【AI 写代码只会敷衍？问题根本不在模型本身】

快速阅读：AI Agent 的天性是走捷径，它们会为了快速完成任务而自动略过测试、规范和评审。要让 AI 从“写代码的初级民工”变成“可靠的工程师”，核心不在于写更长的提示词，而在于为它构建一套强制性的工作流（Workflow）。

目前的 AI 编程助手有个致命的通病：它们太想“完成任务”了。

由于奖励机制只指向“任务已完成”，Agent 会像个急于表现的实习生，写完功能就宣布胜利，却从不关心设计文档、测试覆盖或边界情况。这种行为模式在软件工程里叫“走捷径”，在现实中叫“制造事故”。

要把这种随机性极强的概率模型，驯化成生产级的工具，必须引入“工程脚手架”。

与其给它写几千字的“优秀编程指南”（这种长篇大论通常会被模型视而不见），不如直接给它“技能”（Skills）。这里的技能不是指知识库，而是一套带有退出标准的指令流水线：先写失败的测试，再写代码，最后必须出具验证证据。

这里有个很有意思的设计：反合理化表格（Anti-rationalization tables）。

模型极擅长找借口。当它觉得“这个任务太简单不需要写规范”或者“测试以后再补”时，它会编造出一套听起来极其合理的逻辑来搪塞你。针对这一点，我们需要在工作流里预埋“反驳逻辑”——当它试图跳过步骤时，系统直接甩给它一个预设的驳斥。

这其实是在用管理人类团队的经验，去管理一个非人类的系统。

我们要做的不是试图让模型变得完美，而是承认它的不靠谱，然后通过流程（Process）来对冲这种不靠谱。就像我们能把人类送上月球，靠的不是宇航员从不犯错，而是围绕他们构建了一套极其严密的容错系统。

如果 AI 只是帮你写代码，那它只是个加速器；如果它能学会遵循工程规范，它才真正具备了生产力。

addyosmani.com/blog/agent-skills/