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？