[情報] 一個月 2,500 個 PR，她怎麼讓 agent 自己合併
上一集 Matt 找 Uncle Bob 談過程式品質。這集的客人是 Lauren。兩人都有一套很多人在用的 skill。skill 就是寫給 agent 的工作說明，通常是一份 markdown。
Matt 說他想把她大約十天前的那場談話拆開問。那場談的是她上個月送進正式環境的 PR，她自己講的數字是大約 2,500。貼文在 X 上，Matt 說觀看大概三百萬，他講的是大約。
節目標題寫她人在 SpaceX。她自己的時間序是：三月加入 Cursor，Cursor 現在是 SpaceX AI。Cursor 是她寫程式、也拿來跑 agent 的編輯器。她現在手上的產品是 Grok Bot。
一、信任階梯是從盯一隻 agent 開始的
她說這條路在進 Cursor 之前就開始了。她之前在 Meta 的 React 團隊，休息一個月，休息期間反而開了 side project，用 AI 寫碼。
那是今年一月、二月初。大家還在終端機裡做自己的 orchestrator，agent 視窗還沒那麼常見。她也被這件事吸進去，結果發現自己把大把時間花在盯一隻 agent：skill 一直改，卻很難知道它有沒有用。
那個 side project 後來變成 pstack 的底，當時她還不知道。pstack 是她把自己的做法收成一套 skill，給 agent 用。她說早期那包還開源，要人去她的 GitHub 看一個她拼成 noodle 的東西，裡面有 skills，還有一個 brain 目錄。
她當時想交出去的，是「比較像我會怎麼做」。寫程式像她，流程也像她。
四月初她被找去看 Cursor 的 agents window，因為畫面很頓。她有 React 經驗，於是自己看 flame graph 和 heap snapshot。前者是看時間花在哪一段程式，後者是看記憶體裡留了什麼。
看完還是她在傳話。她用的詞是 meat proxy：人卡在 agent 和 Chrome DevTools 中間。Chrome DevTools 是瀏覽器裡看效能、抓記憶體的那套工具。
進公司時她把個人 skill 擱下了，覺得用不上。做到 agents window，再做到 Grok Bot，才覺得那些教訓還在，尤其是驗證。她覺得前沿模型也愛抄近路。她後來很多 skill，都是在讓容易走的那條路，剛好是對的那條路。
Matt 問，領域知識是不是越來越不值錢。她覺得模型越強，卡住人的地方變成你能不能把意圖講清楚。醫生、律師這種不是工程師的人，只要稍微願意碰工具，腦袋裡又有清楚的成品，agent 就做得出東西。
Matt 說他從 agent 出現後就一直在磨用詞。TDD 是早期的例子。那個詞會讓 agent 改順序：先寫測試，先把驗證擺前面。他說 grilling 做的是類似的事，把你腦中的詞逼出來，或讓 agent 先提案、你再點頭。
Lauren 說她抄了 Matt 最近的一招，少寫同義反覆的測試。tautology 這個字把一大包意思壓進去。她覺得現在是自然語言跟程式語言碰到一起，底下都是溝通。Matt 補了一句，他大學讀的是戲劇。
二、她講的是米其林廚房
Matt 說軟體工廠是現在的熱詞，他自己也在做相關的課。他想聽的是：從同時跑一兩隻、五隻 agent，走到很多隻，中間到底長怎樣。他先問她為什麼不愛工廠，改講米其林廚房。
她說工廠這個詞不算錯。很多人聽到工廠，不會想到品質和手藝。她在意使用者碰到的東西。米其林廚房是她後來用的比喻。她愛吃，網名又跟馬鈴薯有關。
自己煮飯的時候，切菜、備料、收拾都是你。家人突然全擠進廚房，多數人會緊張，因為別人不知道刀具放哪。她說自己廚房的上限常常就是一個人。
要多幾雙副手，切工作要切在會讓結果變好的地方。主廚後來不再每道菜都自己下鍋。他要管什麼時候進貨、怎麼保存、什麼時候備好。她把這對上 tech lead，也有點像廚房的負責人。
工程師現在也類似。碼多半不是你手打的。名字還是掛在你身上。技能、環境、碼庫，是她說的新食材。
Matt 接的是另一件事。很多人覺得模型和 harness 已經被別人調好了，自己碰不到 Claude Code 內部，只好信任。他喜歡她把力氣放在 agent 待的地方：改碼庫，並且給它驗證自己工作的工具。
三、先給 agent 手和眼睛
她說就算你不用 pstack，工具箱裡最該有的 skill 是驗證。意思是 agent 能跑程式、像使用者一樣點下去，也能抓 trace、拍 snapshot。
這是她進 Cursor 之後做的第一個 skill。how、why 那些 skill 再好，她還是夾在中間。agent 看不到自己做出來的結果，就沒有下一輪。別人講 loop 的時候，她覺得讓它真的轉起來的，是這段驗證。
第一個拿來用的場景，就是 agents window 的效能。她想做 hill climbing：先有一把尺，agent 可以一直試著把分數做高。她也提到 Andrej Karpathy 放的 auto research，裡面有類似的想法。
pstack 裡她花很多時間磨這支驗證 skill。她說公司裡現在每個 app 都有自己的驗證 skill，而且會自己維護，大家都在用。
她還做了一支 CLI。CLI 就是把固定步驟收成一支命令，agent 呼叫它，不必每次重寫。起因是去年底到今年初，大家在煩 context window。對話一被壓縮，後面常常變笨。她把不需要判斷的部分寫進程式，判斷留給 agent。
改寫語法樹、做遷移，這種機械的事她也想交給腳本。腳本把碼照規則改過去，agent 不必每次重新發明一遍。
早期沒有這支 CLI 的時候，agent 每次驗證都把做法重做一遍，每隻還不一樣，慢，也浪費。放進 skill 之後，下一隻直接用。
Matt 把它理解成：skill 本體保持短，確定的步驟藏進程式。她同意。死板的交給程式，需要想的交給 agent。
四、碼庫窄到幾乎只有一條路
Matt 說，若 agent 總在同一個地方犯錯，可以讓那種寫法在環境裡做不到。他對好碼庫的講法是：改東西不容易把別的東西弄壞。Lint、型別檢查是一層，抽象怎麼設計是另一層。
她覺得工程師現在該花時間的地方，就是這個環境。信任不夠的時候，你只能盯著 agent，沒有餘裕去磨自己的工具。她比成只會記事本、沒聽過編輯器和 Git。刀是鈍的，期限又壓下來，就只剩趕工。
廚房的例子是壓蒜器。切蒜很慢，就買工具。每個廚師自己發明一套，廚房會亂。
她跟 Matt 都寫 TypeScript。她喜歡型別縮窄：一個很寬的型別，經過檢查之後變成一個很窄的常數。碼庫的約束對她是同一件事，可能的寫法被削到很少。
他們內部有一套叫 Dune 的框架，不開源。她跟別人講的方式是：有點像內部的 Next.js，但是給 Electron app 用。Next.js 是做網頁應用的框架。Lint 很嚴，慣例也很硬。每個功能自己一個目錄，另外有註冊機制把這些目錄掃出來。
這樣很難寫出壞碼。agent 要加功能，就進新目錄，不會再去一隻很長的檔案後面接著寫。Grok Bot 最初幾個版本，她說大概是八隻這種檔案，每隻至少一萬行。她是看著拆開的。
她還有一個習慣：看 agent 怎麼失敗。看到一個可以更好的錯，就退一步問，能不能變成 lint，能不能讓碼庫讓這種寫法做不到。Matt 補了一句，TypeScript 自己也有一隻大概兩萬五千行的型別檔，兩人笑過。
環境的好處是，規則不用全塞進 agent 要記住的清單。它走過去會撞上。
五、2,500 個 PR 從哪來
她說量要拉高，前面講的環境得先在。廚房和刀準備好，人才有辦法不在場。她把比喻再走一步：主廚把行政主廚教會了，第二家、第三家才開得起來。每個大的 chat 像一家店。她在幾家之間看，有的店看比較緊。
外面還有一圈資訊，以前也是她在搬。bug 回報落在 Slack、Linear、X。Slack 是團隊訊息，Linear 是工單。這些沒接上她說的內圈。
她把內圈定義成：agent 對著一份意圖在改碼。那份意圖是快照，會過期。新訊息來了，人又得把脈絡送進去。沒有東西把資訊拉回來，你就得自己在 Slack 或 X 上蒐：bug、功能需求、有人說後端有某個限制。
她覺得 Grok Bot 適合做外圈。Grok Bot 接到信箱、行事曆、Slack、Linear、X 這類外面的系統，把脈絡拉進來。外圈接上內圈之後，agent 可以自己拿脈絡。
例子很平。Slack 的 MCP，或你自己的 harness 去訂一個頻道。MCP 是讓 agent 呼叫外部服務的接頭。然後你跟它說：這個頻道有 bug 就去分流，用已經做過的驗證重現，確認 main 上還在，不是使用者自己的環境或少裝了依賴。
她會一直問，這一步為什麼還需要我。agent 要自己回答，而且要真的資料，不能靠猜。有人講 company brain、context graph。她覺得詞太重。她要的是：本來她得親手遞的資訊，教會它自己去拿。
她沒有坐在那裡一個月手開 2,500 個對話。Cursor 有個新功能叫 Projects。一個 project 是雲端上的協調 agent，有自己的電腦。它不自己寫碼，負責派工、監督、把脈絡傳下去。
Grok Bot 可以傳訊息給這些 project，也可以叫它開一個新的，人不用先打開 Cursor。一次湧進很多則相關的效能問題時，她不想一張單配一隻 agent。分開修會做重複的事，也會漏掉比較高的那層：看一則以為 bug 在這裡，多看幾則才發現在上面。
PR 也不全是使用者回報，有的來自讀碼。她說這 2,500 裡，新功能只佔一部分，很多是她講的 gardening，整理程式碼。環境若只幫自己和自己的 agent，新人還是會迷路。她希望新進來的人第一天就能寫出像樣的碼。
觸發也不一定是每小時掃一次。她有一些 routine。一個例子是 React 的 footgun：有一隻 agent 一直在找壞模式，她不叫它立刻修，叫它先寫進一份文件。隔幾天再看，常常發現是同一件事。單子來太快的時候，人會漏掉全貌。先排隊，才看得到模式。她說幕僚長式的 agent 看得到整片，也能把執行分出去。
六、她沒有每道菜都嘗
別人會問，2,500 個 PR 你怎麼審。她說你不會想走到完全不再試菜。店一多，也不可能每道都嘗。她做的是抽樣。
工廠的品管做不到全檢，就每天抽。看 agent 在寫什麼、哪裡在抄近路。一次兩次可以當個案。多隻 agent 都在傳播同一個 workaround，就要改廚房：skill、約束、lint、型別。改久了，環境會把人和 agent 帶去比較窄的寫法，你才走得開。
她特別講，裝上 pstack 不會自動變成這樣。要花時間看碼、看 agent 在哪裡失敗，把護欄擺好，讓對的行為變成預設。
她現在可以讓 agent 自己合併。人睡了，它們還在做。她說自己有十個以上這種幕僚，各看一塊：Grok Bot 桌面版的效能、使用者回報的 bug，還有一隻在玩「如果改寫成另一種語言、做成原生 app 會怎樣」。最後那個她說只是玩具。
pstack 裡有個她叫 full autopilot 的跑法。每個 PR 會拉起一組驗證 agent，把應用跑起來，像人一樣點，找 regression，找到就自己修，修到可以合併。很吃 token。可以調，十隻驗證改成一隻，或只叫它確認自己做完。
她現在的習慣是合併之後再看。早上看 commit history，有問題就改環境：revert、加 lint。她說第一晚打開這種跑法很害怕，怕半夜把東西弄壞。她也說自己現在睡比較好。
Matt 說這跟 Karpathy 講的 vibe coding 不一樣。那種講法幾乎是忘掉碼的存在。這邊碼和環境不好，出來的東西就不好。他說也許像調光器，有的地方暗、有的地方亮。她覺得所以廚房比工廠貼。你還是會回店裡看一眼、試一口。
七、單向門，跟你自己的刀
Matt 問，如果是醫療、法律、金融，很多 PR 合併了收不回來，怎麼辦。收得回來的那種，合併了還能 revert。
她說回到驗證做得多硬。領域本身驗得了，收不回來的改動會比較有機會先被擋下。程式幾乎沒辦法驗的工作，她覺得很難走到自己合併。軟體很多時候驗得了。數學裡有些證明也驗得了。
她回憶以前證明常常得換一套語言寫，例如 Lean 或 TLA+，再用 solver 看你有沒有蓋住所有情況。她也提到自己看過一套把程式和證明寫在一起的語言。自動字幕把名字聽糊了，這裡不把那個名字寫死。
如果 agent 真的能用你信得過的方式驗證，證明過了，她會問那為什麼不合併。有的領域就是驗不動。這題她說自己沒有現成答案。
時間快到了，Matt 問 pstack 跟他自己的 skill 怎麼並用。他自己把 skill 看成流程寫成文字。
她說 Matt 當天分享的一招她覺得有用：回去看以前的對話，挖那些你一再插手的地方，收成可以重用的 skill。
她覺得兩邊放得在一起。skill 到最後就是文字。每個人還是該有自己的刀。廚師換餐廳，刀是自己帶的。有人會把 Matt 的 grill-me 跟 docs 放一起，或把他的 wayfinder 接上 pstack 裡負責執行的 skill。用誰的多，看你信誰。她還是建議叫 agent 去翻你插手的模式，提議變成 lint 或新 skill。
她說過去的 chat 是真的發生過的流程。pstack 裡有個 skill 叫 recall，就是這麼來的。她在做 Cursor 的虛擬化，bug 很多，每次新開 chat 都想把上一輪帶過來。recall 把這件事壓成一個 skill，不用每次寫一篇長文，叫它去翻哪些 chat。
她覺得模型越強，skill 越該只留下流程。去年那種逐步的指令、確切要敲的命令，可以拿掉。想的話，把 wayfinder 跟 poteto-mode 編成你自己的模式也行。她說 skill 沒有魔法，就是選過的詞。
※ 來源：LIVE: Poteto (creator of pstack) on shipping 1,000's of PR's a month at SpaceX（Matt Pocock，1:05:36，直播約 2026-10-03 Asia/Taipei）。本頁為非官方圖文整理。數字與人名依節目口述。pstack、Grok Bot、Cursor Projects 這些名字，自動字幕常聽錯，文內依節目標題和她後來講清楚的說法。