Jamon（RN 核心开发者）分享的完整 Agentic 工作流。

我要把我的完整 Agentic 工作流全部公开，因为我看到太多人缺了其中的关键部分，这对他们造成了很大的损失。
以下是我使用和推荐的：
0. 一个 AGENTS.md 路由器——把 Agent 引导到正确的 skill、文档和工具
1. 一份根据自己需求定制的标准工作流文档/skill……（如果你还没有的话，可以用 Matt Pocock 的 skills）……我在大多数 session 里用 @/AGENT_WORKFLOW.md 把它引入进来
2. 每个系统都有自愈文档，并指示 Agent 持续更新……我会手动 tag 我知道需要的文档，或者让 Agent 通过 AGENTS.md 自己找到它们……每份文档的前7行我都提供了详细摘要，方便 grep 检索，这一点也写在 AGENTS.md 里
3. Agent 始终实际运行应用……Agent 应该真正跑起来应用，边做边测，发现问题边修，尤其是在自主/异步运行的时候
4. 端到端测试，以及如何写测试、避免什么、所有测试清单的说明文档……在实现过程中同步写并跑针对性测试，随工作一起提交
5. 在 precommit 钩子上挂自定义 linter，发现问题用 --fix 自动修复，或者如果做不到，就 shell 出去调一个便宜的 LLM（比如 Composer 2.5 或 Sonnet）来修——不只是报警，而是真正输出干净的代码
6. 每个关键节点做跨 Agent 交叉 review：调研、规划、实现、收尾。用 Codex、Claude、Cursor 都行——但不能是同一个模型 review 自己写的代码。还要有专门的 review 文档，说明看什么、怎么看。另外用 Persona——从不同视角审视代码，比如可维护性、代码质量、安全、性能、AI 坏味道、领域专家视角（比如"金融服务专家"之类）……每个 Persona 也"负责"一组系统文档并持续更新
7. Agent 追踪表/worksheet，记录每次 session 里 Agent 在做什么。如果 Agent 中途挂了，你可以把这份 worksheet 交给另一个 Agent 接着干。把 worksheet 和工作一起提交，方便后续查阅（你以后真的会查的！）。同时让 Agent 打上对应 worksheet 名称的 git tag，便于查找
8. 每次 session 结束自动向你输出反馈，写入一份也随工作提交的文档，定期把这些内容拿到交互 session 里消化，用来改进工作流
9. 一个 tools 或 bin 目录，放 Agent 会做的 Python/bash 脚本来简化自己的工作（比如我有一个 agent_review bash 脚本，让 Agent 通过 CLI 触发 agent review，而不用知道每个 Agent 各自的调用方式）……写好如何有效制作脚本的文档，并指示不断补充
10. 定期让 Agent 扫描最近的 commit，从更高层面跨 commit 找问题/坑
11. 一份 coding conventions 文档，专门记录你希望在代码库里看到的特定编码规范，你的 review Agent 会大量用到（但很多这类规范应该直接放进 linter）
12. 一个 agent loop / night shift skill，用于自主工作，从编排角度规定 Agent 应如何处理任务
13. 一个 Agent 可以访问的 task queue（我的就是一个 TODOS.md，你的也可以在 Linear 等工具里，通过 CLI 调 API 获取）
14. 定期执行一个"虚假信心测试审计" skill，找出那些并没有真正测到你以为它在测的东西的测试，并修复它们
15. 视觉回归测试——截图，用工具和 Agent 视觉 review 来对比，随工作提交（这里 git lfs 很有用）或至少推到 PR 里
16. 自动性能基准测试，能发现性能下降
17. 性能分析工具，供 Agent 用于针对性基准测试、尝试新技术、对比输出和性能剖析结果
18. 下班前全量验证，包括跑所有测试、性能、Agent review、全面扫描，一切——你回来时，一切都尽可能整洁

如果你把这些都搭好，你的 agentic coding 体验会和那种干提 prompt、然后每次都要手动把它引向正确方向的感觉完全不一样。

原文：x.com/jamonholmgren/status/2076001786700394610
#HOW I AI# #程序员#