Agentisches Engineering
Verwenden Sie diese Fähigkeit für Engineering-Workflows, bei denen KI-Agenten den Großteil der Implementierungsarbeit übernehmen und Menschen die Qualitäts- und Risikokontrollen durchführen.
Arbeitsprinzipien
- Definieren Sie Abschlusskriterien vor der Ausführung.
- Zerlegen Sie die Arbeit in agentengerechte Einheiten.
- Routen Sie Modellstufen nach Aufgabenkomplexität.
- Messen Sie mit Evals und Regressionstests.
Eval-First-Schleife
- Definieren Sie Fähigkeits-Eval und Regressions-Eval.
- Führen Sie eine Baseline durch und erfassen Sie Fehlersignaturen.
- Führen Sie die Implementierung durch.
- Führen Sie Evals erneut durch und vergleichen Sie Deltas.
Aufgabenzerlegung
Wenden Sie die 15-Minuten-Einheit-Regel an:
- Jede Einheit muss unabhängig verifizierbar sein.
- Jede Einheit sollte ein einzelnes dominantes Risiko aufweisen.
- Jede Einheit muss eine klare Abschlussbedingung offenlegen.
Modell-Routing
- Haiku: Klassifikation, Boilerplate-Transformationen, enge Änderungen
- Sonnet: Implementierung und Refactoring
- Opus: Architektur, Root-Cause-Analyse, dateiübergreifende Invarianten
Sitzungsstrategie
- Sitzung für eng gekoppelte Einheiten fortsetzen.
- Neue Sitzung nach größeren Phasenübergängen starten.
- Nach einem Meilenstein komprimieren, nicht während aktiven Debuggings.
Überprüfungsschwerpunkt für AI-generierten Code
Priorisieren Sie:
- Invarianten und Grenzfälle
- Fehlergrenzen
- Sicherheits- und Authentifizierungsannahmen
- Versteckte Kopplung und Auslieferungsrisiko
Verschwenden Sie keine Überprüfungszyklen mit reinen Stil-Korrekturen, wenn automatisierte Formatierung/Linting den Stil bereits durchsetzt.
Kostendisziplin
Verfolgen Sie pro Aufgabe:
- Modell
- Token-Schätzung
- Wiederholungen
- Wanduhrzeit
- Erfolg/Fehler
Stufen Sie die Modellstufe nur hoch, wenn die niedrigere Stufe mit einer klaren Begründungslücke fehlschlägt.