Lauren Tan(@poteto)在一个视频中分享她在 Cursor 使用 AI 编程 Agent 的经验, 值得看一下。
我用我的skill,抓取字幕,翻译并重新烧录了双语字幕。
贯穿整场的观点是:要让 Agent 可靠地自主完成工作,工程师需要先建设好验证工具、项目知识和自动化约束。信任来自这些机制持续产出的可靠结果。
1. 信任决定了你能把多少工作交给 Agent。〔00:54–05:39〕
如果 Agent 经常凭猜测定位问题,你就不得不盯着每一步操作。此时,即使同时启动很多 Agent,你自己的检查能力仍然会成为瓶颈。
她描述的成长路径是:从紧盯一两个 Agent,到让它们独立完成任务,再到自动合并代码。她自述曾一个月合入约 1,000 个 PR,也有睡醒后发现 20 多个 PR 已经合入的经历;这些成果建立在前期大量建设工作之上。
2. 首先让 Agent 能够亲自验证自己的工作。〔05:40–13:37〕
Agent 应当能够启动应用、操作界面、复现问题、查看运行日志和性能数据,并检查修改后的实际表现。如果这些步骤都由人来完成,人就会一直困在“运行—截图—反馈—再修改”的循环里。
她特别强调 Feature Map,也就是“功能地图”:告诉 Agent 一个功能在哪里、如何进入、有哪些快捷键、怎样定位界面元素。这样,面对“侧边栏很卡”或一张模糊截图,它才知道应该去哪里检查。
这里有一个关键区分:验证用于判断功能是否解决了问题;代码是否清晰、易维护,还需要其他机制。
3. 把反复出现的失败,转化为可复用的 Skill,并检验它是否有效。〔13:37–23:56〕
她把 Agent 比作“很会写代码、但刚入职五秒钟的新同事”:缺少业务背景,也不了解团队的工作习惯。Skill 就是把这些背景、标准和操作方法写下来,供它反复使用。
她的 PStack 工具集来自持续观察:发现 Agent 没读相关代码就下结论,就补上调查流程;发现它不会验证,就补上验证能力。
Skill 本身也需要评估。她会设定评分标准,让多个 Agent 或模型执行任务、交叉检查结果,再根据表现修改 Skill。写下一条要求,并不等于 Agent 已经稳定掌握了它。
4. 先在本地建立可靠流程,再扩展到云端和自动化。〔24:32–30:11〕
起步阶段适合在本地观察:应用能否启动、Agent 会不会操作、是否真的复现和验证了问题。流程稳定之后,再把相同能力搬到云端。
她举了一个名为 Benny 的 Agent:它接收 Bug 报告,在云端启动应用并尝试复现。有一次,它确认问题在主分支中已经修复,只需要发布新版本,省去了人工重复排查。
她明确不建议在基础能力尚未可靠时,直接启动成百上千个 Agent,那会放大失败和费用。
5. 代码库本身需要适合 Agent 工作。〔30:17–38:54〕
她认为,有成熟规范和检查机制的老项目,可能比毫无约束的新项目更适合 Agent。快速拼出来的原型虽然交付快,但 Agent 不断选择眼前最省事的做法,会逐渐积累难以维护的结构。
因此,某些项目值得投入重构。她自述为迁移到新架构进行了超过 600 个 PR 的改动,目的是让后续开发更稳定,让整个团队受益。
她也鼓励把工作拆成目标单一的小 PR,便于理解修改、定位问题和回滚,没有规定统一的代码行数上限。
6. 把重要规范变成自动执行的检查,让最省事的路径就是正确路径。〔39:07–48:43〕
这是整场最重要的工程方法之一。她认为,规则文档、Skill 和 AI 审查都可能被遗漏,重要约束需要落实到项目结构、编译检查和 CI——也就是提交代码时自动执行的检查。
她介绍的 Dune 架构会把同一功能的代码集中存放,并检查模块之间的引用关系。例如,限制界面渲染部分引入不该承担的繁重计算,减少卡顿风险。
Agent 喜欢沿用已有模式、选择捷径,因此应该把项目设计成:照着现有方式做,就容易做对。
她在自己的项目中甚至禁用了 useEffect 和代码注释。这些是针对其项目失败模式制定的具体规则;更值得提炼的方法是:把反复出现的审查意见转化为可以自动检查的约束。
7. 前期建设有成本,回报要放到整个团队和长期使用中看。〔49:23–54:15〕
她承认自己拥有非常充足的 Token 资源,其他人不应原样照搬。重构、编写 Skill 和建立验证体系,都需要时间与费用。
她的判断是:如果这些投入能减少后续返工,让更多人持续贡献代码,甚至让能力较弱的模型也能做好工作,就可能带来可观回报。但分享中没有给出普通团队可直接套用的成本预算。
8. 工程师的职责,会更多地转向设计工作环境和质量标准。〔23:15–23:44;54:18–57:03〕
她用“主厨”作比喻:工程师不必亲自做每一道菜,而要设计厨房、制定流程、分配任务,并保证出品质量。
当工具、架构和检查足够完善后,产品经理、设计师也能借助 Agent 修改功能和修复问题。工程师的重要贡献,是让这种参与可以长期、稳定地进行。
按她的思路,可以把实践顺序整理为:
观察失败 → 补充项目知识和 Skill → 建立实际运行验证 → 评估并改进流程 → 把关键规范变成自动检查 → 逐步扩大自主工作的范围。
Learning
Lauren Tan's Cursor agent talk subtitled in Chinese
Tao Wang used a custom skill to transcribe, translate and burn bilingual subtitles onto Lauren Tan's talk about working with AI coding agents in Cursor, making it available to Chinese-speaking developers.
298likes
45reposts
371saves
23Kviews
- Posted







