Guides

這份素材屬於「部落格文章／指南型內容」，重點在於整理作者對於使用 AI 程式碼代理（Coding Agents）的實務模式與思考。

📌 如何與 Claude Code 等 Coding Agents 協作？Simon Willison 的實務指南

TL;DR：透過特定模式與工作流，從 Agentic Engineering 角度提升 AI 輔助開發的效能。

當「寫程式變得廉價」成為現實，工程師的角色正從「撰寫者」轉向「審核者」與「架構設計者」。面對 Claude Code 或 OpenAI Codex 這類程式碼代理（Coding Agents），如何從單純的 Prompting 轉向更系統化的「代理工程」（Agentic Engineering）？

🧩 從寫程式到 Agentic Engineering 的思維轉變

面對 AI 驅動的開發模式，我們需要重新思考開發流程：

• 寫程式變得廉價：當程式碼產出成本降低，重點應放在如何確保產出的品質與架構的正確性。
• 保留你的技能庫：雖然 AI 很強，但「囤積你已知曉的知識」依然至關重要，這能讓你更有能力判斷 AI 的輸出是否正確。
• 目標是產出更好的程式碼：AI 的目標不應只是「寫完」，而是「寫得更好」。

⚠️ 避開常見的反模式（Anti-patterns）

在使用 Agent 時，並非所有操作都能獲得好結果。作者在指南中特別強調了需要避免的「反模式」，以防止開發流程陷入混亂或產生錯誤的依賴。

🛠️ 最佳化工作流的實務模式

為了發揮 Coding Agents 的最大效能，可以嘗試以下開發模式：

• Git 與 Agent 協作：將 Git 作為與 Agent 互動的緩衝與追蹤工具。
• 測試驅動開發 (TDD)：採用 Red/Green TDD 模式，並強調「先執行測試」的重要性，讓測試成為驗證 Agent 輸出是否正確的基準。
• 代理式手動測試 (Agentic manual testing)：結合自動化測試與人工驗證的混合模式。
• 線性導覽與互動式解釋：透過結構化的步驟引導 Agent，並要求其提供互動式的解釋，以建立對程式碼邏輯的理解。

🎯 實務啟示

面對 AI 代理，工程師的價值不再僅是輸入指令，而是透過測試驅動（TDD）、嚴謹的版本控制（Git）以及對核心技術的掌握，來建立一套「以代理為中心」的開發工作流。

🔗 來源

• 標題：Guides
• 作者／機構：Simon Willison
• 連結：https://simonwillison.net/guides/

#AI #Coding #ClaudeCode #OpenAICodex #AgenticEngineering #SoftwareEngineering #TDD #Programming #AIWorkflow #DeveloperProductivity