[情報] Lauren Tan 睡醒就有 20 個 PR 合進 main：她先教 agent 自己驗證，再把規矩寫進 CI
Lauren Tan 網路上叫 poteto，做了 pstack，一個裝滿 skill 的 Cursor plugin；Cursor 是 AI 寫程式工具，她在那裡做 agents window 和 Grok Bot。Grok Bot 讓你建立各有身分的 agent，在像傳訊息的介面裡指揮它們（影片 32:05）。這場一小時的線上 workshop，她從自己怎麼開始信任 agent 講到 Grok Bot 的 CI 長什麼樣（影片 0:55）。
適合還在一兩個 agent 旁邊盯著看、想多開幾個又不放心的工程師，也適合在算「先燒 token 整理 codebase 值不值得」的技術主管。
一、信任要一格一格爬，沒辦法直接跳到一百個 agent
Lauren 畫了一條信任曲線：橫軸是同時跑幾個 agent，從 1 個、1 到 5 個、一路到幾百、幾千個，縱軸是你有多信任它們（影片 2:06）。
一年前大家多半卡在左下角：手上一兩個 agent，每個輸出都盯著看、一直下 prompt。她說這樣根本平行不起來，連一個 agent 的結果都不信，不可能開一百個（影片 3:04）。她拿帶團隊比：主管不信任組員，就只能一直在旁邊看，變成微管理（影片 1:46）。
她自己花了五個月往上爬。剛加入 Cursor 的第一個月幾乎沒產出，上個月出了 1,000 個 PR，這個月到 12 號已經快 800 個（影片 4:46）。錄影當天早上她一醒來，已經有大約 20 個 PR 被 agent 自己合進 main，她是在 main 上回頭看，看完覺得沒問題（影片 3:32）。
這些數字都是她自己講的，影片裡沒有其他佐證；她也承認大家一定會懷疑這麼多 code 有多少是好的（影片 5:06）。
二、讓 agent 自己把程式跑起來驗證，你才不用當人肉測試
她認為工具箱裡最重要的是驗證能力：agent 能真的執行程式、抓 CPU trace 和 heap snapshot、開 iOS 模擬器，使用者怎麼碰到你的 app，agent 就怎麼碰（影片 5:45）。這不保證 code 寫得好，但至少寫得對，信任就是從這裡開始（影片 6:20）。
她的例子是剛進 Cursor 第一週，被拉去救 agents window 的效能，離上線只剩一週。她自己開 Chrome DevTools 錄 trace、截圖丟給 agent，agent 很有自信地指出兇手，修完才發現猜錯，來來回回非常慢（影片 7:25）。
沒有驗證，流程就是 agent 寫完、你開本機 build 試、把截圖和 console 錯誤貼回去，一直重複，完全沒辦法平行（影片 8:31）。她做的第一個 skill 叫 control glass，Glass 是 agents window 的內部代號：教 agent 透過 Chrome DevTools Protocol 這套用程式遙控瀏覽器的介面，去操作 Electron 或網頁 app，iOS 則用 Apple 的模擬器工具。她說程式本身不難，叫 agent 幫你寫就有（影片 9:05）。
要從哪裡開始，她建議先在本機做，讓 agent 把 app 開起來，你在旁邊看它怎麼操作、呼叫哪些 API（影片 23:55）。
- 寫一個 skill，讓 agent 能自己啟動你的 app、操作畫面、抓 trace 或錯誤訊息。
- 先在本機跑，看清楚 agent 怎麼跟 app 互動，再往下走。
三、給 agent 一張功能地圖，連「？？？」的回報都查得到
agent 會操作 app 之後，新問題是它不知道 app 裡有什麼。有人說「左邊側欄很卡」或「右邊 PR 分頁壞了」，agent 就在 code 裡亂翻，找不到功能在畫面哪裡，等於沒用（影片 10:08）。
她的解法是在 skill 裡放一份 feature map：每個功能有哪些子功能、使用者從哪裡點進去、有哪些快捷鍵，連透過 CDP 選取元素要用的 DOM 屬性都寫好（影片 12:35）。
Cursor 內部有個 Slack 頻道收 agents window 和 Grok Bot 的回饋，很多回報品質很差，常常只有一張截圖加「？？？」。有了地圖，agent 才有辦法從這種回報找到對應的功能（影片 11:52）。
她寫的 plugin pstack 裡有 create-verification-skill，會先讀你的 code 建出第一版地圖；另外有 maintain-verification-skill 負責更新（影片 11:24、影片 13:06）。
- 替你的 app 寫一份功能地圖：功能在哪、怎麼點到、選取元素用什麼屬性。
- 用 pstack 的 create-verification-skill 產生初版，再用 maintain-verification-skill 維護。
四、agent 每犯一種錯，就寫成一個 skill
pstack 不是一開始就規劃好的。名字裡的 P 是 potato，取笑 Y Combinator 執行長 Garry Tan 的 GStack，兩人同姓但沒有親戚關係（影片 13:42）。她從 control glass 開始，接著寫了一個叫 how 的 skill，之後每看到 agent 的一種失誤就補一個（影片 14:10）。
how 的由來是她發現 agent 很有自信地說「一定是這裡壞掉」，打開工具呼叫一看，它根本沒讀該讀的那段 code（影片 14:49）。她用帶新人來想：一個很會寫程式、但完全不懂業務的新同事，你怎麼讓他上手？寫 skill。skill 就是一份 markdown，把知識和做事方法交給 agent（影片 15:35）。
所以她的 skill 很多都是針對壞習慣：別亂猜、去讀 code、多用 subagent 查（影片 16:40）。要找出這些毛病得花心思觀察，她說要很會當「後座駕駛」，像結對寫程式時看同事寫 code 一直想問「你為什麼不這樣做」。打開工具呼叫、讀 code、讀 agent 的思考過程，就看得到它在哪裡犯傻（影片 20:05）。
她把工程師現在的角色比成主廚，工作是設計廚房、分派工作給每個站（影片 22:40）。
- 打開 agent 的工具呼叫和思考過程，找出它在哪裡亂猜或沒讀 code。
- 每找到一種失誤，就寫成一個 skill。
五、skill 也要考試：跑 eval，用 /loop 磨到滿分
skill 寫了要知道有沒有用。她把 eval 當成 agent 的單元測試，不需要特別的框架，自己就能做（影片 17:43）。
pstack 的 potato mode 裡有一份 Eval playbook：主 agent 先訂評分標準，再開很多 subagent 去做題。每個 subagent 有自己的資料夾，名字刻意取得看不出在受測，因為 agent 發現自己在被評分時會改變行為（影片 18:30）。Cursor 支援很多模型，同一個 skill 可以換不同模型各跑一輪（影片 19:33）。
分數可以往上爬。除了主 agent 打分，還可以找另一個模型當評審，交叉檢查有沒有偏心；再用 Cursor 的 /loop 指令叫 agent 反覆跑，直到每項都 10 分（影片 21:30）。她的 control skill 就是這樣磨出來的，過程幾乎不用她插手，但一開始也花了很多輪（影片 21:55）。
- 每次改 skill 就跑一次 eval，受測的 subagent 不要讓它知道在考試。
- 找另一個模型當評審，再用 /loop 讓它一路跑到滿分。
六、本機信得過了，再交給雲端 agent 替全隊做事
她現在幾乎全押在 Cursor 的雲端 agent 上。驗證 skill 一旦設好，好處就不只是你一個人：整個團隊、整間公司都能用（影片 24:18）。
例子是一個叫 Benny 的 agent。它接收所有 bug 回報，在雲端開一台自己的桌面、跑 Cursor，用同一套 control skill 試著重現。有一次它重現了 bug，同時發現 main 上已經修好，她只要再出一版就好，省掉自己陪 agent 查一小時（影片 25:20）。
她特別提醒，如果你還在只開幾個 agent 的階段，不要直接跳去開幾百、幾千個雲端 agent，只會浪費很多 token、花很多錢（影片 26:48）。主持人 Colin 幫大家整理的順序是：先建驗證，在本機信得過了，再讓雲端 agent 自己接 bug 回報、交回 PR，最後才是自動合併（影片 27:10）。
- 本機的驗證 skill 穩了，再把它接到雲端 agent，讓它自動接 bug 回報、試著重現。
七、新專案最該一開始就上硬規矩
她替「重寫」說話，但看情況。大公司的舊系統其實狀況不錯：她在 Meta 時，幾萬個工程師同時往一個 monorepo 推 code，品質沒有大家想的好，她開玩笑說 AI 垃圾 code 出現之前，就有人類垃圾 code 了（影片 30:50）。這種公司的框架、慣例、權限限制，本來就是為了讓能力最弱的人也不會闖禍，例如不讓實習生刪掉正式資料庫，所以 agent 進去也有護欄（影片 31:35）。
風險最大的是全新專案。Grok Bot 一開始是 vibe coding 快速做出來的原型，沒有人讀 code；agent 接到任務就用最方便的方式解，久了 codebase 會失控，人看不懂，agent 寫出來的東西又都是抄捷徑（影片 32:20）。
她後來花了 600 多個 PR，把 Grok Bot 整個重構到新架構，內部代號 Dune，可以想成給 Electron app 用的 Next.js，專門設計給 agent 寫（影片 34:19、影片 38:00）。每個功能的 code 都放在同一個資料夾，agent 做 onboarding 功能就待在那個資料夾裡，八成的工作都不用跑出去（影片 43:10）。
她的設計原則是把捷徑變成正解：agent 本來就愛抄最快的解法，也愛照抄現有寫法，那就讓最快的寫法剛好是對的（影片 43:52）。Dune 不會開源，她說它比較像一組原則，可以截圖叫 agent 照著做一套（影片 44:18）。
- 新專案一開始就把架構慣例定死，讓 agent 最順手的寫法剛好是對的寫法。
- 同一個功能的 code 放在同一個資料夾。
八、會讓 CI 變紅的規矩，才擋得住 agent
Dune 的 CI 對人來說很煩，什麼都檢查，但煩的部分 agent 會吸收（影片 35:10）。例如 React 裡最容易踩雷的 useEffect，就直接禁用，用了 CI 會失敗（影片 38:36）。她也禁止寫 code 註解，因為 agent 寫的註解九成九在講跟程式無關的歷史，例如「Lauren 說永遠不要這樣做」，其實她只是在講那個 PR 爛（影片 39:11）。
效能是另一個例子。agents window 常常效能倒退，因為 Electron 的主執行緒和畫面執行緒分得不乾淨，重的程式一不小心就跑到負責畫面的那邊。想要 60 fps，每一格只有 16 毫秒，超過就卡（影片 40:40）。Grok Bot 就把兩邊放在不同目錄，CI 檢查相依圖，禁止互相 import（影片 41:48）。
| 層 | 她舉的例子 | 擋得住嗎 |
|---|---|---|
| 架構和慣例 | 功能資料夾、固定的寫法、擋掉不該有的 import | 最強，agent 會照抄現有寫法 |
| 靜態分析 | CI 檢查、lint、編譯器診斷 | 硬，會讓 CI 變紅 |
| rules、Bugbot、skill、風格指南 | Bugbot 是 Cursor 在 CI 上跑的 code review 工具 | 軟，agent 可能忘記或沒每次照做 |
只靠軟的那幾層，codebase 遲早變成垃圾，所以她會疊著用，但不當成唯一防線（影片 45:25）。她也舉 Rust 為例：編譯器夠嚴格，只要不讓 agent 寫 unsafe，能編過大概就能動（影片 46:06）。
最糟的狀態是所有規矩都靠人在 code review 時留言。每次你要在 PR 上提醒同一件事，就該當成警訊，想辦法改成 lint 規則、CI 檢查，或乾脆讓這類問題不可能發生（影片 47:05）。
- 下次在 PR 上留同一種意見之前，先想能不能改成 lint 規則或 CI 檢查。
- agent 常寫錯的模式，直接在 CI 禁掉。
九、PR 拆小，出事才找得到、退得掉
她的 PR 沒有大小上限，大概從 50 行到 1,000 行都有（影片 36:45）。但她會要 agent 把工作拆成好幾個 PR：git 歷史是很好的上下文，每個 PR 只做一件小事，出 bug 時比較好找、好退，不會埋在一個 40,000 行的 PR 裡（影片 37:12）。
- 要 agent 把工作拆成多個小 PR，每個只做一件事。
十、前期燒的 token，換整個團隊都能安全出貨
有觀眾問一般人 token 沒那麼多，做得到嗎？她先承認自己在 token 無上限的 AI 實驗室工作，不能說大家都該照她的方式做，但她認為不燒大錢也做得到（影片 48:25）。
她把它當 ROI 來算：重構 codebase、補上這些檢查，前期確實很花 token；另一個選項是請人。她說換成自己一個人、沒有 agent，這套框架加重構加測試要做好幾年，而她的薪水不低（影片 49:45）。她的說法是，把 codebase 整理到連最笨的 agent 都能寫好，比請人划算，而且到了那一步，不是頂規的模型也寫得很好（影片 50:45）。
最大的回報在別的職務。她說規矩到位後，PM、設計師、甚至做 GTM 的人都能在 Grok Bot 上加功能，她不用半夜擔心有人合進效能倒退（影片 34:50）。PM 傳來一個修好的 bug，她看完覺得完全沒問題就核准了（影片 54:50）。她把 Grok Bot 形容成非技術人員的 Cursor 時刻：介面像 iMessage，PM 可以讓一個 agent 整理她昨晚做了什麼（影片 53:50）。
她也順帶提到當天剛發表 Grok 4.6，她說「希望沒講錯」，每個 token 的價格應該跟 4.5 一樣（影片 51:30）。
十一、標題裡的「20+ agents」「85%」，演講裡沒講
這支影片是 Ai insider 頻道的上傳，畫面上壓了大字幕。標題和說明欄寫她用 /loop、/goal 跑 20 多個 Grok Bot agent、SpaceXAI 有 85% 工程師各跑 10 個以上，還有一個 Chief of Staff agent（影片說明）。我們對過逐字稿，演講裡沒有這些說法；/loop 只在講 eval 時出現。
畫面從 9:05 左右開始停住不動，聲音還在，所以後半段提到的投影片（例如規矩分層那張）看不到，上面的表格是照她口述整理的。她的名牌寫 SpaceXAI 軟體工程師，演講中則說自己五個月前加入 Cursor，談模型成本時把 Cursor 和 SpaceX AI 並列（影片 51:45）。
明天就能做的事
- 寫一個 skill，讓 agent 能自己啟動 app、操作畫面、抓 trace，先在本機跑。
- 替 app 補一份功能地圖，或用 pstack 的 create-verification-skill 產生初版。
- 打開 agent 的工具呼叫和思考過程，把看到的每種失誤寫成 skill。
- 每次改 skill 跑一次 eval，換另一個模型當評審，用 /loop 跑到滿分。
- 本機穩了，再把驗證 skill 接到雲端 agent，自動重現 bug 回報。
- 新專案一開始就定死架構慣例，同一功能放同一資料夾。
- 在 PR 上重複留的意見，改寫成 lint 規則或 CI 檢查。
- 要 agent 把工作拆成小 PR。
資料來源
- SpaceXAI engineer, Lauren Tan: I'm running 20+ GrokBot agents with /loop, /goal, inside pstack，YouTube／Ai insider，2026（上傳 2026-09-11，含章節與留言）
※ 逐字稿以 Whisper（medium.en）轉寫，並對照 YouTube 原音字幕（en-orig）校正。內文時間戳都連回原片。影片 9:05 之後畫面停格，後半段投影片內容依口述整理。非官方圖文整理。