讓整個團隊一起用 agent 出貨

099Aditya Khandelwal（Amazon AGI Lab）16:562026-08-11 上架

Agents, codebases, and teams — Aditya Khandelwal, Amazon AGI Lab

個人調好的 agent 設定，一進團隊就失靈。Aditya Khandelwal 帶過 10 人團隊之後，主張把它當成領導層的事來解，並分享實際做法與踩過的坑。

這場講了什麼

• 個人設定一進團隊就壞：網路上多的是教人調自己 repo 的內容，Aditya 的觀察是這些做法一碰到真實的團隊與正式環境就失效。帶 10 人團隊的那幾個月，才摸出能在團隊裡跑得動的做法。
• 用恐懼與信心兩條軸看採用：一開始大家怕被取代、用得也少；強制使用、拚 token 之後用量上去了，但 slop 上線讓信心崩掉。目標是讓人不再害怕、而且真的用得多。
• 這是領導層的事，不是個別工程師的事：改 code base 的組織方式需要團隊同意。放任各人自己摸索，用得好的人一天十個 PR，用得少的人只剩審查負擔。
• 每個 code base 都要做 harness engineering：重點是在對的時間把對的脈絡送進模型、建立能自我修復的迴圈清掉 slop，而且要持續迭代，不是做一個月就結束。
• 實際做法是共享設定加一個高價值 skill：把最強的工程師的做法推給全組，並投資一個從程式寫完到 PR 可以審的 skill，讓大家親眼看到 agent 幫得上忙。
• 踩過的坑都當成回饋：issue 幾週內暴增、成員一不順就退回去盯著 agent、merge hell、實驗程式碼的 slop 都遇過。Aditya 的結論是別怪模型笨，去改共享設定。

影片從哪一段開始看14 段

1. 00:12問題：團隊怎麼一起出貨教人調個人 repo 的內容很多，但一進團隊的正式環境就失效；Aditya 帶 10 人團隊的那幾個月找到了解法。
2. 00:58企業採用的來時路從少數人用 coding agent 拿到槓桿，到公司強制使用、拚 token，再到 AI slop 上線、出了一堆 Sev2，最後模型漲價、預算被綁上來。
3. 02:01恐懼與信心兩條軸開始時恐懼高、用量低；早期採用者帶動嘗試；強制使用後 slop 讓信心崩盤。目標是讓人不怕，而且用得更多。
4. 03:54光寫 CLAUDE.md 不夠寫好 CLAUDE.md、加幾個 skill 還不夠。設定出問題的徵兆：得盯著 agent、harness 一點小改動就讓人覺得模型變笨、context 悄悄燒掉、session 很長又常要介入、產出一堆 slop。
5. 05:39這是領導層的工作各自摸索會讓一天十個 PR 的人和只出一兩個的人差距拉大，後者反而扛審查負擔、討厭 agent；改 code base 組織也需要團隊同意。
6. 06:49harness engineering 的原則把整個 code base 當成在對的時間送入對的脈絡的地圖，文件放在註解裡；要有清除 slop 的自我修復迴圈，並持續迭代。
7. 08:23當成人的問題不是靠強制就能解決，恐懼和情緒是真的，要被看見。
8. 09:14實際做法：先把基本功做好用 progressive disclosure，找出最強的工程師怎麼用 code base，把做法推給全組，變成共享設定。
9. 09:47投資一個高價值 skillShip It 負責從程式寫完到 PR 可審的所有事，常跑超過一個小時，一開始讓人害怕；看到價值之後大家就投入了，不必再一直盯著。
10. 10:34串接工具並爭取懷疑者接上 issue、看板、CI/CD、agentic review 和每晚執行的 code gardener；懷疑者要能親自編輯共享設定，才算真的投入。
11. 11:43踩過的坑issue 幾週內衝到四五百個；有人一不順就退回去盯著 agent，要把意見收回 skill；agent 跑得久其實是好事；merge hell 只能面對；實驗程式碼當 prototype，不套全 code base 的標準。
12. 13:33改共享設定，不是怪模型與其說模型很笨，不如問怎麼讓它更聰明；投資的是共享設定，不是個人設定。
13. 13:51心態：全力衝刺用學滑雪比喻，必須投入速度才轉得了彎，要接受跌倒、學會從中復原。
14. 14:40Q&A：progressive disclosure 的做法skill 檔不要塞太滿，runbook 寫進註解，CLAUDE.md 與 AGENTS.md 只當薄索引；看第一個 prompt 吃掉多少 context 來驗證。

值得記的話5 句

• And eventually, model prices climbed. We saw people figured out that tokens have to be paid for, like you just can't token max your way through life.後來模型漲價，大家發現 token 是要付錢的，不可能靠把 token 用到滿來過日子01:45

• Making engineers work well with their agents is truly the most impactful thing you could do as an organization讓工程師跟 agent 好好合作，是組織能做的最有影響力的事05:39

• Treat it like a human problem, guys.各位，把它當成人的問題08:23

• It's the shared setup that you have to invest in.要投資的是共享的設定13:33

• You have to go full send and be okay with falling.要全力衝，而且接受會跌倒14:08

名詞與人物7 個

harness engineering

針對每個 code base 調整 agent 運作環境的工作，Aditya 認為需要團隊與領導層支持

progressive disclosure

讓 agent 在需要的時候才讀到對應的資訊，而不是一次全塞進去

token max

強制大家把 token 用到最大量，Aditya 稱這是「galaxy brain」的做法

Sev2

嚴重事故的等級，Aditya 用來指 AI slop 上線後冒出的那批事故

Ship It

Aditya 團隊投資的高價值 skill，負責從程式寫完到 PR 可審之間的所有事

code gardener

每晚執行、檢查 code 組織是否正確的 agent，什麼叫正確由各個 code base 決定

thin index

CLAUDE.md 與 AGENTS.md 該有的樣子，只負責指路，讓 agent 一開始就知道去哪裡找

提到但沒有展開

• Aditya 提到 skill 檔其實是一個資料夾，團隊把 SKILL.md 限制在 100 行以內。
• 驗證 progressive disclosure 有沒有成功的方法：看 agent 收到第一個 prompt 之後是直接知道去哪，還是先 grep；Aditya 說啟動就會吃掉約 20 到 25k tokens，若升到 40k、50k 就代表出問題。

Agent開發工具產業觀察

在 YouTube 看原片 ↗