英区热文总结 AI 原生开发的 5 条核心经验

今天英区的热文：

1. 永远使用最新最强的 AI 模型。 否则，那些难以预料的 10% 错误会让你反复尝试，浪费大量时间。所以，不要为了省下 50% 的成本，去选择能力弱 20% 的通用模型。

2. 别再过度担心 AI 生成的垃圾代码，我并不认为它一定会制造难以维护的混乱。想获得更好的结果，应该告诉 AI 要做什么（What），而不是怎么做（How）。

3. 让 AI Agent 看得见、摸得着整个软件开发生命周期（SDLC）。 通过工具调用，让它真正与现实环境交互，能够端到端地执行任务、读取日志、部署产品。同时，为它提供必要的工具、评估标准（Evals）和实验能力，让它能够自主验证结果。

4. 尽量使用远程开发环境，而不是本地开发。 本地开发经常遇到资源冲突，体验并不好。不要和 Agent 一轮轮地手动迭代，而是让它自己构建工具、批量生成不同方案，并要求它拿出无可辩驳的证据来证明结果有效。

5. 不要等待 Agent，也不要手动管理上下文。 异步执行、定时任务和上下文压缩（Compaction）已经足够好用。为每个任务建立独立的对话线程（One Thread per Task），让这些线程成为公司的知识记忆。代码审查也不必面面俱到，只需要重点关注那些一旦出错就会造成大范围影响的高风险代码。

核心思想：从亲自指导 AI 完成每一步，转向定义目标、提供工具、建立验证机制，让 AI 自主完成整个工作闭环。 真正的 AI-native 工作流，不是人不断地给 AI 下指令，而是让人从执行者变成目标制定者和结果评估者。