怎么才能更信任你的 Agent 的工作呢？
Grok Bot 团队 @poteto 提出了一套如何信任 AI Agent 工作成果的四层“倒金字塔”框架。她认为，与其花精力“管教” Agent，不如花精力改造代码库本身！
四层倒金字塔 (精力投入从上到下递减)
第一层：代码库改进 (投入最多) 更好的架构、更强的类型系统与不变量、清晰的模块边界。
Lauren 认为这本质上“就是好的软件工程”。理由在于 Agent 的天性：Agent 倾向于复制已有代码、走最短路径；所以与其对抗这个天性，不如让最短路径本身就是正确路径。
第二层：静态分析 Lint 规则、测试、CI、形式化验证(如 TLA+)。这是性价比很高的第二道防线，用极低的 token 成本在问题早期就拦截它，出错反馈是确定性的，不依赖 Agent “理解”了什么。
第三层：文字性指导 (最少使用) 代码注释、规则文件 (如 AGENTS.md)、Skills 描述等。这一层的共同弱点是无法强制执行，它要求 Agent 自行判断是否遵守，而 Agent 的判断并不总是可靠，所以只能作为补充，用在确实需要主观判断的场合。
第四层：人工审查 (最难规模化) 人的精力有限，不应消耗在逐行检查 Agent 产出上，而应投向更上游的事：设计出让 Agent 默认就做对的环境。
为什么金字塔是“倒置”的？
传统上团队把大量精力放在金字塔底部 (写规范、人工审查)，而 Lauren 主张反转：
· 越往上层，手段越是确定性的 (代码结构直接决定 Agent 能走什么捷径) 且token 高效的(不需要反复沟通纠偏)；
· 越往下层，越依赖不可靠的理解与不可扩展的人力。
这和业界近年 “从 prompt engineering 转向 context/engineering 工程” 的共识是同一方向；但 Lauren 把它推到了更根本的层面：连提示词本身都只是第三等手段，真正的杠杆在代码库里。
lauren@poteto
如何更信任智能体（agent）的工作成果？把这条帖子或链接复制下来，交给你的 @bot 或 agent！
- 代码库改进：这本身就是良好的软件工程——更好的架构、更强的类型与不变量、清晰的边界。智能体喜欢照搬既有写法、走最短路径，所以要设法让"容易做的事"变成"正确的事"。用代码从根上消除某类问题，你就不必再为它操心。
- 静态分析：lint 规则、测试、CI、形式化验证（例如 TLA+）。这些是提前发现问题、且非常节省 token 的方式。
- 文字说明：注释、规则、AGENTS.md、skills——所有无法强制约束、需要智能体自行判断的内容。尽量少用，但确实要用 /create-verification-skill。
- 人工审查：最难规模化的一环。以智能体提交代码的速度，彻底审查每个 PR 几乎不可能，所以要把这份精力投入到杠杆率最高的地方——设计一个让智能体默认就做对事的环境。
这构成一个倒金字塔：你希望大部分精力花在顶层，最少的精力花在底层。代码库改进是确定性的，能提升 token 效率，也让你夜里睡得更踏实。
安装后创建一个新项目（Project）：
- 翻看我 Slack／聊天消息和代码审查评论，找出我针对 PR、代码、架构给出反馈的地方
- 对我过去的对话记录使用 /recall，了解我是如何引导智能体的
- 使用 /poteto-mode，对过去的提交使用 /correct 和 /architect，找出智能体最常掉进的坑，然后提出一份方案，重新架构我负责的代码，让它对智能体更友好。对于悬而未决的问题，用原型验证来回答，而不是交给我决定；并用真实数据支撑这份方案。
- 开始之前，使用 /sharpen 和 /in-your-own-words 与我确认这条提示词。
