SuYue retweetledi
SuYue
4.1K posts


代码编程之前,先进行一轮文档编程。由 Claude Code 完成所有 AI 任务的拆分和编排,再交给 GitHub Copilot 一气呵成,agent 疯狂跑了 8 个多小时,token 消耗才 0.3%,充分利用了 Copilot 按请求次数收费的机制。感觉永远用不完,😅
这套执行流程(图三)陆陆续续打磨了一个多月。整体设计为主从式 agent 结构,主 agent 负责决策与任务分发(Coordinator),多个从 agent(Explore / Review / Repair / Experience)负责执行、修复与经验沉淀。过程管理采用 TASKS.md(管任务)+ CURSOR.md(管进度),确保每个步骤执行到位,全程 AI 自主完成。
执行效果基本符合预期(图一)。每轮任务完成后会触发 2~3 轮 code review,将问题逐步收敛并修复。最终产出的代码质量较稳定,没有明显缺陷,还额外覆盖了一些性能优化场景。
目前最大的问题是,耗时太长了(图二)。整个过程花费了 8 个多小时。分析了整个执行过程的耗时分布,agent 真正写代码执行只占 48.7%,其余 51.3% 都花在 review、fix、recheck、accept、phase 任务上,后置的质量闭环占了大头。
这就是利用 subagent 做复杂 context engineering 的必然代价。每个 phase 结束后,agent 都需要重建上下文,重新加载代码、review 结果与规范,同时同步任务卡与状态文档,才能进入下一阶段,context 切换成本非常高。
要做到效率真正提升,目前有两条路径,一是压缩 agent 执行链路,将文档驱动的流程逐步固化为可复用的代码逻辑;二是优化 context 切换的效率,通过增量更新、差异加载与状态缓存等方式减少重复计算。不过,再往下优化,边际收益就不高了。



中文
SuYue retweetledi
SuYue retweetledi

Claude AI is reportedly down for hundreds of users right now. Are you one of them? #ClaudeDown #Anthropic #ClaudeAiDown
community.designtaxi.com/topic/27677-is…
English
SuYue retweetledi
SuYue retweetledi



















