Mitchell Hashimoto
节选自 Agentic Engineering Sessions
播出时间：2025年6月19日
在这场对话中，Mitchell Hashimoto 向 Richard Feldman 展示了他在构建 Ghostty 时如何使用 AI。具体来说，他们详细走读了一个近期的提交。你可以在 YouTube 上观看完整视频，或阅读以下节选引言。
保持架构控制（Maintaining Architectural Control）
"我的做法是，我在软件项目里基本上还是那个架构师。我依旧喜欢自己设计代码结构、应用的数据流、状态存放的位置。我会给工具这些指导，就像：'我希望你实现这个最终目标，但要用这种形状来实现。'"
"如果我只是说'这里有个 bug，请修复'，它可能能修，但会用一种锤子砸钉子式的方式，结果长期来看根本不可维护。"
像辅导初级工程师一样写提示（Prompting Like Coaching Junior Engineers）
"我发现辅导新人最好的方式，就是给他们一个范围明确、带有很多护栏的问题......就像打保龄球时加上护栏，他们能在保护下打到球瓶。"
"这完全就是我对新加入项目的初级工程师会说的话：给他们一个范围明确的问题去做。我发现让初级工程师去做开放性问题往往是灾难。而 AI 现在的状态也差不多。"
"我把 AI 当成一个高效的新人，可以跟它说：'你能帮我调试下，看看为什么会这样吗？去做吧。'------这就是我使用 AI 的方式。"
与代理并行工作（Working in Parallel with Agents）
"我本来完全可以在前面几个提示里自己做完这些清理，但我没法在做清理的同时又去做 QA 测试。所以我把这些简单的工作交给 AI，而我同时在跑应用、点击、压力测试，结果我发现了一个 bug。"
"AI 工具的一个好处是，你不需要立刻回应。当 Claude 弹出一个通知说需要我关注时，我完全可以不理会。如果我正忙于别的，我会先把手头的事做完。"
从能跑的代码到可维护的代码（From Working Code to Maintainable Code）
"bug 虽然修了，但接下来要把它打磨成我真正想要看到的样子。这其实是个取舍：要么我自己手动改，要么让 AI 做些显而易见的快速调整。在这个例子里，它能快速做出一些合理的改进。"
"这些代理在重构上真的很强。如果不是修 bug 或写新功能，它们做重命名、调整结构、重组------几乎完美。每次我让它做这些，它都做得非常好。"
"我现在用 LLM 的大部分工作，就是让它们更接近资深工程师的视角。我会想：未来我们如何持续修复这个问题？如何验证不会回归？团队里的其他人如何理解？------这些它们还做得不够好。"
代理的当前局限（Current Limitations with Agents）
"对 Zig 代码库来说，只要不是特别小的改动，现在基本都没戏。我的解决办法是：在合适的时候，我让它先用它更擅长的语言（C、Rust、Swift 或 Python）写解决方案，然后我再手动转回 Zig。"
"我认为它在架构性问题上表现很差。在高性能数据结构方面也很弱。它虽然懂很多标准数据结构，但无法理解你在具体上下文里想要达到的目标。"
模型选择与测试（Model Selection and Testing）
"有时我会同时检出多个 Ghostty 仓库副本------ghostty、ghostty2、ghostty3、ghostty4。我会在不同的代码库上用不同的模型和代理跑同一个任务、同一个提示 。这是种竞赛机制。"
"目前我用 Claude 的成功率最高。Gemini 曾经一度表现不错，但它回答简单问题时经常给出巨量的冗长文本，对我来说效率太低。"
学到更多关于 Agentic Engineering
在这个时代，代码生产已不再是瓶颈。我们追求的是真正高质量的软件。欢迎阅读我们对 Agentic Engineering 的理解，并查看与专家们的系列对话，持续推动这一话题的发展。