[控场AI]
· 9 分钟阅读· 4,595 字

Grok Bot 接任务,Claude Code 写代码:AI 编程如何分工

Grok Bot 接任务,Claude Code 写代码:AI 编程如何分工

让编排机器人当管理者、编程智能体当执行者,用分层信任取代人工读代码。

文章综合 B 站 UP 主、Grokbot 与 Cursor 首席工程师 Lauren、T3 Code 创建者 Theo 的实践,指出多 AI 编程工具的效率差距来自分工而非模型强弱:编排型机器人负责需求梳理与验收,Claude Code、Codex、Cursor 等编程智能体负责编码。Lauren 的五步闭环从 Slack 反馈经 Linear 触发 Cursor 云端智能体,复现问题、提交修复与模糊测试 PR,按绿黄红三级风险决定是否自动合并。作者用「道金字塔」说明信任应优先垒在代码库、静态分析和文字指令上,人工审核放在最底层,并以 Anthropic 合并量翻倍而回滚率下降 40% 以上的数据佐证。安全上强调沙箱与限定权限凭证,上手建议是先跑通一个闭环。

越来越多开发者开始同时使用多个 AI 编程工具,但真正拉开效率差距的并不是模型强弱,而是分工方式。B站一位长期实践「软件工厂」的 UP 主,与 P-Stack 项目创建者、Grokbot 和 Cursor 首席工程师 Lauren,以及 T3 Code 创建者、YouTube 编程博主 Theo,几乎在同一时间给出了高度相似的答案:让编排型机器人当管理者,让编程智能体当执行者。

负责编排的主机器人

编排者与执行者:两种角色正在分离

这套工作流的核心可以概括为一句话——机器人该当管理者,而不是程序员。Grokbot 这类编排型工具擅长的事情集中在两端:一端是「第一公理」,也就是弄清楚到底要开发什么,把 Slack、邮件、X、Linear 等多个渠道的需求统一梳理汇总,自动跟踪每条线索的进展与完整讨论;另一端是收尾验证,检查工作成果、跟进任务清单、告诉你哪些已经完成。

夹在中间的写代码环节,则交给 Claude Code、Codex、Cursor 这类专门的编程智能体。它们有各自的运行环境、独立的上下文,也能被单独终止。主机器人因此可以腾出手来专注调度,而不是亲自下场写代码。据 Lauren 和 Theo 的公开演示,两人摸索出的流程与这位 UP 主自己的实践基本重合,属于多源交叉验证后的共识。

值得一提的是,同类工具并不唯一。不使用 Grokbot,也可以用自建智能体,或者 Claude Projects、Cursor Projects 来实现类似编排。方法本身可以迁移到任何人的工作流里。

编排型工具与编程智能体的技术分歧

编排型工具(如 Grokbot)与编程智能体(如 Claude Code、Codex、Cursor)的本质区别在于运行形态与职责边界。编程智能体通常以独立进程或云端沙箱形式运行,拥有自己的文件系统、终端和上下文窗口,能够直接读写代码库、执行命令、提交 PR,其生命周期围绕单个编码任务展开。编排型工具则更像一个常驻的协调层:它不直接操作代码,而是维护任务状态、聚合多源信息(Slack、Linear、邮件)、在多个智能体之间分派工作并追踪结果。这种分离让编排器可以长期在线、跨任务保持记忆,而执行器可以按需启动、用完即弃,两者通过 API 或消息通道通信,互不阻塞。

五步闭环:从反馈到自动合并

Lauren 的日常工作流被拆成五步。第一步,团队在 Slack 的专题频道里收集应用反馈,Grokbot 抓取信息后在 Linear 中创建工单;第二步,通过 Linear、Jira 等工具触发一个 Cursor 云端智能体;第三步,智能体在自己的电脑上复现问题;第四步,提交「修复与模糊测试」PR,由一小组智能体参与;第五步,若模糊测试没有发现问题,Slack 会发出通知,一小时内代码自动合并。

代码会自动合并

自动合并并非无条件。参照 Anthropic 的做法,需要按影响范围把风险分成绿、黄、红三级。涉及支付等关键功能的改动不能在这一步自动合并,必须有人介入把关;而大量小修复、小改动和非关键任务,则可以走这条快车道。

在费用层面,Grokbot、Grok 和 Cursor 已经统一为一个订阅套餐,共用每周额度。UP 主的建议是把编码工作尽量交给已订阅的服务,例如 Claude Code,既分摊额度消耗,也顺便实现了环境隔离。

模糊测试在智能体流水线中的作用

模糊测试(Fuzzing)是一种自动化软件测试技术,通过向程序输入大量随机或半随机数据,观察是否触发崩溃、异常或安全漏洞。在这套五步闭环中,它被放在自动合并前的最后一道机器关卡:智能体提交「修复与模糊测试」PR 后,模糊测试会以非预期输入反复冲击改动过的代码路径,若在设定时间内没有发现崩溃或断言失败,才触发 Slack 通知并进入自动合并。相比单元测试只验证已知用例,模糊测试能覆盖开发者与智能体都没想到的边界情况,因此常被用作「机器可自行判断是否安全」的兜底信号。

「软件工厂」还是「米其林后厨」

Lauren 在视频里表示不太喜欢「软件工厂」这个说法,更愿意用米其林餐厅的后厨作比喻:作为开发者,你仍然要对最终结果负责。Anthropic 的 Adi Azmani 也反复强调这一点——有智能体帮忙,你相当于主厨,不必亲自做每一道菜,但端出去的每道菜代表的还是你。

现实情况是,目前仅有少数公司完全按软件工厂模式运作,而且它们靠的并不是不断增加智能体。UP 主观察到,Stripe、Versal 等大公司的普遍做法是用 Slack 来管理智能体。真正的前提是先打好基础设施的底子、建立对智能体的信任——连一个智能体都信不过,又怎么管得了五十个。

道金字塔:信任要一层层垒

Lauren 提出的「道金字塔」分四层,大部分精力应投入最上层。

第一层是代码库:更合理的架构、更严的类型约束、更清晰的边界。智能体喜欢照搬现有代码、喜欢走捷径,所以要让正确的做法成为最省事的做法。

第二层是静态分析,即 Lint 规则、测试和持续集成。如果智能体反复犯同样的错,就该把这个错误的检查固化成确定性的 Lint 规则。UP 主的说法很直接:如果你每次处理的都是同类问题,那就是你的做法有问题。

第三层是文字指令,包括 agents.md、cloud.md 这类规则文件,以及技能模块、查错机器人和安全机器人。

最底层才是人工审核。人工审查是大家最依赖的一环,但说到底它跟不上规模扩张。Anthropic 的发现是,6 到 9 月 Cloud Code 合并 PR 数增至两倍多,而需要回滚的 PR 占比下降了 40% 以上——处理量翻倍,代码仍能正常合入且未引发故障。他们的说法是:并没有取消审查,只是把审查中大部分读代码的工作交给了机器。

艾伦·维尔斯带着三人团队做过一个更极端的实验:为了让软件工厂无需人工代码审查就能提交 PR,他们暂停了约六周的所有新产品开发,专门把验证机制加进流程。他的评价是当时很煎熬,但绝对值得。

静态分析与 Lint 规则为何对智能体尤其重要

静态分析是在不运行代码的前提下,通过解析源码的语法树、类型信息和数据流来发现潜在错误、风格违规或安全隐患的技术。Lint 规则是其中最常见的一类,例如禁止隐式 any、强制显式返回类型、检测未使用变量。对智能体而言,静态分析的价值被放大:模型倾向于模仿代码库中已有的写法,如果正确写法没有被工具强制,它就会走捷径。把智能体反复犯的同类错误固化成一条确定性的 Lint 规则后,错误会在 CI 阶段被机械拦截,不再依赖人工审查的记忆力,这也是道金字塔第二层被称为「确定性防线」的原因。

一个主智能体,而不是五十个

UP 主自己也给公司各块业务配了机器人,但尽量克制不搞出五十个不同的机器人,否则管理成本太高。理想状态下只需要跟一个主智能体打交道——他自己的主智能体叫 Chief,负责分派任务、协调机器人、建群让机器人交流,各机器人的资源访问权限严格受限,可按需分享。

我的主智能体

具体到宣传网站项目,他跟 Chief 聊完,Chief 就会启动 Cursor 云端智能体,或者在他 Mac 上运行一个 Claude Code 实例,也接入了 VPS。配置过程很简单:告诉 Grokbot 要连接什么、想让它按什么方式运行即可,比如指定用 Cursor 云端智能体执行,或指定 Claude Code 实例的默认模型。做视频内容时他也用这套流程,让 Opus 5.5 帮忙制作视觉素材,启动多个智能体录制不同的终端操作演示片段。

任务管理方面,从 Slack 收集的信息和对话内容会进入代办列表并存入 Notion,也可以用 Linear 或 Jira。他还给 Grokbot 设了自动流程,用 Rise 评分给事项排序——覆盖人数、影响程度、置信度、所需工作量,另加一项影响范围评分,让「工作量小又能惠及很多人的任务」排在「小修补」前面。不过他提醒,别为了找事做而让机器人不断提新建议,否则代办列表很快会被塞满。

Lauren 的改进做法类似:用 Grokbot 自动流程从 Slack bug 报告和 X 上的抱怨反馈中收集背景信息,再送入他称为「外层循环」的流程。但 UP 主特别提醒,像 Lauren 这样推理算力充足、额度极大的人这么做没问题,普通人如果每小时运行一次,会烧掉大量 Token。

安全那扇门:给多大自主权就要配多大管控

一个容易被忽视的细节:所有 Grokbot 共用一台云端电脑,文件、浏览器、绘画和命令行凭据也都共用。如果在 Grokbot 使用的电脑上用 API 密钥登录编程命令行工具,所有机器人就都能用这把密钥。

只是为了添任务而添任务

UP 主坦言,把所有工具连接起来、给智能体开放所有工作流,效率确实让人着迷,但迟早会因此吃苦头。Docker 和多家安全公司联合发布的软件工厂安全参考架构给出的核心思路是:你给智能体的自主权越大,就越不能指望它自我约束,必须由运行环境来实施管控。具体做法包括让智能体在沙箱中运行、发放限定权限的凭证、只允许发起拉取请求而不允许合并,至少要等到你信得过这套技术栈再放开合并权限。

作为编排器,Grokbot 也没法把这些安全问题全部解决,各代码库的重要程度不同,策略需要自己定。

沙箱与限定权限凭证的常见实现方式

沙箱是指为智能体提供隔离的运行环境,使其文件读写、网络访问和系统调用被限制在可控范围内,即使智能体行为异常也不会波及宿主机或其他服务。常见实现包括容器化沙箱(Docker、Firecracker 微虚拟机)、语言级沙箱以及云端托管沙箱。限定权限凭证则指发放短期、最小权限的令牌:例如只允许读取特定仓库、只允许创建分支和发起 PR 而不允许直接合并,令牌到期自动失效。两者结合后,智能体的自主权被约束在「可提议、不可定案」的边界内,从而把最终合并权保留在人类或经过验证的自动化流程手中。

想上手的话,从这里开始

UP 主的建议是别一上来就搭五十个智能体,先跑通一个闭环。他给出的基本规则是:只要不是简单问答,就别让编排机器人自己写代码,而是把任务和验收测试一起交给编程智能体,核实验证结果、发起 PR、再汇报结果。每次给智能体纠错,都要固化到系统里——先改代码,再加静态检查规则,再写进规则文件,最后才靠审查把关。

这套流程还可以继续细分,各环节如何衔接也有完善空间,但核心方向是确定的:把人工审核提升到更高的层面,而不是让人困在读代码上。对同时使用多个 AI 编程工具的开发者来说,先想清楚谁负责规划、谁负责执行、谁负责验收,可能比换一个更强的模型更能改变效率曲线。

分享:

相关推荐