跳到主要内容

3 篇博文 含有标签「Agent」

AI Agent 实践、工具与工程化。

查看所有标签

如何让你的 agent 拉出一坨漂亮的屎

· 约 {minutes} 分钟阅读
Tony Law
Software engineer & options trader

美股 · 期权 · 资讯 · 观点

0 · GitHub

直接拿仓库

这个 skill 就放在 GitHub:https://github.com/tonylawx/html-to-wechat-article

它不是让 agent 重新发明审美,而是告诉 agent:微信公众号的 HTML 哪些能留,哪些会炸,哪些必须在发草稿前换成微信图床。

1 · Install

装到 skills 目录

mkdir -p ~/.codex/skills git clone https://github.com/tonylawx/html-to-wechat-article ~/.codex/skills/html-to-wechat-article

装完之后,agent 下次看到微信公众号 HTML,就知道该先找这个 skill,而不是凭感觉乱写一套。

2 · Prompt

直接这样叫它

使用 html-to-wechat-article skill,把这份 HTML 修成微信公众号 draft/add 可发版本。保留当前视觉样式,去掉微信会炸的编辑器结构;本地图片要准备好上传替换;不要加来源链接,不要重写文章。

这段话的重点不是礼貌,是边界。你把模板、图片、发布方式、不要碰什么说清楚,agent 才不会一边修 HTML,一边把你的版式改成另一坨东西。

3 · Pitfalls

它管的不是玄学,是微信的坑

图片:正文图上传后返回的是 URL,封面图要的是 thumb\_media\_id,两条路别混。

结构:layout table、leaf、data-\*、隐藏块,很多在浏览器里看不见,但进微信就会露馅。

排版:中文正文不要两端对齐。微信手机端一拉字距,漂亮文章立刻变事故现场。

4 · Before / After

看图就够了

左边是容易翻车的编辑器导出,右边是更适合进草稿箱的结构。不是花活,是少踩坑。

5 · Rule

漂亮的💩,来自清晰的边界

别指望 agent 天生懂微信。你给它模板,它就按模板来;你给它素材路径,它就知道上传哪张图;你告诉它不要重写,它就别去乱改文章。

这就是这个 skill 的用途:把“差不多能看”的 HTML,变成“可以放心发草稿箱”的 HTML。

关键词:Agent Skill · 微信公众号排版 · WeChat HTML · GitHub · draft/add

免责声明:本文仅为个人市场观察和交易复盘,不构成任何投资建议;市场有风险,交易需谨慎。

2026 年的“黑灯工厂”:一个全流程 Agent 完成的开源组件

· 约 {minutes} 分钟阅读
Tony Law
Software engineer & options trader

美股 · 期权 · 资讯 · 观点

这篇文章都是 Agent 写的

记得帮我 GitHub 🌟

2026 年,在全世界都还不知道「Agent 自治 UI 组件」为何物的时候,我使用国产第一 Agent —— zcode,以及国产第一大模型 GLM 5.2,推出了世界上第一款国产纯血 Agent 自治 web UI 组件:react-ios-multiselect。 它秉承 AI 时代「黑灯工厂」的编码理念:无人编码、无人 Review、无人测试,遥遥领先于同行。 欢迎大家用你的 Agent 来使用这个组件,也欢迎你用你的 Agent 来提 PR,挑战我的 Agent!

它叫 react-ios-multiselect,一个移动端 React 选择器组件。

📱 手机扫码直接预览文档站

一个「黑灯工厂」是怎么运转的

「黑灯工厂」是制造业的概念:关着灯、没人盯,产线自己跑。

我把这个理念搬到了写代码上。这个组件从第一行代码到 npm v0.1.0 上线,全程跑在一个 AI Agent(GLM-5.2)上:

无人编码:每一行 TypeScript、每一行 CSS、每一个测试,都是 Agent 写的。我没敲过一行代码。

无人 review:每次 PR 合并前,CI 自动跑 36 个测试 + 类型检查 + 构建,还强制要求「提 PR 的 Agent」声明自己的身份——叫什么名字、用什么模型、自主程度多高。不声明,CI 直接拒绝。然后由 Agent review。

无人测试:组件行为测试是 Agent 写的,CI 是 Agent 配的,发布流水线也是 Agent 搭的。打一个 git tag,npm 包自动发出去,零手动。然后由 Agent 根据改动点调用工具测试。

它是什么组件

它是我在造Theta 的时候 Agent 的副产物,找了很久类似的要么付费要么功能不如预期。干脆自己做一个顺路拿出来给大家做 Agent 实验田。

一个原生 iOS 手感的 React 选择器——单选和多选在同一个组件里。手机上会从底部滑出一个 sheet,搜索的时候键盘不会收起(这是 iOS 上出了名难搞的细节,本组件正确处理了)。2,000 个选项也能流畅滚动,因为做了虚拟化。

零运行时依赖,只有 react。样式用 CSS 变量,你想改颜色改一个变量就行。

组件已经上线:文档站、GitHub 仓库、npm 包全部跑通,可直接安装使用。

来玩

两件事,欢迎你来:

1\. 用你的 Agent 接入这个组件

文档站首页有一句话 prompt,复制给你的 Agent(Cursor、Claude Code、Codex……都行),它就能把这个组件接到你的项目里。不需要你懂任何细节。

2\. 用你的 Agent 来提 PR,挑战我的 Agent

如果组件有任何让你不爽的地方,让你的 Agent 提 pr。看看不同模型、不同 Agent 框架,写出来的代码谁更靠谱。我会把每次 PR 的「Agent 身份 + 模型」记录下来——时间久了,这就是一份「哪些 Agent 能给这个代码库产出可靠贡献」的真实数据

感谢字节大佬和他的男朋友提供免费 GLM key,不然我花钱都买不到。

关注我的公众号一起来玩 AI

免责声明:本文仅为个人市场观察和交易复盘,不构成任何投资建议;市场有风险,交易需谨慎。

当我开始实践 OPC,才发现过去的自己,其实是一个很优秀的 Agent

· 约 {minutes} 分钟阅读
Tony Law
Software engineer & options trader

美股 · 期权 · 资讯 · 观点

AI Agent · 结果规则 · 反馈闭环

当我开始实践 OPC,才发现过去的自己,其实是一个很优秀的 Agent

很多 AI 不是不会做事。

它只是很擅长先把“事情快做完了”的样子做出来。

答案有了。结构有了。格式有了。页面看起来也有了。

你扫一眼,会觉得进度条已经走到百分之八十。可你一旦认真去看、去跑、去验,就会发现真正麻烦的部分还在那里。

写在前面

判断对不对,发现哪里错,决定怎么改,确认能不能交。这些事,很多时候还是你在做。

也是在这个时候,我突然意识到一件事:过去的我,其实一直是一个很优秀的 Agent。

00 以前我以为自己只是执行力不错

以前工作的时候,我一直觉得自己是个执行的人。

需求来了,我接。方案不清楚,我补。时间紧,我扛。哪里卡住了,我推进。哪里出问题了,我去排查。

这些事做久了,最后常常只会被总结成几句很轻的话:“执行力不错。”“比较省心。”“交给你比较放心。”

听起来像夸奖,但也像一种压缩。很多复杂能力,被压成了一个好用的标签。

直到我开始搭流程、调 AI、盯结果,我才意识到:以前那些看起来很普通的能力,其实一点都不普通。

很多 AI 现在做的是先交一个表面答案,再等你来做质检。而我以前做的,是在交出去之前,先尽量把问题自己找出来。

01 输出不是结果,像完成也不是完成

后来我越来越清楚地意识到,问题不在于 AI 有没有输出。

问题在于输出到底算不算结果。

Agent 负责动手。Harness 负责盯过程。中间最关键的,是 result rule。

说白了,就是一句话:不是产出了就算完成,拿到结果才算完成。

不是写出来就算完成,得能用。不是回答了就算完成,得答到点上。不是流程跑通一次就算完成,得经得起检查。

如果没有这层规则,AI 很容易停在“差不多”的地方。

核心机制

AI 会先做出一个像样的版本:像文章,像代码,像页面,像方案。然后把真正麻烦的那部分,留给人来发现。

你发现了,它再改。你不发现,它就停在那里。这也是很多人用 AI 越用越累的原因。

02 真正值钱的,是 feedback loop

所以我现在越来越觉得,单次输出没有那么重要。

真正重要的是 feedback loop。

AI 不是做完一次就停,也不是等人指出问题以后才继续。它应该在输出之后,自己回头看一遍:结果对不对,哪里没过,为什么没过,下一轮该怎么修。

代码就是这样。不是让它写完就结束,而是让它跑测试,看报错,读日志,再根据结果继续修。

页面也是这样。不是生成一个看起来不错的界面就结束,而是让它自己去点,去走流程,去做端到端测试,去确认用户真的能走到最后。

表面检查

看起来有了,不代表真的能用

页面能不能点通,接口能不能打通,数据有没有写进去,异常情况会不会炸,用户走下来会不会卡住,这些必须跑起来才知道。

闭环检查

AI 要知道自己哪里没过

AI 如果没有反馈闭环,就像一个只会写代码但从不运行的人。它看起来很快,但它并不知道自己是不是真的完成了。

03 如果没有闭环,你就会变成系统瓶颈

更扎心的是:如果 AI 不能形成自己的闭环,你自己反而会变成效率瓶颈。

它先产出。你来检查。你来判断。你来补上下文。你来发现问题。你来决定下一步。它再根据你的反馈继续修。

听起来是人机协作。但很多时候其实是:AI 在高速生产半成品,人类在低速做最后兜底。

这时候,真正限制效率的已经不是 AI,而是你。

不是因为你不够快,而是因为整个系统把最后的判断、验收和纠偏都压回到了你身上。

04 我才明白,靠谱其实很贵

也正因为这样,我重新理解了过去的自己。

以前我一直以为,自己只是责任心重一点,做事细一点,容易多想一点。现在才明白,不只是这样。

我以前不是只接任务。我会理解任务背后的目标。我不是只完成表面动作。我会判断结果是不是站得住。我不是等别人挑错。我会先把最可能出问题的地方过一遍。

我甚至会在脑子里形成一个小闭环:先做,再检查,发现问题,再修,再确认能不能交。

靠谱这两个字其实很贵。它背后不是勤快,而是一个人能不能主动发现问题,主动修正偏差,主动把事情往真正的结果上推。

05 最好的升级,不是永远自己兜底

所以 OPC 给我最大的变化,不只是效率提升。

而是它让我第一次从另一个位置看自己。

过去的我,不只是一个执行者。过去的我,是一个会主动检查、主动修问题、主动兜底的人。换成今天的话说:过去的我,是一个很优秀的 Agent。

但我现在也越来越明白,不能永远只靠自己兜底。

过去这样做,是能力。现在如果还一直这样做,就会变成消耗。

所以我真正想做的,不是让 AI 多写一点、多答一点、多生成一点,而是把自己以前那些本能里的东西,慢慢变成系统里的规则。

· · ·

以前是我知道哪里容易错,以后我希望 Harness 也知道。

以前是我判断什么叫真的完成,以后我希望 result rule 也能写进去。

以前是我靠经验兜底,以后我希望 feedback loop 能自己跑起来。

一个人最好的升级,

不是永远自己修 bug。

而是让系统也学会什么才叫真正完成。

长按下方图片关注公众号,持续获取更多关于 AI、系统和生产力的思考。

免责声明:本文仅为个人市场观察和交易复盘,不构成任何投资建议;市场有风险,交易需谨慎。