AI Engineer Europe 2026 · 演講 · 2026-05-03 · 27 分
Context 也要有自己的開發週期
Context Is the New Code · Patrick Debois,Tessl
Patrick Debois 把軟體開發的迴圈搬到 context 上,依序走過產生、測試、散布、觀察四步,講 AGENTS.md、skill 這類檔案怎麼像程式碼一樣被驗證、打包與維護。
概要
- Context 取代程式碼Patrick 說自己幾乎不碰程式碼了,只叫 AI 換做法;也把一大堆自己用的程式碼改寫成 skill,因為不同生態系的安裝流程寫成程式太難,交給 skill 一步步判斷反而解決更多問題。
- 四步迴圈Patrick 仿照 DevOps 畫了一個無限迴圈:產生 context、測試 context、散布 context、觀察是否有效,再調整重新產生。整場照這個順序講。
- 用 eval 測 context改了 CLAUDE.md 兩行,影響是什麼常常只能憑感覺。Patrick 的做法是從 linter 開始,再用 LLM 當評審檢查產出的程式碼,評審拿到工具後就變成端到端測試。
- 評估要容許失敗eval 每次結果不同,所以要跑好幾次、看成功比例。Patrick 的想法是幫一組測試設定錯誤預算,而不是要求每次都過。
- 散布靠套件與 registry可重用的 context 可以像函式庫一樣打包、安裝、放進 registry,接著就會遇到依賴衝突與安全問題,需要掃描與來源紀錄。
- 回饋來自 agent log 與生產環境agent 日誌、PR 上的意見、生產環境的失敗,都可以回頭變成改善 context 的依據。
原話
▶ 13:41“you cannot do like exact testing all the time”
沒辦法每次都做精確的測試
▶ 14:57“Now the reality is 99.9 and I mean that in a very sincere way of the skills is crap”
現實是 99.9% 的 skill 都很爛,我是很認真這樣說的
▶ 23:46“they're just the engine if you give the engine the wrong fuel which is context they're not gonna perform”
它們只是引擎,燃料是 context,給錯燃料就跑不好
延伸
- 觀察階段 Patrick 提到 agent log 正在出現標準,但沒有說是哪一個。
- Patrick 說自己還沒找到寫 context 時相當於 Grammarly 的 coding 工具,倒是用語音輸入來寫 context 有幫助。
- Q&A 裡聽眾問還有哪些 context 來源,Patrick 沒有給具體答案。
章節
點時碼直接跳到原片的那一段。
- 開場與主張先問現場誰用過 coding agent,提出 context 就是新的程式碼;Patrick 也把產品裡 AI agent 的 onboarding 程式改寫成 skill,讓 agent 先判斷套件管理員與生態系再帶使用者做完。
- Context 開發週期拿 2009 年 DevOps 當類比,提出若 context 是程式碼就需要自己的 lifecycle,並畫出四步的無限迴圈。
- 產生 context從手打 prompt、可重用提示與 AGENTS.md、函式庫文件,到 MCP 拉進的資料與 spec 驅動開發,都算在產生 context。
- 為什麼要測改 CLAUDE.md 兩行不知道影響多大,所以 Patrick 主張替 context 寫 eval,這在 AI 工程圈不新,在 coding 圈還不普遍。
- linter 與 Grammarly第一層是檢查 skill 格式的 linter;再來是請 agent 讀完 context 後回報看不看得懂、缺了什麼。
- LLM 當評審以「API 路徑一律加 awesome 前綴」為例,讓 LLM 判斷產出的程式碼有沒有照做;沒有公司 context 時,沒有模型會自己加這個前綴。
- 評審變成 agent給評審工具和 sandbox,它就能真的去 curl 端點,等於端到端測試,還能針對某個 commit 比較有沒有 context 的差別。
- 放進 CI 與錯誤預算eval 不是決定性的,要跑五次看成功幾次;Patrick 用錯誤預算的角度看測試,不追求每次完全一致。
- 散布與套件同事 checkout 就拿得到 context,但跨專案、跨團隊重用就需要套件,以及能搜尋的 registry。
- skill 品質與格式Patrick 說現成的 skill 幾乎都不達標,但可以從中學;skill 能附腳本與文件,已像各家 coding agent 都支援的套件格式。
- 依賴與安全context 也會有依賴地獄,版本要對應函式庫版本;OpenClaw 讓大家警覺,要有掃描,也要記錄 skill 是誰、用什麼模型做的。
- 觀察:log 與 PR維護給別人用的 context 要有回饋,來源可以是 agent log 裡缺了什麼,以及 PR 上收到的意見。
- 生產環境回饋有工具把程式碼包起來推上生產環境,失敗時指出改了哪些程式碼,再建議補一個測試。
- 沙箱與 context filterPatrick 自己拿沙箱測 agent,發現它會讀環境變數與記憶檔;沙箱擋不住 agent 載入 AGENTS.md 與 skill,因此提出類似 WAF 的 context filter。
- 作者迴圈與組織迴圈個人先在自己的 markdown 上打磨,再擴到團隊、再到團隊之間,逐步變成組織層級的迴圈。
- 結論與 Q&ALLM 只是引擎、context 是燃料;Q&A 一位聽眾談用平行重複產生定義來檢驗,Patrick 說大家低估了寫 eval 的工夫。
名詞
- Context development lifecycle
- Patrick 提出的四步迴圈:產生、測試、散布、觀察,再回頭調整
- AGENTS.md
- 放在專案裡、給 coding agent 讀的可重用說明檔,Patrick 說業界正在往這個標準靠,只有 Claude 還叫它 CLAUDE.md
- skill
- 可包含說明、腳本與文件的 context 套件格式,Patrick 說各家 coding agent 都在支援
- eval
- 針對 context 寫的測試,用來看某份 context 有沒有讓 agent 照規則做事
- LLM as a judge
- 讓 LLM 依指定標準評斷產出;給它工具後可以實際執行檢查
- error budget
- Patrick 用來容許一組 eval 偶爾失敗的想法,因為結果不是決定性的
- registry
- 讓人搜尋、安裝可重用 context 套件的集中處
- AI S-BOM
- Patrick 的比喻,用來記錄一份 context 是誰、用什麼模型做的
- context filter
- Patrick 提的概念,像 web application firewall,過濾進來的 prompt injection 與可疑樣式
- OpenClaw
- Patrick 說它讓大家意識到在自己電腦上執行陌生人的東西需要更安全







