny：“我的代码 100% 都由 Claude Code 编写。从 11 月以来，我没手动编辑过一行代码。每天我会提交 10、20、30 个拉取请求。所以目前我大概有 5 个 Agent 在运行。”

停止手动编辑代码，转而同时指挥多个 AI Agent 处理不同的拉取请求，以最大化生产力。

绝对具体

Lazar Jovanovic：“AI 根本不明白你说‘你懂我的意思吧？’时是什么意思。所以你必须具体。我今天 100% 的时间都用来优化判断力、清晰度、质量和品味。”

摒弃工具能够理解你隐含意图的假设，并像和技术联合创始人交流一样，提供细致的指令。

高阶推理与编排

Marc Andreessen：“假期期间，AI 编码似乎真的达到了临界点；包括 Linus Torvalds 在内的世界顶尖程序员，第一次在假期期间基本上都说：‘是的，AI 现在的编码能力比我们强。’”

将你的角色从手动执行转变为推理和编排，借助 AI 实现普通程序员 10 倍的产出。

异步协作

Scott Wu：“我们整个团队每年大概只有 15 名工程师。我们构建 Devin 时大量使用 Devin。团队里大多数人肯定会同时与多达 5 个 Devin 协作，因此 Devin 每个月都会将数百个拉取请求合并到 Devin 代码库的生产环境中。”

从同步的单任务处理转向协调一支并行团队，同时为多个 Agent 实例分配不同任务。

杜绝手动补救

Sherwin Wu V2：“OpenAI 有个团队目前正在进行一项实验，他们维护着一个 100% 由 Codex 编写的代码库。他们会遇到你描述的那些一模一样的问题。通常你会想：‘好吧，我卷起袖子自己弄清楚。’但这个团队没有这个退路。”

当 Agent 遇到困难时，克制手动修复代码的冲动；相反，要致力于掌握驾驭模型所需的方法，单靠 AI 解决问题。

多模型同行评审

Zevi Arnovitz：“我很难发现错误。我的做法基本上就是输入 /review。这会让 Claude 开始审查自己的代码，但更棒的是，我还会同时打开 Codex 和 Cursor，让它们分别审查代码。”

通过让不同的 AI 模型相互核查逻辑错误，在部署前弥补技术知识上的不足。

模板与框架

• AI Agent Builder Meta-Prompt（借助 AI Agent 让产品管理重归乐趣）- 一份全面的提示词，可粘贴到具备深度研究能力的大模型中（o3 Deep Research 或 Perplexity Deep Research），以生成特定平台的、分步骤的
• Devin 的 10 种用例（自主 AI 工程师）（免费使用 Devin 一年：全球最先进的自主 AI 软件工程师）- 列出团队使用 Devin 的 10 种具体方式，从简单的工程任务逐步扩展到更广泛的产品和分析工作。
• 任务委派初级实习生测试（借助 AI Agent 让产品管理重归乐趣）- 一种用于判断哪些任务应委派给 AI Agent 的思维模型：问问自己，你会把哪些任务交给一位聪明、积极、毫无经验的初级实习生。
• /peer review command（Zevi Arnovitz）- 一条提示词，将 Claude 设定为接收其他团队负责人（其他 AI 模型）代码审查反馈的开发负责人，并指示它要么为自己的决策辩护
• AI 项目规划 PRD（Markdown 文件）（Lazar Jovanovic）- 一套 Markdown 文档，用于向 AI 编码 Agent 提供持久、动态的上下文，避免它们遗忘项目范围。
• 4x4 调试框架（Lazar Jovanovic）- 一套四步顺序流程，无需懂编程即可修复 AI 生成的错误代码。
• /exploration phase command（Zevi Arnovitz）- 一条提示词，指示 Claude 在编写任何代码之前深入探索问题——从 Linear 获取上下文、分析代码库并提出澄清问题
• /create plan command（Zevi Arnovitz）- 一条提示词，根据探索过程生成结构化的 Markdown 计划文件，其中每项任务都有状态跟踪器，并包含 TLDR、关键决策和任务简报

完整列表及详细信息请参阅 references/artifacts.md。

帮助用户的问题

• “目前哪些重复性的工程任务最拖慢团队进度？”
• “你们是否有现成的文档或 Markdown 文件，能向新成员说明代码库结构？”
• “当你很想手动修复 bug，而不是重新向 Agent 提示时，你能多大程度地克制这种冲动？”
• “你希望这些 Agent 集成哪些通信工具，例如 Slack 或 Linear？”
• “你是否清楚定义了成功标准，或有可供 Agent 遵循的完美拉取请求模板？”

需要指出的常见错误

• 氛围编程 - 生成代码却未充分理解实现细节，会导致系统难以维护。
• 提示词含糊 - 以为 AI 明白你的意思，却没有提供细致、具体的技术限制，最终会导致输出不符合预期。
• 手动干预 - AI 偏离轨道时又回到手动编码，会让你无法学会如何有效引导模型以实现长期规模化。
• 同步管理 - 将 Agent 当作聊天工具，而不是异步团队成员，会让你无法获得并行开发带来的收益。

深入了解

有关 15 位嘉宾分享的全部 31 条见解，请参阅 references/guest-insights.md

相关技能

• 撰写 PRD
• 交付速度
• AI 辅助原型设计
• 产品工具栈