播客：Lauren Tan 谈如何用 Agent 每月向生产环境提交数千个 PR

📝 本期播客简介 本期我们克隆了：Matt Pocock · LIVE: Poteto (creator of pstack) on shipping 1,000's of PR's a month at SpaceX 原内容更新时间：2026-10-03 当你睡着时，Agent 能不能自己验证、修好并合并代码？Lauren Tan 在 SpaceX AI 的工作中，已经把这件事做成了日常流程。 Matt Pocock 和 Lauren Tan 从她如何把 Agent 的工作量扩大到每月数千个 PR 聊起，拆解建立信任的关键：让 Agent 看见并验证自己的工作，把重复、确定的操作写成工具，再用代码库规则减少出错空间。他们也聊到如何从 bug 报告中获取上下文、协调多个 Agent，以及为什么领域专业知识反而更重要。 👤 本期嘉宾 Lauren Tan（Poteto），pstack 的创作者。她曾在 Meta 的 React 团队工作，之后加入 Cursor（现为 SpaceX AI），参与 Agent 窗口开发。她围绕 Agent 的验证、技能和工作环境持续实践，并分享过自己如何把大量 PR 交付到生产环境。 ⏱️ 时间戳 00:34 信任阶梯与专业经验 08:29 米其林厨房与验证 23:07 用环境约束 Agent 39:33 抽查与自动合并 48:00 把对话变成个人流程 🌟 精彩内容 💡 专业知识，反而更值钱 模型越强，瓶颈越不在 Agent，而在于人能不能把意图和目标讲清楚。医生、律师等领域专家，只要懂得使用 Agent，就有机会把专业构想做成产品。 "领域专业知识比以往任何时候都重要。" 💡 验证让 Agent 摆脱人肉中转 Agent 能运行代码、像用户一样操作应用，还能调试和记录信息；看得到结果，才能自己迭代。Lauren 把验证称为自己开始攀上信任阶梯的关键技能。 "如果 Agent 实际上看不到自己的工作结果，它就根本没法迭代。" 💡 规则把错误挡在代码库之外 在 Grok Bot 项目中，早期版本有大约 8 个包揽一切的大文件，每个至少 1 万行。她把功能拆进各自目录，再用严格的 lint 规则和固定模式，让糟糕的写法更难出现。 "好的代码库，是容易修改的代码库。" 💡 外循环把 bug 报告变成工作 Grok Bot 收集 Slack、X、邮件和 Linear 上的外部信息，再把上下文交给 Cursor Projects，由协调 Agent 分派子 Agent。多份相关 bug 报告放在一起，还能帮助 Agent 找到共同根因，而不是重复修补。 "把这两个循环接起来以后，效果就非常非常强。" 💡 她让 Agent 合并代码，早上再抽查 她搭起严格的验证循环，为 PR 启动验证 Agent 和模糊测试；Agent 会运行应用、尝试找问题并修复。代码合并后，她再看提交记录；如果发现共性问题，就调整规则和环境。 "现在我已经做到，PR 合并之后我才去审查。" 💡 过去的聊天记录，是流程宝库 Lauren 会从旧对话里找出自己纠正 Agent 的地方，把反复介入的经验整理成 skill、lint 规则或工具。pstack 的 recall skill，就是从她需要把旧聊天里的上下文带进新对话这一问题中长出来的。 "过去的聊天记录就像一个上下文宝库。" 🌐 播客信息补充 本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的 使用 AI 进行翻译，因此可能会有一些地方不通顺