文章

本文深入探讨了 AI 智能体在执行耗时数小时甚至数天的“长跑”复杂任务时，因上下文窗口限制和会话间“失忆”而面临的挑战。为了解决这一核心难题，Anthropic 开发了一套双重解决方案，使 Claude Agent SDK 能够跨越多个上下文窗口高效工作。该方案包括一个“初始化智能体”负责搭建初始环境，以及一个“编程智能体”负责在后续会话中取得增量进展并留下清晰的交接文档。文章详细介绍了环境管理的几个关键组件，包括功能列表、循序渐进的开发模式、以及通过浏览器自动化工具进行的端到端测试。这些实践借鉴了人类软件工程师的工作习惯，如利用 Git 历史和进度文件快速了解工作状态，并确保每个会话结束后环境处于“干净状态”。文章最后总结了智能体常见的失败模式及其解决方案，并展望了未来多智能体架构和跨领域推广的可能性。整体方案旨在提升 AI 智能体在复杂、长时间任务中的鲁棒性和效率。

本文全面论证了人工智能生成的代码应被视为草稿，绝不能绕过人工审查。文章强调了盲目依赖人工智能所产生的关键问题，包括对代码工作原理的理解丧失、引入不易察觉的缺陷或不安全模式，以及开发者批判性思维能力的削弱。作者强调，过度依赖人工智能提速而忽略学习，会阻碍初级开发者成长，并造成技能差距。此外，本文详细介绍了人工智能生成代码带来的大量变更、意图缺失以及审查者工作量过载，使得代码审查流程更加紧张，可能导致低质量代码蒙混过关。为了减轻这些风险，本文提出了一套最佳实践，例如，绝不合并不理解的代码，以审慎的态度验证人工智能的输出，使用人工智能作为解释和测试的助手，并全面保障人工智能生成代码的安全性。文章还建议利用人工智能进行自我审查，分解大型人工智能生成的更改，并记录人工智能的贡献。最后，文章强调了建立明确的团队协议的重要性，以定义人工智能的使用，确保责任，并在避免污名化的前提下提高透明度，确保工程师对其提交的代码承担全部责任。