迁移至 AGS 的云端开发工作流
作者分享了如何使用 AGS(Agent Git Service)替代 GitHub 作为主要开发环境的实践。通过将开发环境完全迁移至云服务器,结合 dev agent 和双驱动的交互模式,实现了无需本地依赖的高效开发工作流,并介绍了正在开发的 VAS(虚拟代理服务器)项目,旨在将该工作流整合到语音交互界面中。
作者分享了如何使用 AGS(Agent Git Service)替代 GitHub 作为主要开发环境的实践。通过将开发环境完全迁移至云服务器,结合 dev agent 和双驱动的交互模式,实现了无需本地依赖的高效开发工作流,并介绍了正在开发的 VAS(虚拟代理服务器)项目,旨在将该工作流整合到语音交互界面中。
文章详细介绍了 OpenAI 在 Codex CLI v0.128.0 中引入的实验性功能 /goal。该功能基于 Ralph Loop 理念,使 Codex 能从单次对话转变为自主规划、持续迭代、自我修正的代理,直至完成高层次目标。文章对比了 /goal 模式与正常模式的区别,列举了适用场景如长周期重构和无人值守开发,并指出该模式能显著提升任务完成度和工程质量,但需注意 Token 消耗。
文章深入剖析了 Jason Liu 关于 Codex 的实战 workshop,指出 AI 并发提升了效率,但也带来记忆负担。真正的分界线在于构建可持续、可审阅的工作闭环:利用长线程、文件化记忆、Heartbeat 与 Goal 机制,以及明确的权限边界,让 Agent 从单纯的工具转变为可靠的长期工作搭档。
本文介绍了 Graph Engineering 的概念,即从线性的 Agent 循环转向图结构的工作流。文章详细讲解了如何利用 Claude Code 的动态工作流功能,通过五个步骤构建并行处理任务的 Agent 图,以解决上下文限制和执行效率问题,并探讨了在扩展到 1000+ Agent 时可能遇到的挑战及解决方案。
文章介绍了 Andrej Karpathy 推广的“循环工程”概念,即通过 AI 自动化循环(目标设定、规划、执行、验证)替代传统的单次 Prompt 交互。文章阐述了循环的核心要素,分析了适用场景,并以 AutoResearch 为例展示了其在模型训练中的成效。此外,文章还讨论了构建循环的五大组件,并提出了“双层循环”等进阶优化方法。
文章提出了“万物皆可 Skill”的理念,指出高阶的 AI 使用方式应从临时性的提示词升级为可复用的 Skill(能力包)。文章详细阐述了 Skill 的本质(任务边界、流程、标准及失败处理)、与 Prompt 及 Workflow 的区别,并介绍了基于 Codex 构建 Skill 的标准结构、设计原则(如渐进披露)以及通过“元编程”视角实现 Skill 递归进化的方法。