你有没有过这样的时刻？盯着AI生成的一大段代码，心里清楚它功能上没问题，但总觉得哪里不对劲——像一份用正确零件、按错误逻辑组装起来的机器。问题往往不在AI的能力上限，而在你我给它的“说明书”写得太死。顶尖开发者Simon Willison最近从Anthropic的Claude Code团队那挖到一条实战心得，核心就一句话：别教AI编程代理怎么干，相信它自己会判断。 这不仅是技巧，更是我们与AI编程代理协作哲学的一次重要转向。
从“指令追随者”到“判断伙伴”：代理心智的跃迁
长期以来，我们与AI编程工具的关系像一场精心编排的木偶戏。我们写下详尽的规则：用这个框架，遵循那个风格，先做A再做B。代理则一丝不苟地执行，效率尚可，但毫无灵性。这种模式的本质，是把一个具备强大推理能力的系统，降级成了一个高级的代码补全器。
规则驱动的困境
给代理设定详细规则看似稳妥，实则脆弱。规则永远无法穷尽所有现实场景。当项目结构复杂、上下文多变时，僵化的规则反而会成为障碍，导致代理生成“合规但诡异”的代码。更重要的是，这浪费了代理最宝贵的资产——其基于海量代码库训练出的、对“好代码”的隐性直觉和模式识别能力。
判断力的价值何在
让Fable（Claude Code中的一个强大代理）自行决定“何时编写测试”，听起来有点冒险。但Willison指出，这正是关键。一个成熟的AI代理，在理解了你的代码目标后，能自行判断哪些改动风险高需要测试覆盖，哪些简单重构可以跳过。这种判断力来源于其训练数据中见过的无数优秀工程实践。信任它，就等于在团队里引入了一位经验丰富的结对编程者，而不是一个等待敲键盘的实习生。
信任如何建立
建立这种信任不是撒手不管。它需要清晰的初始指令。比如，你可以这样告诉代理：“你的目标是让这个模块的API更稳定、易用。在重构过程中，由你自行决定哪些变更需要补充单元测试来保证行为不变。” 你设定目标和边界，把实现路径的选择权交给它。这看似简单的一转念，却是从控制到协作的分水岭。
成本与效能的平衡术：让代理学会“委派”
赋予代理自主权，不意味着放任其挥霍资源。AI服务的定价，特别是顶级模型如Claude Opus，按Token计费，成本不菲。精明的开发者Jesse Vincent想出了一个巧妙的分层策略，核心思想是：让昂贵的“大脑”只做最值钱的事。
模型分层：一个微型的“代理团队”
Vincent在他的提示词中，引导主代理（如Fable）建立一套内部任务分配机制。实质性的工作，比如实现一个新功能逻辑，委托给性价比更高的Sonnet模型来完成。而那些机械性的、模式化的修改，比如批量重命名变量或更新配置文件，则交给更轻量、更便宜的Haiku模型处理。主循环，也就是Fable本身，则专注于决策、审计其他模型的产出，以及进行高阶的数据合成与整合。
这不是外包，是架构优化
这种委派不是把工作推出去了事。它更像一家公司的组织架构优化：让管理者聚焦战略与审核，让执行团队高效完成标准化作业。在AI代理的上下文中，这意味着主代理保留了最终的控制权和质量把关权，同时利用不同模型的特长，在保证输出质量的前提下，大幅压缩了整体Token消耗。Willison实测后发现，Fable的Token消耗速度明显下降，这对于长期运行的复杂项目而言，是实实在在的成本节约。
提示词是新的管理技能
实现这一切，依赖的是一段精心设计的提示词。Willison已将这段提示词存入了Claude Code的记忆文件，使其在所有会话中生效。这标志着开发者技能树的又一次延伸：我们不仅需要编写人与机器交互的代码，更开始需要编写管理AI代理行为与协作模式的“元代码”。好的提示词，不再是简单的指令描述，而是定义团队文化、分工模式和决策流程的章程。
实战启示录：如何上手这种新范式
理论说起来动听，但开发者更关心“具体怎么干”。从Willison和Vincent的经验中，我们可以提炼出几条可立即尝试的路径。
从一个小目标开始
不要一开始就试图改造你的整个开发流程。找一个边界清晰的模块，比如“为这个数据处理函数增加错误日志”，然后用目标导向的方式对代理下达指令：“增强此函数的健壮性，你自行判断需要增加哪些日志记录和异常处理。” 观察它的方案，评估它的判断。这是建立信任感的最佳起点。
设计你的“代理工作流”
如果你的项目足够大，可以考虑仿效Vincent的思路，在提示词中明确主代理的角色是“技术负责人”，并描述它应该如何将任务拆解、分配给不同能力的“团队成员”（即不同的模型）。这要求你对自己所用AI服务的不同模型特性有基本了解，知道谁擅长“苦力”，谁擅长“脑力”。
迭代你的提示词
没有一劳永逸的完美提示词。它需要像代码一样迭代。当代理做出不理想的判断时，不要急于塞入一条新规则。先分析原因：是目标描述模糊？还是它缺乏必要的上下文？然后优化你的提示词，可能是澄清目标，可能是提供一些范例，而不是增加一条“禁止做X”的禁令。记住，你是在培养一个判断力，而不是训练一个条件反射。
更远的图景：我们正在编写什么
当我们将目光从单次的代码生成任务移开，会发现一个更激动人心的转变正在发生。我们与AI编程代理的关系，正从简单的工具使用，演进为一种复杂的、动态的协作伙伴关系。我们编写提示词，本质上是在为这个伙伴塑造工作习惯、思维方式和协作人格。
“提示工程”的消亡与进化
所谓“提示工程”，在初期可能意味着寻找神奇的咒语。但到了今天，尤其是在像Claude Code这样的复杂代理系统中，它已经进化为“意图传达”与“协作设计”。最高级的技巧，如Simon和Jesse所展示的，恰恰是少一些工程式的控制，多一些人性化的信任与授权。这要求开发者具备更强的系统思维和架构能力。
对软件工程流程的重塑
当代理可以可靠地自行判断测试范围、分层处理任务时，传统的开发流程——设计、编码、测试、审查——的边界会开始模糊。代理可能在你编写设计文档时，就已经开始原型探索；在你编码时，同步进行着它认为必要的测试。人与代理的工作流将更深度地交织，形成一种新的、更高效、但要求信任基础的“人机共研”模式。
下一次，当你对AI编程代理的产出感到不尽如人意时，或许可以先停下加入新规则的冲动。问问自己：我是把它当成一个需要监视的机械臂，还是一个值得信赖的同事？答案，可能就藏在你下一条提示词的字里行间。真正的生产力飞跃，始于我们愿意把判断权，交到那些我们亲手训练出的、强大的硅基伙伴手中。
