AI Coding Agent 工作流:从写代码到定义边界

我最早开始稳定使用 Codex / Claude Code,不是因为想把工程工作交给模型,而是因为日常开发里有太多重复判断:读上下文、改小块代码、补验证、再回到需求。Agent 能把这些碎片连起来,但前提是我先把目标和边界讲清楚。

刚开始我也试过很随意的 vibe coding。想到什么就让模型写什么,短时间看起来很快,但后面会被隐形成本追回来:接口假设不一致、样式漂移、测试没覆盖、甚至把不该公开的信息写进页面。

后来我把方式改成 spec-driven agent work。每次开工前先写清楚输入、禁止项、输出文件、验收命令和回滚边界。Agent 负责执行和补全细节,我负责定义问题空间,以及判断结果是否真的满足约束。

这些约束会被我编码到多个层次:系统提示负责长期原则,Skills 负责可复用流程,Hooks 负责自动化拦截,项目内文档负责当前仓库的真实规则。这样 Agent 不需要每次从零理解我的偏好,也不会只靠聊天记录维持纪律。

验证是这套工作流里最不能省的部分。我通常会让任务结束前跑 build、lint、关键 grep,再做一次手工 smoke。对公开站这种项目,脱敏 grep 和生成产物检查跟类型检查一样重要,因为它们验证的是工程边界之外的风险。

在我的仓库里,Skill 更像一份可执行的工作说明书,不是一段宏。它会写明什么时候触发、先读哪些文件、哪些目录不能碰、做完以后必须跑什么检查。好的 Skill 会减少重复沟通,也会把经验变成下一次任务的默认能力。

这类工具改变了我对工程师角色的理解。写代码仍然重要,但更核心的部分正在变成定义边界、组织上下文、验证输出和沉淀流程。Agent 越强,工程师越需要把判断力显式化。