agentic-engineering

# 智能体工程 在 AI 智能体执行大部分实施工作、而人类负责质量与风险控制的工程工作流中使用此技能。 ## 操作原则 1. 在执行前定义完成标准。 2. 将工作分解为智能体可处理的单元。 3. 根据任务复杂度路由模型层级。 4. 使用评估和回归检查进行度量。 ## 评估优先循环 1. 定义能力评估和回归评估。 2. 运行基线并捕获失败特征。 3. 执行实施。 4. 重新运行评估并比较差异。 ## 任务分解 应用 15 分钟单元规则： * 每个单元应可独立验证 * 每个单元应有一个主要风险 * 每个单元应暴露一个清晰的完成条件 ## 模型路由 * Haiku：分类、样板转换、狭窄编辑 * Sonnet：实施和重构 * Opus：架构、根因分析、多文件不变量 ## 会话��略 * 对于紧密耦合的单元，继续使用同一会话。 * 在主要阶段转换后，启动新的会话。 * 在里程碑完成后进行压缩，而不是在主动调试期间。 ## AI 生成代码的审查重点 优先审查： * 不变量和边界情况 * 错误边界 * 安全性和身份验证假设 * 隐藏的耦合和上线风险 当自动化格式化/代码检查工具已强制执行代码风格时，不要在仅涉及风格分歧的审查上浪费周期。 ## 成本纪律 按任务跟踪： * 模型 * 令牌估算 * 重试次数 * 实际用时 * 成功/失败 仅当较低层级的模型失败且存在清晰的推理差距时，才升级模型层级。