你是不是也遇到过这样的场景想用 AI 智能体帮你写代码、分析数据或者处理文档但每次都要从头开始写提示词重复解释背景结果 AI 还是记不住上下文或者执行流程七零八落最后效率没提升反而更心累了这正是当前 AI 应用开发的一个核心痛点我们拥有了强大的“智能体”Agent却缺乏一套系统化的“工程方法”来驾驭它。开发者们还在用“手工作坊”的方式与 AI 协作每次交互都是孤立的无法沉淀为可复用、可迭代的资产。最近TypeScript 专家 Matt Pocock 分享了一套他个人正在使用的“智能体工程工作流”被另一位开发者 David Ondrej 评价为“直接照搬就行”。这套工作流的核心正是当下备受关注的Agentic Engineering理念。它不是一个新工具而是一种新的工程范式开发者从“代码编写者”转变为“智能体协调者”通过系统化的上下文管理、知识沉淀和流程设计让 AI 智能体真正具备自主性、记忆力和协作能力。本文将为你深度拆解 Matt Pocock 这套工作流的设计精髓与实现细节。我们不会停留在概念层面而是会深入到具体的工具选择、配置方法、代码示例和最佳实践中。无论你是想提升个人开发效率还是为团队构建标准化的 AI 协作流程这篇文章都将提供一条清晰、可落地的路径。1. 这篇文章真正要解决的问题从“提示词工程”到“智能体工程”的跃迁过去一年很多开发者学会了“提示词工程”Prompt Engineering学会了如何写出更精准的指令来引导大模型。但这本质上还是在“驯化”一个没有记忆、每次对话都重置的“金鱼”。当任务变得复杂需要多步骤、长周期、依赖历史信息时单纯的提示词就力不从心了。Agentic Engineering智能体工程要解决的正是这个“工程化”的断层。它关注的不再是单次对话的“咒语”而是如何构建一个可持续运行、具备状态、能自主调用工具并与其他智能体协作的系统。这就像从编写单行的 Shell 命令进化到设计一个完整的、带状态管理和错误处理的微服务架构。Matt Pocock 作为一位高产的技术内容创作者和工具开发者他的工作流正是这种理念的实践。他面临的问题很典型知识碎片化项目背景、API 文档、代码规范分散各处每次都要重新喂给 AI。上下文丢失长对话后AI 容易“忘记”早期的关键决策或约定。流程不可控复杂的任务如重构代码、撰写技术文章缺乏清晰的步骤和检查点。经验无法沉淀一次调试成功的精妙提示词下次换个项目又得重头摸索。他的解决方案不是寻找某个“终极智能体”而是搭建一个以 VS Code 和 Cursor 编辑器为核心结合特定文件结构和流程规范的工作流系统。这套系统的目标是让 AI 成为他工作流中一个稳定、可靠、可预测的“协作者”而非一个时灵时不灵的“黑盒”。如果你也厌倦了与 AI 的“一次性交易”希望建立一种长期、稳定、高效的协作关系那么理解并实践这套智能体工程工作流将是你的下一步。2. 基础概念与核心原理智能体、工作流与工程化在深入具体操作前我们需要统一几个关键概念的理解这能帮助你看清 Matt 工作流背后的设计逻辑。2.1 智能体Agent vs. 大模型LLM大模型如 GPT-4, Claude 3是一个强大的“文本预测引擎”。你输入一段文本提示词它输出一段最可能的续写。它没有记忆、没有目标、不会主动执行任务。智能体是大模型 记忆Memory 工具Tools 规划Planning能力的封装。智能体有明确的目标如“修复这个Bug”能记住对话历史和相关知识可以自主决定调用哪个工具如搜索网络、运行代码、查询数据库并规划执行步骤。简单说大模型是“引擎”智能体是“装了引擎、GPS和机械臂的汽车”。2.2 工作流Workflow在智能体语境下的含义在这里工作流不是指像 n8n 或 Dify 那样的可视化编排工具虽然它们相关。它指的是完成一项复杂任务所遵循的、一系列可重复的步骤和规范。例如“撰写一篇技术博客”的工作流可能包括1. 用智能体进行头脑风暴确定选题2. 让智能体根据知识库撰写初稿3. 人工审核并给出修改指令4. 让智能体检查代码示例的正确性。Matt 的工作流就是将这些步骤固化到他的日常开发环境中。2.3 Agentic Engineering智能体工程的核心思想根据网络搜索材料中提到的概念Agentic Engineering 是一种工程范式转变角色转变开发者从“代码编写者”变为“智能体协调者”。你的主要工作不再是逐行敲代码而是设计任务、提供上下文、定义工具、并监督智能体的执行。核心要素系统化的上下文管理如何高效、准确地将项目知识代码库、文档、会议记录提供给智能体。知识沉淀如何将成功的交互模式、有效的提示词模板保存下来形成团队或个人的“最佳实践库”。流程设计如何将复杂任务分解为智能体可以执行的标准化步骤并设置检查点Checkpoint进行人工干预或验证。理解了这些你就会明白Matt Pocock 分享的不仅仅是一组快捷键或插件列表而是一套完整的、体现 Agentic Engineering 思想的个人操作系统。3. 环境准备与前置条件要复现或借鉴 Matt 的工作流你需要准备以下环境。请注意这里不会给出具体的、可能过时的版本号而是列出必要的组件和选择建议。3.1 核心开发环境代码编辑器VS Code 或 CursorVS Code生态最丰富的选择。Matt 的工作流重度依赖其插件系统。Cursor一个基于 VS Code 但深度集成 AI最初基于 GPT-4的编辑器。它内置了优秀的智能体交互界面是许多 AI 原生开发者的首选。你可以将其视为“为 AI 协作而生的 VS Code”。本文的示例将兼顾两者。操作系统macOS, Windows 或 Linux 均可。部分 Shell 命令可能有差异。3.2 AI 能力基础大模型 API 访问权限你需要能够访问一个或多个功能强大的大模型。常见选择OpenAI GPT-4/4o通过 OpenAI API。Anthropic Claude 3通过 Anthropic API。本地模型如通过 Ollama 运行的 DeepSeek-Coder、Qwen-Coder 等。这对代码生成和推理也很有帮助且隐私性更好。在编辑器中的集成Cursor内置集成只需在设置中填入 API Key。VS Code需要安装如genc.ai、Continue、Windsurf或CodeGPT等扩展并在扩展设置中配置 API。3.3 推荐安装的 VS Code / Cursor 扩展这些扩展是构建高效工作流的“积木”GitLens增强的 Git 功能。智能体需要理解代码变更历史。Error Lens或ESLint/Prettier实时显示错误和格式问题。让智能体在写代码时就能获得反馈。Todo Tree高亮显示代码中的TODO、FIXME注释。方便和智能体一起管理任务。CodeGPT或Continue如果你用 VS Code这是接入多个 AI 模型的关键扩展。Thunder Client或REST Client用于测试 API。智能体可以帮你生成或调试请求。Markdown All in One如果你经常和智能体协作撰写文档。准备好这些我们就有了施展智能体工程的“工作台”。4. 核心流程拆解Matt Pocock 工作流的四个支柱Matt 的工作流可以抽象为四个关键环节它们共同构成了一个增强循环知识注入 → 任务分解 → 协同执行 → 经验沉淀。4.1 支柱一系统化的上下文管理知识注入这是智能体工程的基础。目标是让智能体在开始工作前就拥有足够的项目背景知识。传统做法在聊天框里粘贴大段代码或文档。Matt 的做法创建项目级的“上下文文件”。/context目录在项目根目录下创建此文件夹。标准化文件project-brief.md项目概述、核心目标、技术栈。api-reference.md关键 API 的用法和示例。code-conventions.md代码风格、命名规范、提交信息格式。current-problems.md当前已知的 Bug、技术债或待决策项。使用方式当开启一个新的智能体会话如在 Cursor 中开启一个新 Chat首先将/context目录下的相关文件内容“喂”给它。你可以直接拖拽文件到聊天窗口或使用扩展的“添加上下文”功能。这样做的好处一致性每个智能体会话都始于相同的知识基线。可维护性项目知识以文档形式沉淀而非散落在聊天历史中。效率无需每次重复解释。4.2 支柱二基于文件的任务分解与规划任务分解不让智能体处理模糊的巨型任务如“开发一个用户系统”而是引导它进行规划。传统做法给智能体一个模糊的大目标。Matt 的做法使用“规划文件”来引导思考。创建plan.md在开始一项新功能或重构前先手动或与智能体协作创建此文件。文件结构示例# 功能用户登录模块重构 ## 目标 - 将现有的基于 Session 的登录改为 JWT。 - 增加登录日志记录。 - 保持向后兼容性。 ## 当前代码结构分析 - auth/legacy_session.py现有的会话处理。 - models/user.py用户模型。 ## 步骤规划 1. 分析 legacy_session.py 的依赖项。 2. 设计新的 JWT 工具函数新建 auth/jwt_utils.py。 3. 创建登录日志模型新建 models/login_log.py。 4. 逐步迁移路由 /api/login 的逻辑。 5. 编写单元测试。 6. 更新 API 文档。 ## 开放问题 - JWT 密钥的存储和管理方式 - 是否需要提供会话/JWT 双模式过渡期与智能体协作将plan.md发给智能体并指令“请根据这份规划我们从第一步开始。首先请分析auth/legacy_session.py并列出所有需要修改的调用点。”这样做的好处可控性将大任务拆解为可验证的小步骤。可追溯性plan.md本身成为项目文档的一部分。聚焦每次和智能体的交互都围绕一个明确的子目标避免对话偏离。4.3 支柱三在编辑器内实现“即时代理”协同协同执行这是最体现“工程化”的一环让智能体像结对编程的伙伴一样直接在代码编辑器里与你互动。Matt 的核心技巧“” 引用文件在 Cursor 或某些 VS Code AI 扩展中你可以在聊天框里用符号引用当前项目中的文件。例如“请查看/context/code-conventions.md中的命名规范然后重构/utils/stringHelper.js这个文件。” 智能体会自动读取这些文件的内容作为上下文。边聊边改不要一次性要求智能体完成所有更改。更好的模式是你“请为/services/userService.js中的createUser函数添加输入验证。”智能体生成代码差异Diff。你在编辑器中审阅这个 Diff点击“接受”或“拒绝”。如果接受代码立即被修改。你“很好。现在请基于刚才的修改为这个验证逻辑编写一个单元测试文件/tests/userService.test.js。”利用“问题诊断”当遇到编译错误或测试失败时直接将错误信息复制给智能体并引用出错的文件。让它直接定位和修复问题。4.4 支柱四构建可复用的提示词模板库经验沉淀将那些经过验证的、高效的交互模式保存下来形成个人或团队的“智能体脚本”。如何操作在 VS Code/Cursor 中创建一个全局的或项目内的/.prompts目录。将常用的提示词保存为.md文件。例如code-review.md用于请求代码审查的标准化提示词。generate-boilerplate.md生成特定框架如 Next.js 组件脚手架代码的提示词。debug-error.md提交错误日志请求分析的标准化格式。模板示例 (/.prompts/code-review.md)请对以下代码进行审查重点关注 1. 安全性是否存在 SQL 注入、XSS 等风险 2. 性能是否有低效的循环或数据库查询 3. 可读性命名是否清晰函数是否过长 4. 是否符合项目规范参考上下文中的 code-conventions.md 被审查的代码位于文件{file_path} 请以列表形式给出发现的问题和改进建议。使用当需要代码审查时打开code-review.md复制内容替换{file_path}然后发送给智能体。通过这四个支柱AI 智能体从一个被动的问答机器转变为你项目中的一个主动、有记忆、按流程工作的“数字员工”。5. 完整示例与代码实现搭建一个智能体辅助的 Node.js API 开发工作流让我们通过一个具体的例子将上述理论付诸实践。假设我们要开发一个简单的用户管理 API并使用 Matt 的工作流来辅助。5.1 第一步初始化项目与上下文# 1. 创建项目目录 mkdir smart-user-api cd smart-user-api # 2. 初始化 Node.js 项目 npm init -y # 3. 安装基础依赖 npm install express mongoose dotenv bcryptjs jsonwebtoken # 4. 创建上下文目录和文件 mkdir context touch context/project-brief.md context/code-conventions.md context/api-plan.md/context/project-brief.md内容# 项目简报智能用户管理 API ## 目标 构建一个 RESTful API用于用户注册、登录、信息管理和 JWT 认证。 ## 技术栈 - **运行时**: Node.js (最新 LTS 版本) - **框架**: Express.js - **数据库**: MongoDB (使用 Mongoose ODM) - **认证**: JWT (JSON Web Tokens) - **密码加密**: bcryptjs ## 核心功能 1. POST /api/auth/register - 用户注册 2. POST /api/auth/login - 用户登录返回 JWT 3. GET /api/users/me - 获取当前用户信息 (需认证) 4. PUT /api/users/me - 更新当前用户信息 (需认证) ## 项目结构 (规划) - /models - Mongoose 数据模型 (User) - /routes - Express 路由 - /controllers - 业务逻辑控制器 - /middleware - 中间件 (如认证验证) - /utils - 工具函数 (如 JWT 生成) - /config - 配置文件/context/code-conventions.md内容# 代码规范 ## 通用 - 使用 ES6 语法。 - 使用 async/await 处理异步避免回调地狱。 - 所有 const 和 let不使用 var。 ## 命名 - 变量/函数camelCase - 类/构造函数PascalCase - 常量UPPER_SNAKE_CASE - 文件名kebab-case.js ## API 响应格式 json { success: true, message: 操作成功描述, data: { /* 返回的数据 */ }, error: null // 失败时为错误信息对象 }错误处理使用中心化的错误处理中间件。在控制器中throw new Error()由中间件捕获并格式化。### 5.2 第二步与智能体协作创建数据模型 在 Cursor 或 VS Code配合 AI 扩展中打开项目。 1. 在聊天框中首先提供上下文“请先阅读我们项目的上下文文件/context/project-brief.md 和 /context/code-conventions.md。” 2. 然后给出任务“现在请根据项目规划在 /models 目录下创建 User.js 模型文件。字段需要包括username (唯一), email (唯一), passwordHash, createdAt。” 3. 智能体可能会生成类似以下的代码。你审阅后接受。 **生成的文件 /models/User.js** javascript // /models/User.js const mongoose require(mongoose); const bcrypt require(bcryptjs); const userSchema new mongoose.Schema({ username: { type: String, required: true, unique: true, trim: true, minlength: 3 }, email: { type: String, required: true, unique: true, lowercase: true, match: [/^\S\S\.\S$/, Please provide a valid email address.] }, passwordHash: { type: String, required: true }, createdAt: { type: Date, default: Date.now } }, { timestamps: true // mongoose 会自动添加 createdAt 和 updatedAt }); // 在保存前加密密码的中间件 userSchema.pre(save, async function(next) { // 仅当密码被修改时或新用户才进行哈希处理 if (!this.isModified(passwordHash)) return next(); try { const salt await bcrypt.genSalt(10); this.passwordHash await bcrypt.hash(this.passwordHash, salt); next(); } catch (error) { next(error); } }); // 实例方法验证密码 userSchema.methods.isValidPassword async function(password) { try { return await bcrypt.compare(password, this.passwordHash); } catch (error) { throw error; } }; const User mongoose.model(User, userSchema); module.exports User;5.3 第三步利用模板创建 JWT 工具函数现在使用我们预设的提示词模板来生成工具函数。假设我们有一个/.prompts/generate-utility.md模板。模板内容 (/.prompts/generate-utility.md)请根据以下要求生成一个 Node.js 工具函数模块。 函数要求 {function_description} 技术要求 - 使用 ES6 模块语法 (module.exports 或 export)。 - 包含完整的 JSDoc 注释。 - 包含基本的错误处理。 - 遵循项目代码规范见上下文。 请将代码写入文件{file_path}使用模板复制模板内容。替换变量{function_description}- “生成 JWT token 的函数和验证 JWT token 的函数。需要一个密钥从环境变量JWT_SECRET读取和可选的过期时间。”{file_path}-“/utils/jwt.js”将修改后的提示词发送给智能体。智能体可能生成的/utils/jwt.js// /utils/jwt.js const jwt require(jsonwebtoken); /** * 生成 JWT Token * param {Object} payload - 要编码到 token 中的数据 * param {string|number} [expiresIn7d] - 过期时间默认为7天 * returns {string} JWT Token * throws {Error} 如果密钥未设置或生成失败 */ const generateToken (payload, expiresIn 7d) { const secret process.env.JWT_SECRET; if (!secret) { throw new Error(JWT_SECRET environment variable is not set.); } try { return jwt.sign(payload, secret, { expiresIn }); } catch (error) { throw new Error(Failed to generate token: ${error.message}); } }; /** * 验证并解码 JWT Token * param {string} token - 要验证的 JWT Token * returns {Object} 解码后的 payload * throws {Error} 如果 token 无效、过期或密钥错误 */ const verifyToken (token) { const secret process.env.JWT_SECRET; if (!secret) { throw new Error(JWT_SECRET environment variable is not set.); } try { return jwt.verify(token, secret); } catch (error) { // 可以在这里细化错误类型如 TokenExpiredError, JsonWebTokenError throw new Error(Token verification failed: ${error.message}); } }; module.exports { generateToken, verifyToken };5.4 第四步迭代开发与调试在开发认证中间件时你可能会遇到错误。创建/middleware/auth.js先让智能体生成一个基础的 JWT 验证中间件。运行测试时出错假设你写了一个测试但中间件抛出了TypeError: Cannot read property split of undefined。将错误反馈给智能体把错误堆栈信息和/middleware/auth.js文件一起发给智能体“我在测试这个中间件时遇到了错误[粘贴错误信息]。请分析/middleware/auth.js并修复它。”智能体分析并修复它可能会发现你没有正确处理请求头中Authorization字段不存在的情况并提供一个修复后的版本。通过这种“编辑-运行-调试-反馈”的紧密循环智能体成为了一个实时在线的代码审查和调试助手。6. 运行结果与效果验证完成核心代码后我们需要验证整个工作流是否跑通。6.1 创建应用入口和测试路由/app.js或/index.js(简化示例):require(dotenv).config(); const express require(express); const mongoose require(mongoose); const authRoutes require(./routes/auth); const app express(); app.use(express.json()); // 连接数据库 mongoose.connect(process.env.MONGODB_URI || mongodb://localhost:27017/smart-user-api) .then(() console.log(MongoDB connected)) .catch(err console.error(MongoDB connection error:, err)); // 路由 app.use(/api/auth, authRoutes); // 基础路由 app.get(/, (req, res) { res.json({ message: Smart User API is running }); }); const PORT process.env.PORT || 3000; app.listen(PORT, () { console.log(Server running on port ${PORT}); });/routes/auth.js(简化示例):const express require(express); const router express.Router(); const { login } require(../controllers/authController); // POST /api/auth/login router.post(/login, login); module.exports router;/controllers/authController.js(简化示例):const User require(../models/User); const { generateToken } require(../utils/jwt); exports.login async (req, res, next) { try { const { email, password } req.body; // 1. 查找用户 const user await User.findOne({ email }); if (!user) { return res.status(401).json({ success: false, message: Invalid credentials, data: null }); } // 2. 验证密码 const isValid await user.isValidPassword(password); if (!isValid) { return res.status(401).json({ success: false, message: Invalid credentials, data: null }); } // 3. 生成 JWT const token generateToken({ userId: user._id, email: user.email }); // 4. 返回成功响应 (排除密码哈希) const userData { id: user._id, username: user.username, email: user.email }; res.status(200).json({ success: true, message: Login successful, data: { user: userData, token } }); } catch (error) { next(error); // 传递给错误处理中间件 } };6.2 环境变量配置创建.env文件# .env MONGODB_URImongodb://localhost:27017/smart-user-api JWT_SECRETyour_super_secret_jwt_key_change_this_in_production PORT30006.3 启动与测试启动 MongoDB 服务(确保已安装并运行)。启动应用node app.js控制台应输出Server running on port 3000和MongoDB connected。使用 Thunder Client 或 curl 测试测试根路径GET http://localhost:3000/应返回欢迎信息。测试登录POST http://localhost:3000/api/auth/login带上 JSON body{email: testexample.com, password: password123}(需要先有用户)。应返回包含token的成功响应或 401 错误。预期结果整个 API 能够正常运行智能体协助生成的代码符合项目规范并且各模块模型、工具、控制器、路由协同工作。这证明了你不仅写完了代码更实践了一套高效的、由智能体辅助的工程协作流程。7. 常见问题与排查思路在实践这套工作流时你可能会遇到一些典型问题。下表列出了常见问题及其解决方法问题现象可能原因排查方式解决方案智能体生成的代码不符合项目规范1. 上下文文件 (code-conventions.md) 未提供或内容不清晰。2. 提示词指令不够明确。1. 检查是否在会话开始时引用了规范文件。2. 检查智能体回复中是否提及了你的规范。1. 优化code-conventions.md使其更具体、可执行。2. 在提示词中明确强调“请严格遵守/context/code-conventions.md中的规范。”智能体“忘记”了之前的对话内容1. 模型上下文长度有限。2. 开启了新的聊天会话。查看当前会话的 token 使用量如果扩展支持。会话是否过长1. 对于长任务使用plan.md分解每次开启新会话处理一个子任务并通过引用之前的结果文件。2. 要求智能体将重要决策总结并写入文件作为后续会话的上下文。引用文件功能无效1. 编辑器扩展不支持此功能。2. 文件路径错误。1. 确认你使用的 AI 扩展如 Cursor, Continue支持文件引用。2. 检查路径是否相对于项目根目录。1. 切换到支持该功能的编辑器或扩展。2. 手动复制文件内容到聊天框作为备选方案。智能体给出的方案有安全漏洞1. 上下文缺乏安全要求。2. 模型本身的知识局限。审查生成的代码特别是涉及用户输入、数据库查询、认证授权、文件操作的部分。1. 在project-brief.md或单独的security.md上下文中明确安全要求。2.永远不要盲目接受所有代码。将安全审查作为必须的人工步骤。对关键代码进行手动审计或使用 SAST 工具。工作流在团队中难以推行1. 流程过于个人化缺乏文档。2. 团队成员 AI 工具使用水平不一。团队讨论识别协作中的断点。是上下文共享问题还是代码合并冲突1. 将核心工作流如/context目录结构、/.prompts模板标准化并纳入项目仓库。2. 编写简明的团队内部分享文档组织一次 workshop 演示核心协作场景。本地模型如 Ollama响应慢或效果差1. 模型参数大小或能力不足。2. 硬件资源GPU/内存瓶颈。测试模型在简单代码任务上的表现。监控资源使用情况。1. 针对代码任务选择专门的代码模型如 DeepSeek-Coder, CodeLlama。2. 复杂任务仍可交给云端大模型如 GPT-4本地模型用于辅助或离线场景。将两者结合使用。8. 最佳实践与工程建议借鉴 Matt Pocock 的思路并结合工程实践以下建议能让你的智能体工作流更加稳健高效版本控制你的上下文和提示词将/context和/.prompts目录纳入 Git 仓库。它们是重要的项目资产其演变历史本身就很有价值。设计“黄金上下文”不要把所有文档都扔进上下文。为不同类型的任务如“前端开发”、“API 设计”、“数据库迁移”创建精简、高信息密度的上下文文件。智能体处理无关信息会降低效率。建立人工检查点Checkpoint在关键步骤设置强制的人工审查。例如智能体生成plan.md后人工确认。智能体完成一个模块的代码后运行测试人工审查 Diff。涉及数据库模式变更或核心业务逻辑时必须人工审核。让智能体“解释”其决策在要求智能体生成代码或方案时追加一句“请简要解释一下你的实现思路”。这能帮助你理解其逻辑并发现潜在问题。迭代优化提示词模板将/.prompts中的模板视为可迭代的产品。记录下哪些模板效果好哪些需要改进。一个不断进化的提示词库是你个人生产力的核心杠杆。安全第一绝不让智能体处理生产环境密钥、密码或敏感数据。对智能体生成的任何涉及权限、认证、输入验证、数据库查询防注入的代码保持高度警惕必须人工复核。考虑在 CI/CD 流水线中加入针对 AI 生成代码的静态安全扫描。组合使用多种智能体不要局限于一个模型。可以用 GPT-4 进行架构设计和复杂逻辑推理用 Claude 进行文档撰写和代码审查用本地代码模型进行简单的补全和重构。根据任务特点选择最合适的“协作者”。度量你的效率记录使用工作流前后完成同类任务如实现一个 CRUD 接口的时间。关注是否减少了上下文切换、降低了返工率。用数据来证明和优化你的流程。9. 总结与后续学习方向Matt Pocock 的智能体工程工作流其价值不在于某个特定的工具或命令而在于它展示了一种结构化的、可持续的与 AI 协作的思维方式。它标志着我们从零散的“提示词技巧”迈向了系统的“智能体工程”。本文带你走通了几个关键点理念转变认识到 Agentic Engineering 的核心是从编码者变为协调者。环境搭建准备了以 VS Code/Cursor 为核心的智能体友好开发环境。流程构建实践了“上下文管理、任务规划、协同执行、经验沉淀”的四支柱工作流。实战演练通过一个 Node.js API 项目体验了从初始化到调试的完整协作循环。避坑指南了解了常见问题与必须遵守的安全红线。接下来你可以从这些方向深化探索更强大的“智能体中心”研究如Dify,Flowise,LangChain等项目。它们提供了可视化编排、记忆管理、工具调用等更高级的功能适合构建复杂的多智能体应用。深入提示词工程学习Chain of Thought,ReAct等高级提示技术让你对智能体的引导更加精准。构建团队知识库将团队的项目文档、设计决策、事故复盘等都结构化地存入一个知识库如用 Wiki 或 Notion并探索如何让智能体更有效地检索和利用这些知识。关注 AI 编程工具的最新进展这个领域日新月异。关注 Cursor, GitHub Copilot Workspace, Windsurf 等工具的更新它们正在不断降低智能体工程的门槛。最终最强大的工作流永远是那个与你个人或团队思维习惯最契合、并能持续演化的工作流。现在就打开你的编辑器创建第一个/context目录开始你的智能体工程实践吧。建议收藏本文在遇到具体问题时回来查阅对应的章节。
从提示词到智能体工程：TypeScript专家Matt Pocock的高效AI协作工作流实践
你是不是也遇到过这样的场景想用 AI 智能体帮你写代码、分析数据或者处理文档但每次都要从头开始写提示词重复解释背景结果 AI 还是记不住上下文或者执行流程七零八落最后效率没提升反而更心累了这正是当前 AI 应用开发的一个核心痛点我们拥有了强大的“智能体”Agent却缺乏一套系统化的“工程方法”来驾驭它。开发者们还在用“手工作坊”的方式与 AI 协作每次交互都是孤立的无法沉淀为可复用、可迭代的资产。最近TypeScript 专家 Matt Pocock 分享了一套他个人正在使用的“智能体工程工作流”被另一位开发者 David Ondrej 评价为“直接照搬就行”。这套工作流的核心正是当下备受关注的Agentic Engineering理念。它不是一个新工具而是一种新的工程范式开发者从“代码编写者”转变为“智能体协调者”通过系统化的上下文管理、知识沉淀和流程设计让 AI 智能体真正具备自主性、记忆力和协作能力。本文将为你深度拆解 Matt Pocock 这套工作流的设计精髓与实现细节。我们不会停留在概念层面而是会深入到具体的工具选择、配置方法、代码示例和最佳实践中。无论你是想提升个人开发效率还是为团队构建标准化的 AI 协作流程这篇文章都将提供一条清晰、可落地的路径。1. 这篇文章真正要解决的问题从“提示词工程”到“智能体工程”的跃迁过去一年很多开发者学会了“提示词工程”Prompt Engineering学会了如何写出更精准的指令来引导大模型。但这本质上还是在“驯化”一个没有记忆、每次对话都重置的“金鱼”。当任务变得复杂需要多步骤、长周期、依赖历史信息时单纯的提示词就力不从心了。Agentic Engineering智能体工程要解决的正是这个“工程化”的断层。它关注的不再是单次对话的“咒语”而是如何构建一个可持续运行、具备状态、能自主调用工具并与其他智能体协作的系统。这就像从编写单行的 Shell 命令进化到设计一个完整的、带状态管理和错误处理的微服务架构。Matt Pocock 作为一位高产的技术内容创作者和工具开发者他的工作流正是这种理念的实践。他面临的问题很典型知识碎片化项目背景、API 文档、代码规范分散各处每次都要重新喂给 AI。上下文丢失长对话后AI 容易“忘记”早期的关键决策或约定。流程不可控复杂的任务如重构代码、撰写技术文章缺乏清晰的步骤和检查点。经验无法沉淀一次调试成功的精妙提示词下次换个项目又得重头摸索。他的解决方案不是寻找某个“终极智能体”而是搭建一个以 VS Code 和 Cursor 编辑器为核心结合特定文件结构和流程规范的工作流系统。这套系统的目标是让 AI 成为他工作流中一个稳定、可靠、可预测的“协作者”而非一个时灵时不灵的“黑盒”。如果你也厌倦了与 AI 的“一次性交易”希望建立一种长期、稳定、高效的协作关系那么理解并实践这套智能体工程工作流将是你的下一步。2. 基础概念与核心原理智能体、工作流与工程化在深入具体操作前我们需要统一几个关键概念的理解这能帮助你看清 Matt 工作流背后的设计逻辑。2.1 智能体Agent vs. 大模型LLM大模型如 GPT-4, Claude 3是一个强大的“文本预测引擎”。你输入一段文本提示词它输出一段最可能的续写。它没有记忆、没有目标、不会主动执行任务。智能体是大模型 记忆Memory 工具Tools 规划Planning能力的封装。智能体有明确的目标如“修复这个Bug”能记住对话历史和相关知识可以自主决定调用哪个工具如搜索网络、运行代码、查询数据库并规划执行步骤。简单说大模型是“引擎”智能体是“装了引擎、GPS和机械臂的汽车”。2.2 工作流Workflow在智能体语境下的含义在这里工作流不是指像 n8n 或 Dify 那样的可视化编排工具虽然它们相关。它指的是完成一项复杂任务所遵循的、一系列可重复的步骤和规范。例如“撰写一篇技术博客”的工作流可能包括1. 用智能体进行头脑风暴确定选题2. 让智能体根据知识库撰写初稿3. 人工审核并给出修改指令4. 让智能体检查代码示例的正确性。Matt 的工作流就是将这些步骤固化到他的日常开发环境中。2.3 Agentic Engineering智能体工程的核心思想根据网络搜索材料中提到的概念Agentic Engineering 是一种工程范式转变角色转变开发者从“代码编写者”变为“智能体协调者”。你的主要工作不再是逐行敲代码而是设计任务、提供上下文、定义工具、并监督智能体的执行。核心要素系统化的上下文管理如何高效、准确地将项目知识代码库、文档、会议记录提供给智能体。知识沉淀如何将成功的交互模式、有效的提示词模板保存下来形成团队或个人的“最佳实践库”。流程设计如何将复杂任务分解为智能体可以执行的标准化步骤并设置检查点Checkpoint进行人工干预或验证。理解了这些你就会明白Matt Pocock 分享的不仅仅是一组快捷键或插件列表而是一套完整的、体现 Agentic Engineering 思想的个人操作系统。3. 环境准备与前置条件要复现或借鉴 Matt 的工作流你需要准备以下环境。请注意这里不会给出具体的、可能过时的版本号而是列出必要的组件和选择建议。3.1 核心开发环境代码编辑器VS Code 或 CursorVS Code生态最丰富的选择。Matt 的工作流重度依赖其插件系统。Cursor一个基于 VS Code 但深度集成 AI最初基于 GPT-4的编辑器。它内置了优秀的智能体交互界面是许多 AI 原生开发者的首选。你可以将其视为“为 AI 协作而生的 VS Code”。本文的示例将兼顾两者。操作系统macOS, Windows 或 Linux 均可。部分 Shell 命令可能有差异。3.2 AI 能力基础大模型 API 访问权限你需要能够访问一个或多个功能强大的大模型。常见选择OpenAI GPT-4/4o通过 OpenAI API。Anthropic Claude 3通过 Anthropic API。本地模型如通过 Ollama 运行的 DeepSeek-Coder、Qwen-Coder 等。这对代码生成和推理也很有帮助且隐私性更好。在编辑器中的集成Cursor内置集成只需在设置中填入 API Key。VS Code需要安装如genc.ai、Continue、Windsurf或CodeGPT等扩展并在扩展设置中配置 API。3.3 推荐安装的 VS Code / Cursor 扩展这些扩展是构建高效工作流的“积木”GitLens增强的 Git 功能。智能体需要理解代码变更历史。Error Lens或ESLint/Prettier实时显示错误和格式问题。让智能体在写代码时就能获得反馈。Todo Tree高亮显示代码中的TODO、FIXME注释。方便和智能体一起管理任务。CodeGPT或Continue如果你用 VS Code这是接入多个 AI 模型的关键扩展。Thunder Client或REST Client用于测试 API。智能体可以帮你生成或调试请求。Markdown All in One如果你经常和智能体协作撰写文档。准备好这些我们就有了施展智能体工程的“工作台”。4. 核心流程拆解Matt Pocock 工作流的四个支柱Matt 的工作流可以抽象为四个关键环节它们共同构成了一个增强循环知识注入 → 任务分解 → 协同执行 → 经验沉淀。4.1 支柱一系统化的上下文管理知识注入这是智能体工程的基础。目标是让智能体在开始工作前就拥有足够的项目背景知识。传统做法在聊天框里粘贴大段代码或文档。Matt 的做法创建项目级的“上下文文件”。/context目录在项目根目录下创建此文件夹。标准化文件project-brief.md项目概述、核心目标、技术栈。api-reference.md关键 API 的用法和示例。code-conventions.md代码风格、命名规范、提交信息格式。current-problems.md当前已知的 Bug、技术债或待决策项。使用方式当开启一个新的智能体会话如在 Cursor 中开启一个新 Chat首先将/context目录下的相关文件内容“喂”给它。你可以直接拖拽文件到聊天窗口或使用扩展的“添加上下文”功能。这样做的好处一致性每个智能体会话都始于相同的知识基线。可维护性项目知识以文档形式沉淀而非散落在聊天历史中。效率无需每次重复解释。4.2 支柱二基于文件的任务分解与规划任务分解不让智能体处理模糊的巨型任务如“开发一个用户系统”而是引导它进行规划。传统做法给智能体一个模糊的大目标。Matt 的做法使用“规划文件”来引导思考。创建plan.md在开始一项新功能或重构前先手动或与智能体协作创建此文件。文件结构示例# 功能用户登录模块重构 ## 目标 - 将现有的基于 Session 的登录改为 JWT。 - 增加登录日志记录。 - 保持向后兼容性。 ## 当前代码结构分析 - auth/legacy_session.py现有的会话处理。 - models/user.py用户模型。 ## 步骤规划 1. 分析 legacy_session.py 的依赖项。 2. 设计新的 JWT 工具函数新建 auth/jwt_utils.py。 3. 创建登录日志模型新建 models/login_log.py。 4. 逐步迁移路由 /api/login 的逻辑。 5. 编写单元测试。 6. 更新 API 文档。 ## 开放问题 - JWT 密钥的存储和管理方式 - 是否需要提供会话/JWT 双模式过渡期与智能体协作将plan.md发给智能体并指令“请根据这份规划我们从第一步开始。首先请分析auth/legacy_session.py并列出所有需要修改的调用点。”这样做的好处可控性将大任务拆解为可验证的小步骤。可追溯性plan.md本身成为项目文档的一部分。聚焦每次和智能体的交互都围绕一个明确的子目标避免对话偏离。4.3 支柱三在编辑器内实现“即时代理”协同协同执行这是最体现“工程化”的一环让智能体像结对编程的伙伴一样直接在代码编辑器里与你互动。Matt 的核心技巧“” 引用文件在 Cursor 或某些 VS Code AI 扩展中你可以在聊天框里用符号引用当前项目中的文件。例如“请查看/context/code-conventions.md中的命名规范然后重构/utils/stringHelper.js这个文件。” 智能体会自动读取这些文件的内容作为上下文。边聊边改不要一次性要求智能体完成所有更改。更好的模式是你“请为/services/userService.js中的createUser函数添加输入验证。”智能体生成代码差异Diff。你在编辑器中审阅这个 Diff点击“接受”或“拒绝”。如果接受代码立即被修改。你“很好。现在请基于刚才的修改为这个验证逻辑编写一个单元测试文件/tests/userService.test.js。”利用“问题诊断”当遇到编译错误或测试失败时直接将错误信息复制给智能体并引用出错的文件。让它直接定位和修复问题。4.4 支柱四构建可复用的提示词模板库经验沉淀将那些经过验证的、高效的交互模式保存下来形成个人或团队的“智能体脚本”。如何操作在 VS Code/Cursor 中创建一个全局的或项目内的/.prompts目录。将常用的提示词保存为.md文件。例如code-review.md用于请求代码审查的标准化提示词。generate-boilerplate.md生成特定框架如 Next.js 组件脚手架代码的提示词。debug-error.md提交错误日志请求分析的标准化格式。模板示例 (/.prompts/code-review.md)请对以下代码进行审查重点关注 1. 安全性是否存在 SQL 注入、XSS 等风险 2. 性能是否有低效的循环或数据库查询 3. 可读性命名是否清晰函数是否过长 4. 是否符合项目规范参考上下文中的 code-conventions.md 被审查的代码位于文件{file_path} 请以列表形式给出发现的问题和改进建议。使用当需要代码审查时打开code-review.md复制内容替换{file_path}然后发送给智能体。通过这四个支柱AI 智能体从一个被动的问答机器转变为你项目中的一个主动、有记忆、按流程工作的“数字员工”。5. 完整示例与代码实现搭建一个智能体辅助的 Node.js API 开发工作流让我们通过一个具体的例子将上述理论付诸实践。假设我们要开发一个简单的用户管理 API并使用 Matt 的工作流来辅助。5.1 第一步初始化项目与上下文# 1. 创建项目目录 mkdir smart-user-api cd smart-user-api # 2. 初始化 Node.js 项目 npm init -y # 3. 安装基础依赖 npm install express mongoose dotenv bcryptjs jsonwebtoken # 4. 创建上下文目录和文件 mkdir context touch context/project-brief.md context/code-conventions.md context/api-plan.md/context/project-brief.md内容# 项目简报智能用户管理 API ## 目标 构建一个 RESTful API用于用户注册、登录、信息管理和 JWT 认证。 ## 技术栈 - **运行时**: Node.js (最新 LTS 版本) - **框架**: Express.js - **数据库**: MongoDB (使用 Mongoose ODM) - **认证**: JWT (JSON Web Tokens) - **密码加密**: bcryptjs ## 核心功能 1. POST /api/auth/register - 用户注册 2. POST /api/auth/login - 用户登录返回 JWT 3. GET /api/users/me - 获取当前用户信息 (需认证) 4. PUT /api/users/me - 更新当前用户信息 (需认证) ## 项目结构 (规划) - /models - Mongoose 数据模型 (User) - /routes - Express 路由 - /controllers - 业务逻辑控制器 - /middleware - 中间件 (如认证验证) - /utils - 工具函数 (如 JWT 生成) - /config - 配置文件/context/code-conventions.md内容# 代码规范 ## 通用 - 使用 ES6 语法。 - 使用 async/await 处理异步避免回调地狱。 - 所有 const 和 let不使用 var。 ## 命名 - 变量/函数camelCase - 类/构造函数PascalCase - 常量UPPER_SNAKE_CASE - 文件名kebab-case.js ## API 响应格式 json { success: true, message: 操作成功描述, data: { /* 返回的数据 */ }, error: null // 失败时为错误信息对象 }错误处理使用中心化的错误处理中间件。在控制器中throw new Error()由中间件捕获并格式化。### 5.2 第二步与智能体协作创建数据模型 在 Cursor 或 VS Code配合 AI 扩展中打开项目。 1. 在聊天框中首先提供上下文“请先阅读我们项目的上下文文件/context/project-brief.md 和 /context/code-conventions.md。” 2. 然后给出任务“现在请根据项目规划在 /models 目录下创建 User.js 模型文件。字段需要包括username (唯一), email (唯一), passwordHash, createdAt。” 3. 智能体可能会生成类似以下的代码。你审阅后接受。 **生成的文件 /models/User.js** javascript // /models/User.js const mongoose require(mongoose); const bcrypt require(bcryptjs); const userSchema new mongoose.Schema({ username: { type: String, required: true, unique: true, trim: true, minlength: 3 }, email: { type: String, required: true, unique: true, lowercase: true, match: [/^\S\S\.\S$/, Please provide a valid email address.] }, passwordHash: { type: String, required: true }, createdAt: { type: Date, default: Date.now } }, { timestamps: true // mongoose 会自动添加 createdAt 和 updatedAt }); // 在保存前加密密码的中间件 userSchema.pre(save, async function(next) { // 仅当密码被修改时或新用户才进行哈希处理 if (!this.isModified(passwordHash)) return next(); try { const salt await bcrypt.genSalt(10); this.passwordHash await bcrypt.hash(this.passwordHash, salt); next(); } catch (error) { next(error); } }); // 实例方法验证密码 userSchema.methods.isValidPassword async function(password) { try { return await bcrypt.compare(password, this.passwordHash); } catch (error) { throw error; } }; const User mongoose.model(User, userSchema); module.exports User;5.3 第三步利用模板创建 JWT 工具函数现在使用我们预设的提示词模板来生成工具函数。假设我们有一个/.prompts/generate-utility.md模板。模板内容 (/.prompts/generate-utility.md)请根据以下要求生成一个 Node.js 工具函数模块。 函数要求 {function_description} 技术要求 - 使用 ES6 模块语法 (module.exports 或 export)。 - 包含完整的 JSDoc 注释。 - 包含基本的错误处理。 - 遵循项目代码规范见上下文。 请将代码写入文件{file_path}使用模板复制模板内容。替换变量{function_description}- “生成 JWT token 的函数和验证 JWT token 的函数。需要一个密钥从环境变量JWT_SECRET读取和可选的过期时间。”{file_path}-“/utils/jwt.js”将修改后的提示词发送给智能体。智能体可能生成的/utils/jwt.js// /utils/jwt.js const jwt require(jsonwebtoken); /** * 生成 JWT Token * param {Object} payload - 要编码到 token 中的数据 * param {string|number} [expiresIn7d] - 过期时间默认为7天 * returns {string} JWT Token * throws {Error} 如果密钥未设置或生成失败 */ const generateToken (payload, expiresIn 7d) { const secret process.env.JWT_SECRET; if (!secret) { throw new Error(JWT_SECRET environment variable is not set.); } try { return jwt.sign(payload, secret, { expiresIn }); } catch (error) { throw new Error(Failed to generate token: ${error.message}); } }; /** * 验证并解码 JWT Token * param {string} token - 要验证的 JWT Token * returns {Object} 解码后的 payload * throws {Error} 如果 token 无效、过期或密钥错误 */ const verifyToken (token) { const secret process.env.JWT_SECRET; if (!secret) { throw new Error(JWT_SECRET environment variable is not set.); } try { return jwt.verify(token, secret); } catch (error) { // 可以在这里细化错误类型如 TokenExpiredError, JsonWebTokenError throw new Error(Token verification failed: ${error.message}); } }; module.exports { generateToken, verifyToken };5.4 第四步迭代开发与调试在开发认证中间件时你可能会遇到错误。创建/middleware/auth.js先让智能体生成一个基础的 JWT 验证中间件。运行测试时出错假设你写了一个测试但中间件抛出了TypeError: Cannot read property split of undefined。将错误反馈给智能体把错误堆栈信息和/middleware/auth.js文件一起发给智能体“我在测试这个中间件时遇到了错误[粘贴错误信息]。请分析/middleware/auth.js并修复它。”智能体分析并修复它可能会发现你没有正确处理请求头中Authorization字段不存在的情况并提供一个修复后的版本。通过这种“编辑-运行-调试-反馈”的紧密循环智能体成为了一个实时在线的代码审查和调试助手。6. 运行结果与效果验证完成核心代码后我们需要验证整个工作流是否跑通。6.1 创建应用入口和测试路由/app.js或/index.js(简化示例):require(dotenv).config(); const express require(express); const mongoose require(mongoose); const authRoutes require(./routes/auth); const app express(); app.use(express.json()); // 连接数据库 mongoose.connect(process.env.MONGODB_URI || mongodb://localhost:27017/smart-user-api) .then(() console.log(MongoDB connected)) .catch(err console.error(MongoDB connection error:, err)); // 路由 app.use(/api/auth, authRoutes); // 基础路由 app.get(/, (req, res) { res.json({ message: Smart User API is running }); }); const PORT process.env.PORT || 3000; app.listen(PORT, () { console.log(Server running on port ${PORT}); });/routes/auth.js(简化示例):const express require(express); const router express.Router(); const { login } require(../controllers/authController); // POST /api/auth/login router.post(/login, login); module.exports router;/controllers/authController.js(简化示例):const User require(../models/User); const { generateToken } require(../utils/jwt); exports.login async (req, res, next) { try { const { email, password } req.body; // 1. 查找用户 const user await User.findOne({ email }); if (!user) { return res.status(401).json({ success: false, message: Invalid credentials, data: null }); } // 2. 验证密码 const isValid await user.isValidPassword(password); if (!isValid) { return res.status(401).json({ success: false, message: Invalid credentials, data: null }); } // 3. 生成 JWT const token generateToken({ userId: user._id, email: user.email }); // 4. 返回成功响应 (排除密码哈希) const userData { id: user._id, username: user.username, email: user.email }; res.status(200).json({ success: true, message: Login successful, data: { user: userData, token } }); } catch (error) { next(error); // 传递给错误处理中间件 } };6.2 环境变量配置创建.env文件# .env MONGODB_URImongodb://localhost:27017/smart-user-api JWT_SECRETyour_super_secret_jwt_key_change_this_in_production PORT30006.3 启动与测试启动 MongoDB 服务(确保已安装并运行)。启动应用node app.js控制台应输出Server running on port 3000和MongoDB connected。使用 Thunder Client 或 curl 测试测试根路径GET http://localhost:3000/应返回欢迎信息。测试登录POST http://localhost:3000/api/auth/login带上 JSON body{email: testexample.com, password: password123}(需要先有用户)。应返回包含token的成功响应或 401 错误。预期结果整个 API 能够正常运行智能体协助生成的代码符合项目规范并且各模块模型、工具、控制器、路由协同工作。这证明了你不仅写完了代码更实践了一套高效的、由智能体辅助的工程协作流程。7. 常见问题与排查思路在实践这套工作流时你可能会遇到一些典型问题。下表列出了常见问题及其解决方法问题现象可能原因排查方式解决方案智能体生成的代码不符合项目规范1. 上下文文件 (code-conventions.md) 未提供或内容不清晰。2. 提示词指令不够明确。1. 检查是否在会话开始时引用了规范文件。2. 检查智能体回复中是否提及了你的规范。1. 优化code-conventions.md使其更具体、可执行。2. 在提示词中明确强调“请严格遵守/context/code-conventions.md中的规范。”智能体“忘记”了之前的对话内容1. 模型上下文长度有限。2. 开启了新的聊天会话。查看当前会话的 token 使用量如果扩展支持。会话是否过长1. 对于长任务使用plan.md分解每次开启新会话处理一个子任务并通过引用之前的结果文件。2. 要求智能体将重要决策总结并写入文件作为后续会话的上下文。引用文件功能无效1. 编辑器扩展不支持此功能。2. 文件路径错误。1. 确认你使用的 AI 扩展如 Cursor, Continue支持文件引用。2. 检查路径是否相对于项目根目录。1. 切换到支持该功能的编辑器或扩展。2. 手动复制文件内容到聊天框作为备选方案。智能体给出的方案有安全漏洞1. 上下文缺乏安全要求。2. 模型本身的知识局限。审查生成的代码特别是涉及用户输入、数据库查询、认证授权、文件操作的部分。1. 在project-brief.md或单独的security.md上下文中明确安全要求。2.永远不要盲目接受所有代码。将安全审查作为必须的人工步骤。对关键代码进行手动审计或使用 SAST 工具。工作流在团队中难以推行1. 流程过于个人化缺乏文档。2. 团队成员 AI 工具使用水平不一。团队讨论识别协作中的断点。是上下文共享问题还是代码合并冲突1. 将核心工作流如/context目录结构、/.prompts模板标准化并纳入项目仓库。2. 编写简明的团队内部分享文档组织一次 workshop 演示核心协作场景。本地模型如 Ollama响应慢或效果差1. 模型参数大小或能力不足。2. 硬件资源GPU/内存瓶颈。测试模型在简单代码任务上的表现。监控资源使用情况。1. 针对代码任务选择专门的代码模型如 DeepSeek-Coder, CodeLlama。2. 复杂任务仍可交给云端大模型如 GPT-4本地模型用于辅助或离线场景。将两者结合使用。8. 最佳实践与工程建议借鉴 Matt Pocock 的思路并结合工程实践以下建议能让你的智能体工作流更加稳健高效版本控制你的上下文和提示词将/context和/.prompts目录纳入 Git 仓库。它们是重要的项目资产其演变历史本身就很有价值。设计“黄金上下文”不要把所有文档都扔进上下文。为不同类型的任务如“前端开发”、“API 设计”、“数据库迁移”创建精简、高信息密度的上下文文件。智能体处理无关信息会降低效率。建立人工检查点Checkpoint在关键步骤设置强制的人工审查。例如智能体生成plan.md后人工确认。智能体完成一个模块的代码后运行测试人工审查 Diff。涉及数据库模式变更或核心业务逻辑时必须人工审核。让智能体“解释”其决策在要求智能体生成代码或方案时追加一句“请简要解释一下你的实现思路”。这能帮助你理解其逻辑并发现潜在问题。迭代优化提示词模板将/.prompts中的模板视为可迭代的产品。记录下哪些模板效果好哪些需要改进。一个不断进化的提示词库是你个人生产力的核心杠杆。安全第一绝不让智能体处理生产环境密钥、密码或敏感数据。对智能体生成的任何涉及权限、认证、输入验证、数据库查询防注入的代码保持高度警惕必须人工复核。考虑在 CI/CD 流水线中加入针对 AI 生成代码的静态安全扫描。组合使用多种智能体不要局限于一个模型。可以用 GPT-4 进行架构设计和复杂逻辑推理用 Claude 进行文档撰写和代码审查用本地代码模型进行简单的补全和重构。根据任务特点选择最合适的“协作者”。度量你的效率记录使用工作流前后完成同类任务如实现一个 CRUD 接口的时间。关注是否减少了上下文切换、降低了返工率。用数据来证明和优化你的流程。9. 总结与后续学习方向Matt Pocock 的智能体工程工作流其价值不在于某个特定的工具或命令而在于它展示了一种结构化的、可持续的与 AI 协作的思维方式。它标志着我们从零散的“提示词技巧”迈向了系统的“智能体工程”。本文带你走通了几个关键点理念转变认识到 Agentic Engineering 的核心是从编码者变为协调者。环境搭建准备了以 VS Code/Cursor 为核心的智能体友好开发环境。流程构建实践了“上下文管理、任务规划、协同执行、经验沉淀”的四支柱工作流。实战演练通过一个 Node.js API 项目体验了从初始化到调试的完整协作循环。避坑指南了解了常见问题与必须遵守的安全红线。接下来你可以从这些方向深化探索更强大的“智能体中心”研究如Dify,Flowise,LangChain等项目。它们提供了可视化编排、记忆管理、工具调用等更高级的功能适合构建复杂的多智能体应用。深入提示词工程学习Chain of Thought,ReAct等高级提示技术让你对智能体的引导更加精准。构建团队知识库将团队的项目文档、设计决策、事故复盘等都结构化地存入一个知识库如用 Wiki 或 Notion并探索如何让智能体更有效地检索和利用这些知识。关注 AI 编程工具的最新进展这个领域日新月异。关注 Cursor, GitHub Copilot Workspace, Windsurf 等工具的更新它们正在不断降低智能体工程的门槛。最终最强大的工作流永远是那个与你个人或团队思维习惯最契合、并能持续演化的工作流。现在就打开你的编辑器创建第一个/context目录开始你的智能体工程实践吧。建议收藏本文在遇到具体问题时回来查阅对应的章节。
