作者分享入职大厂两个月从事 Agent 开发与后端维护的 AI 编程工作流。介绍了常用 Skill（grill、implement、ponytail、handoff 等）与简短 Prompt（第一性原理、对抗性审查、消融实验、奥卡姆剃刀、高内聚低耦合），指出随着模型能力增强，过重的 Workflow 反而成为噪声，应使用方法论式思维快捷键。同时分享了日常开发流程：grill 需求对齐、沉淀 Spec、任务拆分并行开发、交叉审查；重点讲解如何构建 Agent 友好的端到端测试环境（CLI、MCP、浏览器自动化），以及 Review AI 代码的实践。最后总结当前瓶颈在 Review 速度，Harness 需随模型迭代做减法。
本文通过一个需要交互式输入的随机数验证程序（rng）和URL验证码登录场景，对比分析了Claude Code、Pi、DSH和Codex等AI编程代理的Bash/Shell工具在处理交互式CLI任务时的能力差异。文章指出，Claude Code的Bash工具没有公开的stdin写入操作，Pi默认忽略stdin，DSH每次启动新进程，而Codex通过exec_command和write_stdin提供了完整的交互流程。文章详细解释了yield_time_ms和timeout的区别，并强调了持久会话、动态输入和退出验证对于端到端测试的重要性。
本文介绍了 Devin 在构建端到端云测试能力方面的经验。通过增强计算机使用能力，Devin 能够自主验证代码变更，通过生成基于代码的测试计划、使用确定性脚本以及多模型路由，显著提高了异步软件工程中的测试可靠性和效率。
