Agentic Inquiry
What it is
Agentic inquiry(Rauch 自称是他发明的词)指:不逐行阅读 agent 产出的代码,但在 agent 完成工作后,主动让它帮你理解"刚刚发生了什么"——生成调用栈图、测量延迟与分配、解释新 API 形态。它是"全读"与"全不读"之间的中间态:用 agent 消化 agent 的产出。
Why it matters
Agent 产出的速度已经超过人类直接阅读理解的速度,"放弃理解"("代码只是汇编,我不读了")正在成为常见的偷懒姿势。Rauch 的判断是:能贯通从汇编到应用层全栈理解的人,配上 AI 技能后价值更高,因为理解力让你能"推着 AI 更用力"(比如知道加州到荷兰一个来回约 150ms,就能在页面加载 1 秒时逼 agent 优化到底)。Agentic inquiry 是把这种理解力工程化:把"解释产出"本身变成一个 agentic 流程。
Key points
- 反"lean in and upload everything"立场:Rauch 明确反对"你不需要理解,把一切上传给大 AI 就好"的建议,认为给这种建议的人自己并不照做。理解全栈的人面试价值更高,不是更低。
- 可自动化的理解回路:例如配置"每当程序对外 API 形态发生变化,Slack 通知我"——理解行为本身可以成为 agent 流程,而不是每次手工发起。这比"do it, make no mistakes, please automerge"式的纯委托更像真正的 agentic engineering。
- 与验证工程(verification engineering)配套:人类的新职责是在测试系统的"边缘"工作(正确性约束、性能预算、审美取向),而不是在微单元测试上消耗设计 token。Agentic inquiry 负责把边缘决策所需的理解喂回给人。
- 引用形式:Rauch 建议技能形态的实现(如 Dylan 的调用栈可视化 skill),以及把 research 文件夹 + agents.md 约定变成可复用的个人研究 harness。
Evidence across sources
| Source | Key Claim | Relevance |
|---|---|---|
| Vercel CEO — Agentic Engineering Workflow | agentic inquiry 定义、反放弃理解立场、Slack 通知回路 | 单源,来自 Rauch 本人口述 |
Open questions
- agentic inquiry 的边界:理解到什么程度算"够"?是否存在一个可操作的判定标准(例如能向第三方复述决策理由)?
- 当理解回路本身被 agent 执行时,人如何避免对二手解释的过度信任?
Prompts for witness
- 上周 agent 替我做的改动里,有多少我能不看 diff 就说出"它为什么这样做"?
- 我的 wiki 工作流(absorb、ingest)本身就是 agent 产出的合成——我上次 verify 一个合成结论的依据是什么时候?
- 如果给"理解刚刚发生了什么"建一个 skill,它的触发点应该是什么(每次 absorb 后?每次 publish 前?)
Related
- harness-engineering/personal-ai-benchmark — 个人基准:另一组"把判断工程化"的实践
- product-trends/vercel-open-agents — Vercel Open Agents:软件工厂参考平台
- claude-code/prompting-as-skill — prompting 作为核心技能
2026-10:目标之外的目标
来源:Rieseberg: How to be more ambitious
Rieseberg 的 Altitude 维度:对任务问"目标之外的目标"——从修单个 crash 到"保持 app 无 crash"。这是把一次性任务升级为持续目标的最小提问模式。