Matt Pocock — AI 编程的工程化工作流
来源:小宇宙 #510(克隆自 AI Engineer 大会工作坊),2026-04-25
核心观点
TypeScript 专家 Matt Pocock 提出:软件工程基本功是 AI 时代的放大器。糟糕的代码库造出糟糕的 Agent,优秀的架构才能让 AI 发挥威力。
完整工作流
想法 → 对齐(Grill Me) → PRD → 看板任务 → AI自动实现 → QA审查
第一步:Grill Me — 与 AI 深度对齐
不直接让 AI 生成代码,而是让 AI 盘问开发者,逼迫双方在设计概念上达成一致。这远比"规格直接转代码"更可靠。
第二步:PRD 生成
对齐后自动生成 PRD:用户故事、实现决策、模块划分。PRD 完成后就丢掉——它只是对齐工具,不是长期文档。
第三步:看板任务拆分
- 垂直切片(Tracer Bullet):避免 AI 一层层水平编码,尽早获得集成反馈
- 任务依赖图:理清阻塞关系,规划多 Agent 并行执行
第四步:白班与夜班
- 白班(人类):完成规划和需求对齐
- 夜班(AI):火力全开自动实现,全自动 Agent 循环
第五步:TDD + QA
- TDD 是 AI 编程的钥匙:红-绿-重构提供即时反馈循环
- AI 对 AI 的 QA:让 AI 自审代码,但记得清空上下文
- 人工 QA:重新注入人的品味,避免产出"渣滓"
关键洞察
聪明区 vs 蠢笨区
LLM 存在"注意力衰减"——上下文超过一定长度后性能急剧下降。必须将任务拆小,避免一脚踩进蠢笨区。
浅模块 vs 深模块
- 浅模块:接口复杂、实现简单 → AI 容易迷失
- 深模块:接口简单、实现复杂 → AI 发挥最好
改善代码库架构就是让模块更深,让 AI 更聪明。
文档腐烂
PRD 完成就应该丢掉。代码是唯一不会腐烂的真相源。
与 Harness Engineering 的关联
- 这套工作流是 Harness Engineering 在编码场景的完整实践
- "Grill Me" 对齐技巧对应 Harness 中的"人-AI 意图对齐"
- TDD + 看板 + AI 并行执行 = Compound Engineering 的编码实现
- 与 AI增强型vs依赖型 直接呼应——Matt 的方法是增强型的教科书
Prompts for Witness
- 我的 AI 编码工作流中,有没有"Grill Me"这一步?
- 当前项目代码是"浅模块"还是"深模块"?AI 协作时表现如何?
2026-09-13: 从 prototype 到 spec-to-ticket 的补充
来源:AI Briefing 2026-09-13 Evening — Matt Pocock 的 workflow 回复
Matt Pocock 在新的回复中把原有的 Grill Me、PRD、看板和 QA 工作流补充为更短的工具链:先用 prototype 研究不确定性,再用 /to-spec 固化方向,用 /to-tickets 切成边界清楚的实现单元,最后用 /implement-spec 执行。这个补充强化了本页的核心判断:Agent 的速度依赖任务边界、上下文控制和确定性护栏,而不是依赖一次性生成整个服务。
这条来源与原有工作坊内容共同构成第二个证据点,因此本页从 candidate 提升为 mature;当前解释仍保持 ai_draft,不代表 Jean 已确认。
Counterpoints & Gaps
- 新回复只是流程摘要,没有提供成功率、返工率或不同拆分粒度的对照。
/to-spec、/to-tickets和/implement-spec是作者使用的命令名,不应默认适用于所有 Agent 环境。- Prototype 能降低不确定性,但不能替代生产级规格、测试和人工验收。
Sources (addendum)
Pending Jean review
- harness-engineering/matt-pocock-ai-coding-workflow —
ai_draft; suggested action: run the prototype → spec → tickets → implementation chain on one disposable repository and record context loss, rework, and acceptance evidence.
2026-09-14 evening: software factory adds design and feedback layers
来源:AI Briefing 2026-09-14 Evening
Matt Pocock 对课程收尾的描述把已有的 AI 编程工作流扩展到软件工厂设计:不仅构建工厂,还要把设计工厂本身作为练习,并把方法应用到自己的代码库、导航、自动与人工复核、DDD 和反馈回路。它与本页已有的对齐、任务拆分、TDD 和 QA 形成连续关系。
可复用结论是,软件工厂需要被当作产品设计,而不是隐藏在 prompt 后面的自动化脚本。一个最小实践是画出从请求到交付的路径,标记上下文边界、任务依赖、自动检查、人工接受点和失败回流。这样才能判断 Agent 的速度是否真的改善交付,而不是只增加生成量。
Counterpoints & Gaps
- 该条时间线只列出课程主题,没有展示完整工厂实现或成功率数据。
- 具体命令和流程依赖作者的工具环境,不应直接复制到其他 Agent 系统。
Sources (addendum)
Pending Jean review
- harness-engineering/matt-pocock-ai-coding-workflow —
ai_draft; run the factory-design exercise on one disposable repository and record context loss, review queue, rework, and accepted output.
2026-09-20:经典工程术语作为 Agent 提示词的假设
来源:AI Briefing 2026-09-20 Morning,转述自 KengGuangLong 对 Matt Pocock 访谈的概括。
这条转述把本页已有的 Tracer Bullet 补充为一种提示词假设:使用 tracer bullet、deep modules、ubiquitous language 等熟悉的工程术语,可能帮助模型调用相关模式。作者称 Agent 后续会主动使用这些词,但时间线没有提供对照实验。这个观察适合作为可测的指令设计,不应视为模型理解能力已被证明。
Counterpoints & Gaps
- 这是对访谈的二手概括,没有比较“使用术语”与“直接解释步骤”的任务结果。
- 即使模型复用了术语,也不能证明它按原工程原则正确实施;仍需纵向切片和测试验证。
Sources (addendum)
Pending Jean review
- harness-engineering/matt-pocock-ai-coding-workflow —
ai_draft; suggested action: compare a domain-term prompt with a plain-language equivalent on one bounded coding task and review integration tests, rework, and accepted result.
2026-09-20 晚:Pragmatic Engineer 访谈一手来源 — leading words 确认 + wayfinder / memento / 反馈环全景
来源:Matt Pocock on The Pragmatic Engineer(96.6 min 播客,本日上午 briefing 二手转述的一手原文)
这条一手来源把本页早上的二手概括升级为直接证据,并大幅扩展了方法全景:
1. Leading word 机制(一手确认)。 Matt 在 prompt 里重复 "tracer bullet",模型随后在自己的推理轨迹里复述 "I'll turn this into a tracer bullet"。他称之 leading word(文学术语 leitmotif):这些经典书在模型训练先验里,术语是调用先验的咒语。来源书单:《Pragmatic Programmer》(软件熵、feedback loops)、Ousterhout《Philosophy of Software Design》(deep modules)、Evans《DDD》前三章(ubiquitous language)。他据此做了 grill-with-docs skill:盘问设计的同时建立领域语言(例:"materialization cascade" 一词让 agent 能用极少词汇描述复杂交互)。
2. Smart zone 量化。 引 Dex Horthy:前沿模型仅前 ~150,000 tokens 是聪明区,与窗口总大小无关,其余部分缓慢衰减。Ralph loop 的设计意图即"最小变更 → 清空上下文",让每一步都运行在聪明区。
3. Memento-driven development。 Agent 每会话都是《记忆碎片》式失忆新人;人类能靠记忆绕开烂代码库,agent 不能。代码库 = agent 的操作环境,"your code is the environment the agent operates in"。这为"软件基本功为什么更重要"提供了机制解释,而不仅是口号。
4. Wayfinder 结构。 地图 + 战争迷雾:map 是所有跨会话决策的中心节点,ticket 是 DAG 上的点(grill / prototype / research / provision 多种类型),单图 50–100 tickets。已在非工程场景复用(花园办公室、课程规划)。
5. Shift-right 对齐决策框架。 小且易指定 → 事后对齐(他视频编辑器的反馈按钮 → GitHub issue → implement agent → review agent → 人终审);单会话 → grill me;跨会话 → wayfinder。不是事事都要盘问。
6. TDD 修正观点。 TDD 优化的是人类小工作记忆,agent 工作记忆更大、不需要这个;但 agent 需要反馈环 + 防作弊证据 —— 他要求 "TDD evidence: 证明没有这个改动测试会失败"。风险:agent 常写 tautological tests(断言实现本身)。
7. 技术债与 gardening。 对 Jared Friedman"技术债不再必需"的回复:"Yes, now you can live with it even in a tiny codebase." 对策:automated review agent 持续维护测试套件 + 每日 improve-codebase-architecture skill 提案一键转 tickets。"We are essentially our agents' platform team";引 Lauren 的 gardener 隐喻:"I'd argue the only thing your team needs are gardeners."
8. 离开本地环境。 Agent 协作面是 Slack/Discord/Teams/Linear;远程 box 常开跑定时 loop(早晨 standup agent 排日程);RAMP/Stripe/Uber 把云端 dev env 做成 at-mention 服务,70–80% 开发者自愿上云(前端因反馈环延迟例外)。
Counterpoints & Gaps
- 访谈无对抗性追问;wayfinder 50–100 tickets、leading words 效果均无对照数据(Matt 自己也只说" feels like 10x better")。
- spec-driven development 他明确试过并认为"spec→code 循环让代码变差",与部分行业叙事相反 —— 本页立场与之一致,需注意确认偏误。
- "离开本地"主张与他的前端例外自相一致,但对网络/合规受限环境未展开。
- star 数等数字为口述,未核实。
Sources (addendum)
Pending Jean review
- harness-engineering/matt-pocock-ai-coding-workflow —
ai_draft; suggested action: pick one classic term (e.g. "vertical slice") and A/B it against a plain-language instruction on one bounded coding task; compare integration-test timing, rework count, and final diff quality.
2026-10-23:公开 skills 仓库与 7 阶段产品化链路
来源:小红书「目前使用最好的AI开发工作流skills」(用户二手转述,笔记发布于 2026-06-20,2026-10-23 采集)
这条小红书笔记把本页的工作流对应到 Matt Pocock 公开的 skills 仓库(笔记称 13.4 万 star,数字未独立核实),并把方法概括为面向长期维护产品的 7 个阶段:Grill(对齐想法)→ Research(可选,把难啃调研缓存为 research.md)→ Prototype(可选,代码快速验证)→ PRD(目标、用户故事、实现说明)→ Issues(拆成带阻塞关系的工单)→ Implement(coding agent 在看板上循环执行)→ Review(人工验收)。笔记还提到新手可用 /ask-matt 让 AI 建议该用哪个 skill。与本页已有来源相比,它把 wayfinder 式 ticket DAG 和 shift-right 对齐明确产品化为可安装的 skills 链,并把 Research 与 Prototype 提名为正式可选阶段(2026-09-13 的补充里 prototype 已出现,这里升级为链路中的命名节点)。
Counterpoints and Gaps
- 这是小红书用户的二手转述,不是 Matt Pocock 本人的一手说明;star 数与阶段命名都应回到原仓库核实。
- 「给真正工程师用的 skills,而不是 vibe coding」是作者定位语,不是效果证据;没有成功率或返工数据。
Sources (addendum)
Pending Jean review
- harness-engineering/matt-pocock-ai-coding-workflow —
ai_draft; 到 Matt Pocock 的 skills 仓库核对 7 阶段命名与 star 数,并在自己的一个仓库里跑一遍 Grill → Issues → Implement → Review 链路,记录验收证据。