Grok Bot 首席工程师最新演讲:我是如何把 AI 的“垃圾代码”变成金子的?

Grok Bot 首席工程师劳伦·谭分享如何通过禁用 useEffect、禁掉 99% 注释、改用 lint 规则与形式化验证,实现团队单月上线 11,000 个 PR 且回滚率仅 0.5%。

●编者按

每一个尝试将 Coding Agent 引入深度开发的团队,几乎都会撞上同一堵墙:AI 写代码的速度确实快得惊人,但产出的“垃圾代码(Slop)”也同样惊人。它们会为了绕过架构冲突疯狂打补丁,甚至还会写一大段长篇大论的注释来为自己的“偷懒”辩护。

面对这个问题,大多数人的第一反应是去改提示词、往 AGENTS.md 里加规则。但 Grok Bot 首席工程师劳伦·谭(Lauren Tan,网名 poteto)给出了一个截然相反的解法:不要跟 Agent 讲道理,去给它戴上确定性的“枷锁”。

在这篇来自 AI Engineer Code Summit 的分享中,劳伦复盘了她如何用 6 个月时间,实现个人单月上线 3,000 个 PR、团队单月上线 11,000 个 PR,且将回滚率死死压在 0.5% 的惊人战绩。她的做法极其激进却又充满工程智慧:在业务代码里彻底禁掉 useEffect、禁掉 99% 的代码注释、把每一次对 AI 的口头纠正转化为铁面无私的 Lint 规则,并将 70% 的 Token 砸在运行时与形式化验证上。如果你想真正跨越“玩具级 AI 编程”,走向高信任度的“自动驾驶级”软件工程,这篇文章值得一读。

本期内容来自 AI Engineer Code Summit 大会,2026 年 11 月 14 日播出,原视频时长 17 分钟。

以下为完整演讲内容,全文约 6000 字,阅读时长约 10 分钟。

本期精彩观点

●如今软件工程师的工作,越来越像在打理一座花园。我记得 2024 年去上班时审了同事写的 3 个 PR,现在约 300 个。代码库是 Agent 最大的输入之一,任何临时变通、反模式或技术债,都很可能像杂草一样被下一个 Agent 迅速照搬蔓延。

●凡是需要分寸感才能用好的东西,往往都会导致垃圾代码。经典例子就是 React 里的 useEffect,Agent 并不擅长用它。我们的解法是在业务代码里直接禁用,只在框架 API 的少数地方开放,彻底消灭这类问题。

●在 Grok Bot 里,我们决定直接禁掉 99% 的代码注释。注释很容易过期,也没人爱看,反而给了 Agent 一个逃避修根因、替临时补丁找借口的出口。更糟的是注释无法强制执行,所以我们一律改成报错清晰的 lint 规则。

●每次纠正 Agent,都要优先变成确定性检查,别再往 AGENTS.md 加话了。写进代码里的检查远比文字规则可复现、更值得信任。当你不断把纠错变成确定性检查和更好的架构,最后会发现没什么可审的了,大多数 PR 都能让 Agent 自己合入。

●我们正步入软件测试与验证的黄金时代,我的大部分 Token 都花在验证上。像 TLA+、Lean 这类优秀工程工具过去可能贵得用不起,但 Agent 大幅压低了成本,让过去算经济账不划算的深度测试变成了现实。

●如果编码内循环还在产垃圾代码,搞自动化只会制造更多垃圾代码。在急着搭建“软件工厂”之前,必须先把代码库、静态分析和验证底座打牢,否则你只能往问题里砸越来越多的 Token。

一个月上线 3,000 个 PR,归根结底是信任

我叫 poteto,在 SpaceXSI 做 Grok Bot。先请大家快速举个手:在座有多少人看过别人写的代码,心里冒出一句“这全都是垃圾代码(slop)”?我也有过。但今天我想说服大家,你完全可以把这些垃圾代码变成金子。

劳伦·谭在 AI Engineer Code Summit 大会上演讲(视频画面)

上个月我干了一件挺疯狂的事:往生产环境上线了 3,000 个 PR。在 Agent 出现之前,我们其实从来不太在意代码量,除了极少数异类。在我的上一家公司,我们管这种人叫“写代码机器”。比如布雷特·泰勒,出了名地在一个周末重写了整个谷歌地图,生产力惊人。而有了 Agent,现在任何人都能成为写代码机器。

我的核心论点是:软件工程师的本职工作——或者说做软件工程师的底层逻辑——就是想明白如何在大幅提升生产力的同时,维持甚至提高代码质量。

为了做到这一点,有些人喜欢称之为“软件工厂”。但我喜欢把话说得简单点:在我看来,这归根结底全是信任问题。不是盲目信任,而是对 Agent 的运行环境做投入,让你有底气相信 Agent 会做正确的事。走到这一步要花不少功夫。我用了 6 个月才做到能上线几千个 PR,其中很多还是在我睡觉时完成的。但这绝对做得到,而且你们花的时间会比我少得多。那我们就先聊聊,怎么从低信任度环境走向高信任度环境。

代码库是 Agent 最大的输入,像一座花园

这张倒金字塔图,就是我思考该把时间花在 Agent 环境哪些地方的方式。

前两层是确定性的,也就是直接用代码本身:比如良好的 API 设计、架构、重构,或者用 lint 规则、类型系统、编译器,以及各种不同类型的测试。你可以把这两层结合起来,限制 Agent 能做什么,逼着它们默认就做正确的事。

验证——包括运行时验证和形式化验证——是往上叠加的利器,既能帮你找 bug、检查系统里你希望始终成立的属性和不变量,也能帮你确认 Agent 到底有没有理解你的目标和意图。

到了最后,你才需要叠加一点点文字说明,比如规则、技能、AGENTS.md 这类需要判断力的东西。

我们先从代码库说起。Agent 根据输入生成输出,所以输入的质量非常关键。而你的代码库,恰恰就是最大的输入之一。因此,每当你纠正 Agent 时,先想想怎么把它变成一项确定性的检查,而不是往规则文件或 AGENTS.md 里再加一行字。因为写进代码里可复现得多,也能让你更放心地信任它。

我喜欢打一个比方:你的代码库就像一座花园。以前代码是一次几个 PR 慢慢进来的。我还记得 2024 年去上班,审同事写的 3 个 PR;而今天,这个数字约 300 个。现在的每一位工程师,手底下都是成百上千个 Agent 组成的团队。代码涌入的速度快到几乎像一股不间断的水流,甚至带着某种有机的生命感,像活物一样。

在这个比方里,你的代码库、你施加的约束、你立起的护栏,就是混凝土地基;Agent 新写出来的代码会顺着这套地基生长,就像这张图里的建筑一样。

所以从很多方面看,软件工程师的工作正在变得像园艺。因为代码是 Agent 最大的输入,这意味着任何临时变通、反模式、废弃代码、技术债,现在都很可能被下一个 Agent 直接照抄过去——因为在它看来,这就像是你们代码库里的既定写法。这就好比花园里长出了杂草或害虫,不知不觉间就会蔓延得到处都是。所以你要让代码库保持尽可能干净纯粹的状态,确保 Agent 永远都在照抄好的东西。好,我们来看几个真实的例子。

需要分寸感才能用好的,干脆禁掉

Dune 是我们为 Grok Bot 打造的一个客户端框架,用来落地这种“有机架构”的想法。它在技术上其实没什么特别出奇的,你可以把 Dune 大致看作面向 Electron 应用的 Next.js。但 Dune 有意思的地方在于,它内置了大量约束和 lint 规则,把我们开发桌面应用攒下的许多经验教训都写进了代码里。

其中一条教训就是:凡是需要拿捏分寸才能用好的东西,往往都会导致垃圾代码。最经典的例子就是 React 里的 useEffect,对吧?它确实有自己的适用场景,但经常被滥用。有人开玩笑说,得拿个博士学位才能用明白 useEffect。换句话说,想用好它非常考验分寸感,而 Agent 并不擅长用它。我们的解决办法很简单:直接在业务代码里禁掉它,只允许在 Dune API 内部的少数地方使用。这样一来,这个问题实际上就被整类彻底消灭了,我们再也不需要在代码评审时去抓它。

我们用到的另一个有意思的模式,是通过目录结构传递上下文。Cursor 是一个 Electron 应用,我们在上面见过一种反模式:Agent 经常把主线程的代码导入到渲染线程里,引发长任务和卡顿。所以在 Grok Bot 和 Dune 里,我们把这件事做得极其规范:设了两个顶层目录,名字就叫 electron-renderer 和 electron-main,并通过依赖图分析器和几条 lint 规则严禁两者互相导入。同样,这些 lint 规则配起来都很简单,却意味着代码评审时我们又少了一件需要盯着和操心的事。

禁掉 99% 的注释,改用 lint 规则

我还见过一件挺让人意外的事,就是 Agent 使用 Markdown 的方式——比如文档、代码注释、规则或者技能文件。它们会把这些地方当成替自己“不做正确的事”写辩解词的地方;又或者——不知道你们见过没有——你随口做了一点小纠正,它就反应过度,把那句话当成永远不能打破的铁律。

这里再举一个来自 Cursor 的例子。Agent 以前特别爱用命令式定时器,比如 setTimeout、requestAnimationFrame、requestIdleCallback。它们拿这些当权宜之计,因为本质上是在给 VS Code 的命令式风格与 React 的声明式风格之间的架构冲突打补丁。结果我们的架构选择,反而让客户端性能和 Agent 的表现双双恶化。

如果你做过 JavaScript 性能优化就会知道,大量定时器快速创建和销毁会引发大量主垃圾回收,带来严重的延迟和卡顿。但最糟的是,Agent 还会写上一大堆代码注释——就像你在这张图红字部分看到的一样——振振有词地解释为什么这个临时补丁是合理的。不知不觉间,定时器就蔓延到了各个角落,应用性能被拖累得很惨。

到了做 Grok Bot 时,我们吸取了教训,决定直接禁掉 99% 的代码注释。因为注释本来就很容易过时,人类反正也懒得看那些垃圾代码式的注释;而且就像前面说的,这给了 Agent 一个逃避通道,只要做正确的事太难,它就写段注释替自己开脱。但注释最糟糕的地方在于:它无法强制执行。哪怕初衷是好的——比如“我留句话告诉下一个 Agent 别这么干”——最终也绝不可能变成真正值得你信任的东西。所以在 Grok Bot 和 Dune 里,我们现在改用 lint 规则,直接给出清晰、实用的报错信息,明确告诉 Agent 去修根因、解决真问题,而不是绕着它打补丁。

所以我们的基本原则是:每一次纠正 Agent,要么把它变成一条这样的确定性检查,要么思考怎样通过更好的 API 设计、更好的架构,在代码里把那类问题整类消灭。这件事做够次数之后,你会发现代码评审时要留心的东西越来越少;到了某个节点你突然发现,已经没什么可审的了,直接让 Agent 自己合入它们大多数的 PR 就行。

代码评审变成了看验证产物

往下走,验证也是我们让 Agent 更自主、同时提升我们对它们工作的信心与信任度的重头戏。如今我们的代码评审流程,其实已经浓缩成了看“验证产物”——比如视频、截图、图表、形式化验证。

最基础的例子就是运行时验证。这个词听着挺玄乎,说白了就是给 Agent 一个自己把代码跑起来的办法,并用上人类开发者也在用的调试工具,比如 Chrome DevTools Protocol。在我们的运行时验证技能里,有个我们叫作“功能地图”的东西。它基本上就像一张网站地图,从用户视角列出应用里所有可用的功能。有了它,当你说“左侧边栏里那个小东西”时,Agent 就不用猜了,这给了你们一套共同词汇。我们还在这些技能里用上了自定义 CLI,让 Agent 每次都能复用 CLI 和驱动,既省了 Token 消耗,本身也是可测试的。

最近我们也开始看形式化验证。现在我们会用 TLA+ 对核心用户流程做模型检测,比如跨多设备、多平台的通知;也会用 Lean 来证明特定算法——比如我们自己写了一套自定义虚拟化库,就在那里用 Lean 检查不会出现闪烁或抖动问题。目前这套做法还在试验阶段,整体看起来很有希望,靠形式化验证已经帮我们找出了好些 bug。当然,它绝不是银弹,我们只是把它当成另一件工具、Agent 运行环境里的又一层保障。

画面上这段视频很快,展示的是我们刚开始看的另一件事:面向 UI 的属性测试。我们用了一个叫 Bombadil 的库,它也已经帮我们抓到了几个 UI bug。

大部分 Token 都花在了验证上

拉远一点看,我刷到了辛迪·斯里达兰的这条推文。6 个月前,她在聊自己没法信任 Agent,因为总有一些隐蔽的 bug 被合入;而阻碍她信任 Agent 真正缺失的一环,就是验证流程。到了 6 个月后的现在,她说自己每天 70% 的 Token 都花在了验证上。我觉得这和我看到的情况完全吻合——我自己大部分的 Token 消耗,也是花在验证上。

如果你仔细看我们的这套流程,会发现里面没有任何一样是我们以前从未见过的新奇技术。这些全都是良好的软件工程工具,只不过以前用起来可能贵得吓人——因为太难理解、太难写,或者太难维护。但 Agent 把这笔成本大幅砍了下来。我们真的正在步入软件测试与验证的黄金时代,因为 Agent 让我们能把一切测试到远超以往的深度,这在过去算经济账是不划算的。

另外,形式化验证也能帮你更好地推演产品该怎么运转,以及确认 Agent 是不是真懂了你的意图和目标。我在自己的插件 pstack(也就是 poteto stack)里做了一个叫 statechart 的新技能,能帮你从用户视角把状态机可视化出来。我发现把它跟我们提供的视频和截图放在一块审,轻松太多了,效果一直很好。

好,现在来看看“应许之地”长什么样——做了这么多投入,你到底能换来什么回报?

11,000 个 PR,应用反而更快了

在 Grok Bot 团队,我们的开发速度正在起飞并快速拉升。上个月,我们团队往生产环境上线了夸张的 11,000 个 PR,这是个相当疯狂的数字。客户端的发版节奏也加快了,我们大约每天切出一个新的稳定版。

核心团队的交付量大了非常多,同时还多了不少临时或路过顺手提交的贡献者——他们未必总有完整的上下文,但也都在贡献代码。10 月约 227 人至少提交过一个 PR。

看到速度冲得这么猛,你心里可能会犯嘀咕:这不得乱套吗?产出的不得全是一堆垃圾代码吗?但实际上,被回滚的 PR 相对比例反而更低了,目前稳定在约 0.5%。

不过我觉得,在这样的发版节奏和 PR 体量之下,真正有意思的是:Grok Bot 的性能不仅稳住了,跟刚上线时相比,还在多个维度上有所提升。启动、打字、打开新对话、切换对话,所有这些全都变快了。别忘了,Grok Bot 目前仍然是个 Electron 应用,所以是有上限的,对吧?但它已经比市面上很多其他 Agent UI 快得多了。对于一个速度这么猛、又有这么多人参与贡献的 Electron 应用来说,我觉得这相当不错了。

先打牢底座,再搭软件工厂

所以,在你一头扎进去搭建“软件工厂”、把能自动化的一切全搞成自动化之前,每次纠正 Agent 时,先试着从改进代码库入手:先写一条 lint 规则挡住新冒出来的反模式,顺手把那些旧模式也清理干净,再确保你的验证体系足够扎实。

反正这些工作本来就是自动化的前提。如果你的编码内循环产出的就是垃圾代码,那把这个循环自动化,只会制造更多垃圾代码;接着你就不得不往问题里砸越来越多、越来越多的 Token——我们都知道,那是非常贵的。

一旦你在代码库、静态分析、运行时验证和形式化验证上做好了这些投入,就会开始发现,有了这些底座,很多事情都会变得水到渠成,在这些底座之上搭建你自己的工厂也会非常轻松。

等你准备好了,Grok Bot 就是搭建那个外循环的好办法。我们有海量的连接器和例行流程,可以拉起 Cursor 云端 Agent 和项目,让你能编排调度成百上千个 Agent。举个简单的例子:现在每当我们切出一个新版本,Grok Bot 都会自动为我们拉起一个新的 Cursor 项目,对整个应用、整个构建包做模糊测试——它会把应用跑起来,像真实用户一样去用,把 bug 找出来;接着针对找到的每一个 bug 自动提修复 PR,再直接自动合入。听起来很疯狂,之所以能这么干,是因为我们的代码库足够好,PR 往往默认质量就过关,我们合入的大多数业务代码已经不再需要深度的人工评审了。

当你有了扎实的底座和良好的有机架构,就能把垃圾代码变成金子,在不妥协质量的前提下实现高速交付。我叫 poteto,也叫劳伦·谭。再次感谢大家来听我的分享。

资料来源:AI Engineer Code Summit 大会,SpaceXSI 首席工程师劳伦·谭演讲《All Code Is Slop (Except Mine)》,2026 年 11 月 14 日上线,https://www.youtube.com/watch?v=O_zcc6Xl12g

本文由 AGI 2050 编辑部根据上述公开资料编译整理,事实信息以原始信源为准。文中观点属于受访者或原作者本人,不代表 AGI 2050 立场,仅供行业交流参考,不构成投资建议。

AGI 2050的更多文章

查看全部文章

雁评

真实、有观点的好评或吐槽,欢迎分享你的使用体验。

登录后可查看你的发表权限