Anthropic 工程师分享：如何像管理团队一样管理 Coding Agent

以前，工程师的一天可能从打开 IDE、阅读代码开始。如今，对于深度使用 Coding Agent（如 Claude Code）的开发者来说，第一件事往往是查看 AI 的工作进度：哪些任务完成了？测试是否通过？PR 是否待审？Anthropic 工程师 Addy Osmani 指出，这种转变意味着工程师正在从“写代码的人”变成“管理者”。管理一支工程团队的核心职责包括：分配任务、监督进度、评估结果和最终决策。既然 Coding Agent 已经接管了代码编写，工程师就必须掌握这套管理思维。以下是 Addy 总结的实战经验，帮助开发者驾驭 AI 团队。

建立自动验证机制，减少人工干预

要让 Agent 产出高质量代码，工程师不能陷入“逐行检查”的泥潭，而应建立一套让 Agent 自我验证的机制。

• 让 Agent 自我检查：不要把所有检查任务留给人类。开发者应提供测试套件、构建脚本和 Linter，让 Agent 在完成任务后自行运行并修复错误。对于 UI 任务，甚至可以要求 Agent 打开浏览器验证效果。
• 明确任务上下文：Agent 已经能理解代码结构，但它们不知道“为什么”要做这个。开发者应提供非代码信息，如业务约束、成功标准和任务重要性。例如，与其说“让仪表盘更快”，不如明确“将万人级组织的 p95 加载时间降至 2 秒以内”。
• 沉淀经验，避免重复造轮：如果 Agent 在同一个问题上犯错两次，应将相关规则写入 CLAUDE.md 或封装为 Skill。同时，也要定期清理这些规则，避免维护负担。
• 减少微观管理：随着 Agent 能力提升，应减少对执行过程的干预。不要强行要求 Agent “think harder”或“don't be lazy”，这反而可能限制其发挥。只有涉及安全性或合规性的硬性约束，才需要强制执行。

原则：可以委派任务，不能委派判断

工程师在管理 Agent 时，必须守住“判断权”的底线。Addy 提出了“委派任务，不委派判断”的核心原则。

• 先制定计划，再动手：对于复杂任务，建议先进入 Plan Mode 与 Agent 讨论方案，检查假设。对于超大规模任务，可以开启第二个会话，让 Agent 以资深工程师视角审查计划。
• 尽早纠偏，拒绝反复追加指令：如果 Agent 走偏了，应尽早纠正，而不是在错误路径上不断追加指令。如果连续两次纠正失败，不如重置会话重新开始。
• 保留最终决策权：Agent 可以负责代码逻辑修复、Bug 修复和单元测试，但产品取舍、安全边界、合规要求和上线决策必须由人负责。代码能跑通不代表修改有价值，人类需要判断是否引入了不必要的复杂性。

管理多 Agent 并行，避免“五倍生产力”陷阱

同时运行多个 Agent 不等于生产力翻倍，反而可能因为冲突导致混乱。管理多 Agent 就像管理多个子团队，需要宏观调控。

• 设计完整的无人值守流程：在让 Agent 独立运行前，必须明确：任务何时算完成？如何验证？有哪些权限限制？是否设置了费用上限？建议先进行小范围试运行，确认无误后再扩大规模。
• 合理拆分任务：利用 Claude Code 的 /batch 功能将大任务拆分为 5-30 个独立子任务。但工程师需检查任务边界，确保接口定义清晰，避免 Agent 之间工作重叠。
• 关注合并冲突：多个 Agent 并行开发极易产生代码冲突，人类开发者需要承担协调和合并的责任。

对于开发者而言，Coding Agent 并非要取代个人的贡献者（IC）角色，而是要求我们升级管理技能。通过建立验证体系、明确决策边界和优化协作流程，我们不仅能驾驭 AI，还能在技术深耕的道路上走得更远。