点击上方卡片关注我

设置星标 学习更多AI出海知识

Simon Willison，Django 框架联合创始人，Python 圈的老前辈。

最近他干了一件事，写了一份《Agentic Engineering Patterns》指南，专门教你怎么把 Claude Code、Codex 这些 AI 编程工具用到位。

不是那种"装好就完事"的入门教程，是他自己用了一年多之后总结出来的实战方法论。

我把这份指南啃完了，挑几个最有价值的点跟大家聊聊。

什么是 Agentic Engineering？

先说他给的定义：用 AI 编程 Agent 来开发软件的实践。

关键词是"Agent"，不是"Copilot"。区别在哪？Copilot 是你写一行它补一行。

Agent 是你给一个目标，它自己规划、写代码、执行、验证，循环往复直到搞定。

Simon 的原话：

“

Agent 在循环中运行工具来达成目标。

Claude Code、Codex、Gemini CLI 都属于这类 Agent。它们的核心能力不是"生成代码"，而是执行代码，能执行，才能验证。能验证，才能迭代。

那人类干什么？

Simon 说得很直接：写代码从来不是软件工程师的核心工作。想清楚该写什么代码才是。

任何一个软件问题都有几十种解法，每种都有不同的取舍。我们的价值在于导航这些选项，找到最适合当前场景的那个。

这不就是 Vibe Coding 吗？

Simon 专门澄清了这一点。

Vibe Coding 是 Karpathy 2025 年 2 月造的词——"让 AI 写代码，你忘记代码的存在就好"。

Simon 的态度是：Vibe Coding 可以用于原型，但不能用于生产。 Agentic Engineering 跟 Vibe Coding 的区别在于：你要审查结果、要验证质量、要把代码拉到生产级别。

一个是让 AI 随便写。一个是让 AI 按规矩写。

AI 编程 Agent 的底层原理

这部分我觉得特别有价值，很多人天天用 Claude Code，但不知道它底层在干什么。Simon 讲得很清楚：

一个 AI 编程 Agent = LLM + 系统提示词 + 工具 + 循环。

1. LLM — 核心大脑，本质上是一个文本续写器

2. 系统提示词 — 几百行的隐藏指令，告诉 LLM 怎么干活（Codex 的系统提示词已经在 GitHub 上公开了）

3. 工具 — 十几个可调用的函数，比如 Bash 命令、文件读写、代码执行

4. 循环 — LLM 调工具 → 拿到结果 → 继续推理 → 再调工具 → 直到任务完成

还有两个很多人不知道的细节：

LLM 是无状态的。 每次调用都从零开始。你觉得自己在"对话"，其实是软件把整段对话历史重新喂给模型。所以对话越长，每轮花费越高，质量也会逐渐下降。这就是上下文管理为什么这么重要。

Token 缓存能省钱。 大多数提供商对重复的前缀 token 收费更低。Claude Code 的设计会刻意避免修改历史对话内容——不是偷懒，是为了保证缓存命中率，给你省钱。

子 Agent：Claude Code 最被低估的能力

什么是子 Agent？

主 Agent 派出去干活的"分身"。每个子 Agent 有自己独立的上下文窗口，干完活把结果交回来。

为什么非要用子 Agent？因为上下文是最贵的资源。LLM 的上下文窗口上限大概 100 万 token，但实测超过 20 万之后质量就开始崩。子 Agent 用自己的上下文处理子任务，不占用主 Agent 的额度。

实战案例：Claude Code 怎么用子 Agent

Simon 给了一个真实场景。他让 Claude Code 修改博客的 diff 展示功能，加上字符级别的高亮。

Claude Code 的第一步不是动手写代码，而是派了一个Explore 子 Agent 去摸底。

它给子 Agent 写的 prompt 是：

找到这个 Django 博客中实现 diff 视图的代码。我需要找到：
- 渲染 diff 的模板（找带红/绿背景的 HTML/CSS）
- 生成 diff 的 Python 代码（找 difflib 的用法）
- 跟 diff 渲染相关的 JavaScript
- diff 视图的 CSS 样式

彻底搜索 templates/、static/、blog/ 目录。
关键词搜 "diff"、"chapter"、"revision"、"history"、"compare"。

子 Agent 跑了几秒钟，把所有相关的文件路径、代码位置、关键函数全部整理好交了回来。主 Agent 拿到这些信息后，才开始动手改代码。

Simon 的评价是：模型给自己写的 prompt 质量还挺不错的。 它知道怎么高效地指导另一个 Agent。

三种子 Agent 用法

1. 探索型子 Agent

就是上面的例子。主 Agent 不想自己花 token 去翻代码库，派一个子 Agent 去探索，拿到摘要后再行动。

2. 并行子 Agent

如果你要改的文件之间互不依赖，可以让 Agent 同时派多个子 Agent 并行修改。速度直接翻倍。

试试这样的 prompt：

用子 Agent 并行找到并更新所有受这个改动影响的模板文件。

3. 专业子 Agent

给子 Agent 分配不同的"角色"：

• 代码评审 Agent — 专门审代码，找 bug 和设计问题

• 测试运行 Agent — 跑测试，把结果摘要交回来（特别有用——测试输出通常很长，子 Agent 帮你过滤掉噪音）

• 调试 Agent — 专门定位 bug 的根因

Simon 提醒了一点：别过头。 子 Agent 的核心价值是节省上下文，不是让你搞几十个微服务式的 Agent 编排。保持简单。

Red/Green TDD

Simon 说，他在 Claude Code 里用得最多的一句话是：

Use red/green TDD

就这六个字。所有主流模型都理解这个缩写的完整含义：

1. Red — 先写测试，确认测试是失败的（红色）

2. Green — 再写实现代码，让测试通过（绿色）

为什么 TDD 跟 AI 编程这么搭？因为 AI 编程有两个高频问题：

• 写的代码不能用

• 写了一堆没人需要的代码

测试先行能同时解决这两个问题。测试定义了"做对了是什么样"，AI 按着这个标准迭代，结果自然靠谱得多。

而且，先确认测试是"红色"的这一步不能省。不然你可能写了一个本来就能通过的测试——等于白写。

实用 Prompt 清单

指南最后附了他日常在用的 prompt，摘几个有意思的：

不让 AI 用 React 写前端原型：

“

（在 Claude 项目里设置自定义指令，限制 Artifacts 不用 React，因为 React 需要构建步骤，没法直接复制粘贴到静态托管）

用 AI 校对文章但不让它代笔：

Simon 的原则是  AI 可以帮他检查拼写和语法，但所有带"我"字的观点性文字必须自己写，这条规矩我觉得值得借鉴。

用 Claude Opus 写图片 alt text：

他发现 Opus 在这件事上"品味特别好"，会自己决定图表中哪些数字最值得在描述里提到。

最后

这份指南最大的价值不在于教你某个工具怎么用，而是给出了一套跟 AI 协作的思维框架。

很多人用 Claude Code 还停留在"帮我写个函数"的阶段，看完 Simon 的指南你会发现，这些工具能做的事情远超你的想象，子 Agent 并行开发、TDD 驱动迭代、探索式代码理解，但前提是你得知道怎么指挥它。

Simon 有句话说得好：LLM 不会从过去的错误中学习，但 Agent 可以，前提是我们主动更新指令和工具来反映我们学到的东西。

这不就是"授人以渔"吗？工具一直在进化，方法论才是长期有用的东西。

---

我们出海社区终于有自己的网站了！

欢迎关注，这个账号还会持续分享更多AI编程、出海工具、实战经验、踩坑记录。

想了解更多可以加我 vx: 257735 聊。

出海赚钱案例：一个人做了个开源UI库，不融资不投广告，45天30万美元

出海建站必备：一小时搞定自建邮件，免费！

OpenClaw 真香！我让它每天帮我干这些活

出海赚钱案例：一个人用 PHP 做到月入 17 万美金，利润率 99%！

（2026年最新）Codex CLI 国内使用全攻略：终端 + VSCode + Cursor + Opencode 四种姿势全搞定

从海外公司注册到 Stripe 收款，跑通了出海收付款全流程（实操分享）

玩转 Claude Code Hooks：让自动化渗透到每个环节