帶模型從零寫 Effect 應用

概要

• 直接 clone 原始碼給模型Michael Arnaldi 認為寫程式用的模型是被訓練去讀寫程式碼，不是讀人類文件或沒見過的 MCP server，所以把 Effect 的 repo 直接放進專案，當成模型自己的程式碼來讀。
• 模型不會持續學習Michael 說模型訓練完就固定，今天交代的事明天不會記得；能做的只是在固定大小的上下文視窗裡追加訊息，視窗越大也不一定越好，所以要在流程上補強。
• 先研究、寫成 patterns 檔，再實作每要用一塊功能（HTTP API、SQL、測試），先請模型去 Effect repo 研究並存成 patterns 檔，再用 AGENTS.md 指過去。Michael 也不用 plan mode，改成先討論出 spec，再用 Ralph loop 一小塊一小塊做。
• 模型犯的錯就寫成 lint 規則Michael 一邊看模型的產出，一邊把不喜歡的寫法禁掉，例如 as 型別斷言、用 SQL 型別參數代替驗證、用純字串當 ID，把它比喻成顧著一個拿刀亂跑的初階工程師。
• GPT 與 Opus 各有脾氣Michael 現在多半用 GPT-5.4，原因之一是 Anthropic 限制了自己想用的工具環境；也提到 Opus 在 UI 上比 Codex 強，兩者在多數任務上差不多。
• evals 與 workflows 是下一步Effect 團隊想每天跑 evals 檢查文件和範例的效果，也在考慮微調模型；時間不夠，沒有做到 workflows 與 cluster，只解釋了為什麼 AI 讓它們更重要。

原話

• “there's no more knowledge that comes into the model every day”

  模型每天都不會有新知識進來

  ▶ 07:57

• “The reality is you are basically appending messages onto a fixed-size array which is called the context window.”

  實際上就是把訊息一直追加到一個固定大小的陣列，那就叫上下文視窗

  ▶ 08:33

• “our job should be to set up the repositories in ways that the models can act good on it”

  我們的工作應該是把 repo 整理成模型能做好事的樣子

  ▶ 48:48

• “usually just ask the model why you did that, is there any alternative”

  看到怪的地方，通常就直接問模型為什麼那樣做、有沒有別的做法

  ▶ 1:23:54

• “Why does this rule exist? Because the model did that.”

  為什麼有這條規則？因為模型真的這樣做過。這是借朋友的比喻：法規裡那些很具體的條文，背後都是有人真的做過那件事

  ▶ 1:31:01

延伸

• Michael 說 Effect 的 workflows 與 cluster 還放在 unstable 的部分；這場沒有實作，只說明了概念。
• Michael 提到團隊實驗過只給單一 execute 工具的 coding agent：模型不能直接改檔，只能寫 TypeScript 去執行。
• Michael 認為 patterns 最好針對使用的模型生成：GPT 家族的 5.2、5.3、5.4 差不多，Opus、Sonnet、Haiku 也很像，所以可以做一個先問你用哪個模型、再調整內容的 CLI。