Agentic Engineering Workflow 是一套将工程工作从手动实现转向高层系统架构的工作流，核心是管理自主 AI 智能体（如 Devin），把它们当作“初级伙伴”来使用。通过把实现工作交给智能体，小型团队（例如 15 名工程师）可以承担更大规模组织的产出，目标是将 25% 到 50% 的拉取请求交由 AI 生成。
核心原则：从砌砖者到架构师
大多数工程时间花在“砌砖”上：调试 Kubernetes 错误、修复端口问题、编写样板代码。该工作流的目标是转向“架构”：精确定义问题、规划解决方案、明确权衡取舍，而由智能体负责执行。
一、任务委派框架
不要把“问题”（模糊的高层目标）交给智能体，而要交给它们“任务”（定义清晰、可验证的工作单元）。
可验证性：选择具有自动反馈回路的任务，例如可以运行的代码、可以通过的测试，或可以预览的 UI。
“初级伙伴”视角：把智能体当作一位有才华但刚入职的初级工程师。
不好的提示词：“修复我们的扩展性问题。”
好的提示词：“我在注册页面看到 404 错误。请研究 Datadog 中的日志，在本地环境复现该 bug，并建议修复方案。”
二、管理异步“智能体集群”
不要逐动作地盯着 AI 工作。要获得大幅生产力提升，必须并行管理多个智能体。
5-Devin 规则：目标是同时运行最多 5 个智能体。
晨间启动：找出冲刺（如 Linear 或 Jira）中 5 个最独立的工单，分别分配给不同的智能体会话。
上下文共享：使用集成的“Wiki”或索引工具，让智能体学习你特定代码库的特性，例如“我们如何处理多 token 预测”或“我们特定的部署操作”。
三、集成回路
将智能体接入现有的人类工作流，以保持质量与监督。
沟通渠道：通过 Slack 进行快速引导，通过 GitHub 进行代码审查。
“锯齿状智能”审查：要意识到 AI 具有“锯齿状智能”——它可能解决复杂算法，却在基本架构约定上出错。
执行前审查计划。
合并前审查 PR。
交互式规划：如果智能体提问（例如“按钮应该在新标签页中打开吗？”），立即回答以保持异步推进的势头。
四、入职与文档
用智能体弥合人类工程师之间的知识差距。
Devin Wiki：让智能体索引代码库，并生成复杂模块（如 FP8 运算或网络抽象）的图表与说明。
AI 导师：用智能体回答新员工的“笨问题”，例如“计费模块的功能开关在哪里？”
示例
示例 1：Bug 复现与修复
背景：用户报告移动端侧边栏链接失效。
输入：在 Linear 工单中标记智能体，并附上具体错误报告。
应用：智能体启动虚拟机，复现移动端视图，识别 CSS 冲突，并运行 linter。
输出：一个 GitHub 拉取请求，附带移动端预览中修复效果的截图。
示例 2：功能实现
背景：需要向 Web 应用添加一个“Newsletter Feature”组件。
输入：“修改 Web 应用以展示此 URL。使用现有侧边栏组件。确保链接在新标签页中打开。”
应用：智能体研究侧边栏代码，创建新组件，并就样式请求澄清。你提供一两行关于按钮圆角度的反馈。
输出：一个可合并的 PR，符合现有站点架构。
常见陷阱
盯着锅等水开：保持“同步”并盯着智能体的终端。这浪费时间。启动任务后，等 Slack 通知再回来。
范围模糊：给出一个需要 50 个架构决策的任务，却不提供起点。先从“一点”任务开始，帮助智能体熟悉仓库。
忽略轨迹：不看智能体采取的研究步骤。如果智能体失败，查看其“回放”，看它的逻辑在哪里偏离了人类。
过度依赖基础智商：假设 AI 了解你公司特定的“混乱”（例如旧 COBOL 或遗留包装器）。必须明确指向“锯齿”区域的文档。