正在打开每日关注
正在打开每日关注
模糊指令让 Agent 过早收工，给出带量化指标与约束的高目标才能驱动深度清理。
If you just tell the agent to clean up, it will stop far too early. Give it an ambitious goal. Try "remove 20% of the least useful tests while maintaining code coverage within 2%"
是什么：Peter Steinberger（PSPDFKit 创始人、知名开源开发者）分享的一条 Agent 实战经验：对编码 Agent 说"清理一下"这类模糊指令，它会很快浅尝辄止；换成带量化指标的雄心目标——"删除最没用的 20% 测试，同时把代码覆盖率波动控制在 2% 以内"——效果显著更好。
关键洞察：其一，模糊目标会触发 Agent 的最低成本达标路径，模型倾向寻找最省力的"完成"方式，于是提前终止。其二，这条指令的结构值得拆解：20% 是量化产出目标，"最没用"迫使 Agent 做价值排序与判断，覆盖率波动 ≤2% 是硬约束，防止它为凑数而牺牲安全性。目标函数加约束的组合，比单纯"多干点"有效得多。其三，这与给人类团队定 OKR 的逻辑同构——具体、可衡量、有野心、有护栏。
边界与风险：20% 的删除比例若缺人工审核，可能误删防御性边界测试；覆盖率并非测试质量的唯一代理指标，变异测试等补充手段更稳；数字本身需要按代码库基线调参，不可照抄。
意义：当 Agent 从补全工具演进为自主执行者，目标设定正成为使用者的核心技能。这条推文给出了一个可复用的提示词模式：具体任务 + 量化指标 + 明确约束，是 Agent 工程中"任务规格化"的典型范例。