分类: Agent工程化

随着AI Agent成为基础软件的主要使用者，软件设计需从用户本质转变出发。核心在于构建贴合经典心智模型（如文件系统、SQL）的系统，而非发明新接口；接口设计需满足自然语言描述意图、符号逻辑固化执行、交付确定性结果。AI Infra特征体现为“日抛型代码”的长尾需求、虚拟化实现的极致低成本，以及单位时间算力的高效撬动。商业模式上，成功企业更像放大千倍的云服务商，通过沉淀确定性能力将边际成本趋近于零。工程重点转向设计可被AI大规模低成本试错与复用的基础能力。

本文探讨了如何通过"FS + Agent"架构将各类SaaS和数据服务统一抽象为文件系统，实现Agent的自动化操作。核心思想是利用Linux FUSE技术，将HTTP接口、数据库等数据源映射为虚拟文件系统，使Agent能够通过标准文件操作访问和管理各类服务。文章详细介绍了FUSE的工作原理，展示了其通过用户态进程实现文件系统接口的能力，并分析了FUSE与Sandbox的互补关系——前者提供数据抽象层，后者提供权限隔离层。AgentFS作为具体实现方案，采用写时复制机制确保数据安全，并支持多终端共享会话，为构建统一的Agent操作环境提供了可行的技术路径。

Boris Cherny的Claude Code使用技巧聚焦高效协作与AI杠杆最大化：并行运行本地及云端Agent实例提升产出，需技术基础支撑；团队共用并每周更新CLAUDE.md记录错误，通过代码审查让Agent迭代文件；采用计划模式优先架构设计，再落地代码；封装工作流为命令如commit-push-pr提效；设置质量验证环节确保代码质量。对比Cursor，Claude支持多工具调用、subagents及执行Hook（如代码检查、长时任务处理）。建议不跳过权限，用/permissions预批安全命令，并通过“AI意识”优先用AI解决理解偏差问题，避免低效卡顿。

本文探讨了AI编程中“氛围编程”的局限。这种方式仅凭模糊提示快速生成代码，却常导致开发者陷入难以维护的“氛围调试”困境。为此，文章提出“规范驱动开发”（SDD）作为解决方案。 SDD强调在编码前先创建详细、结构化、可执行的规范（Spec），将其作为AI的核心输入和“单一事实来源”。这能将不确定的“概率性抽奖”转变为高质量的“确定性工程”，确保AI生成代码的可靠性与一致性。通过AGENTS.md等工具实践，SDD不仅解决了AI在复杂项目中理解不足的问题，更推动开发者角色从代码生产者，转变为驾驭AI的系统架构师与质量审查者。