Was macht Agentisches Engineering?
Verwenden Sie diese Fähigkeit für Engineering-Workflows, bei denen KI-Agenten den Großteil der Implementierungsarbeit übernehmen und Menschen die Qualitäts- und Risikokontrolle gewährleisten.
Betriebsprinzipien
- Definieren Sie die Abschlusskriterien vor der Ausführung.
- Zerlegen Sie die Arbeit in agentengroße Einheiten.
- Routen Sie die Modelstufen nach Aufgabenkomplexität.
- Messen Sie mit Evaluierungen und Regressionstests.
Eval-First-Schleife
- Definieren Sie die Fähigkeitsevaluierung und Regressionsevaluierung.
- Führen Sie die Basislinie durch und erfassen Sie Fehlersignaturen.
- Führen Sie die Implementierung aus.
- Führen Sie die Evaluierungen erneut durch und vergleichen Sie die Deltas.
Aufgabenzerlegung
Wenden Sie die 15-Minuten-Einheitenregel an:
- Jede Einheit sollte unabhängig verifizierbar sein.
- Jede Einheit sollte ein einzelnes dominantes Risiko haben.
- Jede Einheit sollte einen klaren Abschlusszustand aufweisen.
Modell-Routing
- Haiku: Klassifikation, Boilerplate-Transformationen, enge Änderungen
- Sonnet: Implementierung und Refaktorierungen
- Opus: Architektur, Root-Cause-Analyse, mehrdateilige Invarianten
Sitzungsstrategie
- Fortsetzen der Sitzung für eng gekoppelte Einheiten.
- Neue Sitzung starten nach großen Phasenübergängen.
- Komprimieren nach Meilensteinabschluss, nicht während aktiver Fehlersuche.
Überprüfungsfokus für KI-generierten Code
Priorisieren Sie:
- Invarianten und Randfälle
- Fehlergrenzen
- Sicherheits- und Authentifizierungsannahmen
- Versteckte Kopplung und Ausrollrisiko
Verschwenden Sie keine Überprüfungszyklen mit reinen Stil-Meinungsverschiedenheiten, wenn automatisierte Formatierung/Linting bereits den Stil erzwingen.
Kostendisziplin
Verfolgen Sie pro Aufgabe:
- Modell
- Token-Schätzung
- Wiederholungen
- Wanduhrzeit
- Erfolg/Fehlschlag
Erhöhen Sie die Modellstufe nur, wenn die niedrigere Stufe mit einer klaren Argumentationslücke fehlschlägt.