AI 怎麼驗收才敢放手?Lauren Tan 的五層防錯法
AI 能不能放手,不看模型多聰明,看兩件事:環境讓它很難做錯,以及它做完能自己拿出證據。我把 Cursor 工程師 Lauren Tan 公開的 11 篇長文、5 場演講整理成 26 頁中文 PDF,免費下載。
用 Claude Code、Cursor、Codex 寫程式或跑工作流,最累的是 AI 做完要一個一個檢查,規則越寫越多,它還是一直犯同樣的錯,最後根本不敢讓它自己跑。
Cursor 工程師 Lauren Tan(X/GitHub:@poteto)公開談過她怎麼讓 AI agent 自己寫、自己驗、自己把改動併進正式程式。她的答案就一句話:AI 能不能放手,不看模型多聰明,而是看環境有沒有讓它很難做錯,以及它做完能不能自己拿出證據。
我把她公開的資料整理成一份 26 頁的中文 PDF,從觀念、先做哪三件,到哪些條件不能照搬都有。觀念出自她公開的文章、演講與開源專案;她沒有參與這份整理,也沒有背書。免費下載,不用留 email。
下載 PDF《讓 AI 值得放手:Lauren Tan 的方法》(26 頁)
她到底怎麼讓 AI 自己合併改動?
她說自己花了大約六個月,才做到讓 agent 在她睡覺時自己合併改動。照她自己報的數字,個人一個月上千到數千個合併,團隊一個月約 11,000 個,合併後又得撤回的比例約千分之五。這些都是她自述,沒有第三方查核。
她主張瓶頸在驗證,不在寫程式;先把一條線做深,再把數量放大;環境就是 agent 的記憶,專案裡留著什麼寫法,它就照抄什麼寫法。
為什麼規則寫越多越沒用?
因為規則就算被跳過,也沒有任何檢查會因此失敗。她把擋住一個錯誤的方法由強到弱分成五層,規則排在倒數第二:
| 層級 | 擋法 | 例子 |
|---|---|---|
| 1 | 結構 | 讓錯根本做不出來:定好資料形狀與目錄,一件事只留一種寫法,容易誤用的東西整個禁掉 |
| 2 | 機器擋 | 靠型別、lint(自動掃寫法)、CI(每次改動自動跑檢查)攔下來,報錯訊息直接寫怎麼改 |
| 3 | 跑起來驗 | 寫測試、實際操作成品,做完交出前後對照的證據 |
| 4 | 一點點文字 | 規則只留給真的需要臨場判斷的事 |
| 5 | 人看 | 成本最高,放最後一道 |
想照做,先做哪三件?
- 動手前先問:做錯了退不退得回去?對不對能不能用程式驗?
- 每次交代工作都寫明怎樣算完成、要看什麼證據,儘早給 agent 一個能自己檢查成果的固定工具。她說這是整套做法裡回報最大的一件。工具怎麼長出來,可以參考AI 第三次用同一個笨方法時,叫它停下來做工具。
- 改掉「糾正一次就補一條規則」,改成「糾正之後,從最強那一層往下找能擋住它的地方」。
我的條件跟她不同,照做得來嗎?
不能原封不動照搬。她有不限量的額度、公司內部工具、多家模型隨時可用,自動合併也建在一套沒有開源的內部框架上。PDF 第 6 章專門列了不要照搬的地方。不過我的看法是,上面那三件不需要她的條件,今天就能從自己的專案開始做。
這份 PDF 是 A5 大小、共 26 頁,分成七章:一頁看完、她的觀念分六組、pstack(她開源的那套 agent 做法說明)是什麼、落地建議、非程式工作怎麼用、不要照搬的地方、這份整理是怎麼做的。
內容依據她公開的 11 篇長文與貼文、5 場演講與訪談,附原文出處與時間點;每句都標明是「她說的」「整理者推論」還是「她自己報的數字」。我也請五家不同的 AI 模型輪流挑錯,前後四輪,把錯的地方改掉。
