开发者整理出一套Agentic Engineering Workflow,覆盖任务拆解、工具调用、记忆管理到错误恢复全流程,让AI像工程师一样自主规划、写代码、调试和交付,而非仅聊天写文案。该工作流包含tmux、agent记忆、skills、语音输入、长任务执行、并行worktree管理、多agent调度,以及可视化HTML编辑器Lavish和代码变更校验流水线no-mistakes。所有步骤均已在真实项目中跑通,强调工程方法比模型能力更重要。
卧槽!真是免费也有好东西啊! 2026年,整个AI行业都在谈一个问题:怎么让AI自己干活。
不是聊天,不是写文案。
是让它像一个真正的工程师一样,自己规划、自己写代码、自己调试、自己交付。
有人把这个过程整理成了一套完整的工作流,叫Agentic Engineering Workflow。
没有论文,没有官方文档。
是一个开发者花了一个小时,把散落在各处的实践经验拼成了一张完整的图。
它覆盖了从任务拆解、工具调用、记忆管理到错误恢复的全部环节。
每一步都不是理论,而是已经在真实项目里跑通的路径。
大部分AI开发者还在手动写prompt。
这套工作流已经在教机器怎么自己写prompt了。
差距不在模型能力。在工程方法上啊!