提示词注入是数据平面问题:把边界从模型移到工具调用
作者认为提示词注入不该靠更聪明的模型解决,而应像 SQL 注入用参数化查询那样,把边界画在智能体执行动作的地方。
推荐理由:作者把提示词注入类比 SQL 注入,主张把边界从模型移到工具调用层,并给出可落地的策略层与读写分阶段方案。
资深工程师和工具作者关于 AI 时代软件工程的思考与方法论。
作者认为提示词注入不该靠更聪明的模型解决,而应像 SQL 注入用参数化查询那样,把边界画在智能体执行动作的地方。
推荐理由:作者把提示词注入类比 SQL 注入,主张把边界从模型移到工具调用层,并给出可落地的策略层与读写分阶段方案。
作者在 2 月给编码智能体接了 11 个 MCP Server,空会话光工具列表就占 34,000 token,Datadog 一家贡献两百多个工具,智能体变慢并频繁选错工具。
推荐理由:作者用自己 11 个 MCP Server 拖垮上下文的经历,说明工具与知识该放在不同容器里。
i had a lot of fun chatting with @mattpocockuk today about how i was able to land 2,500 PRs last month! Matt is a wonderful interviewer so i think the interview turned out really interesting both of our skill plugins work great together, so i recommend giving both a try and picking the best skills that suit your workflow https://www.youtube.com/watch?v=MN9dGgmLyso
推荐理由:宝玉借 Lauren Tan 月并 2500 个 PR 的实践,说明不逐个 Review 的前提是验证 Skill 与规则约束,并给出自己的适用条件。
Addy Osmani 提出在遗留(brownfield)代码库中引入 AI 智能体时,应先让隐藏约束可见、让廉价改动可信。他建议按绿黄红三区划分代码:绿区测试完善可让智能体小步快跑,黄区需先写特征测试,红区涉及认证、计费、权限等敏感逻辑必须人工逐步参与;分区由人绘制,只有特征测试存在且模块负责人审阅过首批改动后,黄区才能升级为绿区。
推荐理由:作者把老代码库引入智能体的约束拆成分区、特征测试和迁移单元等可操作规则,并给出多家公司的迁移数据作为参照。
Armin Ronacher 用 GPT 6 Astra 跑了一个周末的软件工厂实验,让模型自行管理上下文和子智能体,目标是实现带虚拟线程和词法作用域的 Python。
推荐理由:作者用 35 小时无人值守的软件工厂实验,展示 GPT 6 Astra 为 token 效率牺牲代码可读性的具体证据。
作者 Ryan Lopopolo 提出,智能体是一组能力之上的参数化程序,这些能力包括模型与配置、推理与工具调用循环、计算机、磁盘、上下文、Skills、工具、连接器、运行时、网络策略、身份、IAM、护栏、I/O 通道和系统提示词。
推荐理由:作者用自己构建多个智能体的经历,提出把能力接口与实现解耦的平台架构思路,可供做 Agent 平台的团队参考。
Baruch Sadogursky 与 Patrick Debois 在 InfoQ 演讲中用 Claude Code 现场演示:把全部项目文档塞进 CLAUDE.md 后,给接口加错误处理会因约定冲突返回 500,改用按描述懒加载的 Skill 后同一提示词通过测试。
推荐理由:两位作者用现场演示拆解上下文工程的四类反模式,并给出 Skill、检索通道、外部记忆与评测的对应做法。
Addy Osmani 提出软件工厂由 loop、harness、factory 三层构成,工厂不是更聪明的智能体,而是多个带 harness 的 loop 汇入一个评审门禁、由人掌控外层循环。
推荐理由:作者把软件工厂拆成 loop、harness、factory 三层,并指出验证而非生成才是真正的瓶颈。
作者以在 Stripe 参与首次 code yellow 的经历为例,指出多数 code red 结束后只留下复盘和疲惫的工程师,指标重新无人维护。他认为 code red 应留下一个维护循环,并可用 OpenAI Codex 的 /goal 命令把一次性编码请求变成带明确完成标准的持续目标,让持久化智能体集群持续观察指标、生成干预并请求人工审核。
推荐理由:作者结合 Stripe code yellow 经历,提出用 Codex 的 /goal 把一次性抢修变成长期维护循环,可迁移到 SLO 治理。
Claude Code 团队成员 Thariq 提出用 HTML 替代 Markdown 作为 AI 智能体的输出格式,理由是 HTML 信息密度更高、便于分享和双向交互,而 Markdown 的易编辑优势在他改用提示词修改后已不再重要。
推荐理由:Claude Code 团队成员解释为何用 HTML 替代 Markdown 作为智能体输出格式,并给出可直接套用的提示词与适用场景。
Anthropic 的 Claude Code 创建者 Boris Cherny 在红杉 AI Ascent 访谈中称,他整个 2026 年没写过一行代码,每天合并几十个 PR,单日记录 150 个,工作大多从手机完成,常驻 5 到 10 个 session、几百个 Agent,夜里还有几千个在跑深度任务。
推荐理由:Boris Cherny 复盘 Claude Code 从孵化到十亿美元营收的路径,并给出编程被解决、SaaS 护城河被抹平、组织流程才是领先点等判断。
Anthropic 的 Thariq Shihipar 复盘了 Claude Code 工具设计中的取舍,核心主张是工具要贴合模型自身能力,而判断能力边界只能靠观察输出和反复实验。
推荐理由:Anthropic 工程师复盘 Claude Code 工具设计的取舍,给出可迁移到自建智能体的判断方法。
Ryan Lopopolo 认为,AI 让验证问题变得明显,因为每个真实任务都依赖一个我们几乎从不写下来的问题,即怎样才算把活干好。产出和评审都涉及语气、品味、风险容忍度、打磨程度、可接受的捷径和完成标准等大量非功能性决策,过去团队靠组织设计、社交规范、招聘和入职把这些隐含规则传递给人,而模型无法走招聘流程,因此交给它的任务基本都欠规范。
推荐理由:作者以在 OpenAI 做代码智能体的经历说明,非功能性需求不写下来,评审智能体就会陷入无休止的拉扯。
Jesse Vincent 在构建 Superpowers 时提出,提示词中的门禁(gate)比规则(rule)更能约束 AI 智能体:规则留有自我说服的退出路径,门禁则要求满足条件才能进入下一步。
推荐理由:作者用自家智能体的实例区分规则与门禁,给出可迁移的提示词写法,帮助减少智能体跳过验证的行为。
Ryan Lopopolo 以 Symphony 为例提出,代码不应被视为最终产物,规范才是分发物。Symphony 是一个基于 issue tracker 的智能体编排系统,先以 SPEC.md 形式分发,Elixir 参考实现只是衍生产物,README 邀请读者把 SPEC.md 交给自己的编码智能体,用任意语言重建。
推荐理由:作者用 Symphony 的 spec 蒸馏循环说明代码只是可替换产物,为规范驱动开发提供了一条可迁移的路径。
作者认为,软件组织一直把人的实现时间当作稀缺投入,智能体打破了这个假设,因此策略必须可执行、验证必须随实现规模扩展。他以在大型 TypeScript 代码库开启 ESLint 的 no-await-in-loop 规则为例,发现 600 处违规,过去这需要昂贵的迁移,现在一个 PR 就能完成修复并补齐测试覆盖。
推荐理由:作者以开启 ESLint 规则、迁移 600 处违规的亲身实践,说明智能体时代实现成本下降后,约束与验证为何成为新的稀缺环节。
Jesse Vincent 提出 Latent Space Engineering,即通过提示词把模型推入更有利于完成任务的潜在空间,而非只往上下文窗口塞事实信息。
推荐理由:作者提出用情绪化提示词把模型推入更佳状态,并给出多个可迁移的实操例子。