550
2📝 本期播客简介
本期我们克隆了：知名播客 David Ondrej L8 Principal's Agentic Engineering Setup (just copy him)
原内容更新时间：2026-07-17
本期嘉宾是曾在 Meta、微软和 Atlassian 担任顶尖工程师的 Kun Chen。他开发了 FirstMate 来管理自己的 AI 编程助手团队，并形成了一套极致的 Agentic Engineering 工作流。主持人 David Ondrej 与他进行了一场深度对谈，完整拆解了这套配置的每一个环节。
Kun Chen 几乎不再手动写代码，而是通过语音与一个主 Agent 对话，由它调度二十到三十个子 Agent 并行工作。他分享了如何建立对 AI 的信任、如何处理复杂的技术决策、如何用对抗性审查自动验证 AI 生成的代码，以及为什么他认为未来大部分 SaaS 的图形界面会消失，软件将变成 Agent 可操作的"无头"服务。
如果你正在探索 AI 编程的边界，想知道一个顶尖工程师如何把 AI Agent 用到极致，这期节目会给你大量可复用的具体方案和高密度判断。
👨⚕️ 本期嘉宾
Kun Chen，前 Meta、微软、Atlassian 顶尖工程师，FirstMate 开发者。他在大厂工作多年后辞职单干，原本计划开发 C 端应用，却在过程中被迫开发出一整套 Agent 管理工具。他现在用 AI 编写几乎所有代码，同时维护着二三十个开源项目，并总结出一套让 CLI 工具对 AI Agent 更友好的设计原则（axi.md）。
⏱️ 时间戳
开场 & Kun Chen 的终端配置
Kun Chen 的极致终端环境
无边框终端 + West Term + Herder 会话管理
Herder 理解 Agent 概念，管理多个并行会话
痛点催生 FirstMate：不想在二十个标签页之间切换
AI 编程工作流的演变
从代码补全到全自动 Agent
现在几乎不手动写代码
三年前从 GitHub Copilot 开始，渐进式转变
Sonnet 3.5 V2 是改变游戏规则的拐点
在 Atlassian 开发编程 Agent 的经历
FirstMate：主 Agent 协调者
只跟一个 Agent 对话的工作流
大多数时候只跟 FirstMate 一个 Agent 对话
FirstMate 是唯一对话的 Agent，管理所有其他会话
委派任务给 crewmate，主 Agent 不被占用
如何建立对 FirstMate 的信任：渐进式授权
语音输入与可视化决策
用 Lavish 做交互式设计审查
用 Lavish 创建 HTML artifact 做可视化设计审查
几乎一直用语音输入，除了复制粘贴路径
Lavish 生成树状图和生态白板，直观展示架构方案
标记决策点发回给 Agent，完成决策工作流
模型选择与配额管理
GPT 5.6、Fable、Grok 的使用策略
为什么选 5.6 作为主 Agent：需要强推理能力处理大量上下文
配额追踪：Grok 用完，Fable 快用完，省着用
200 美元档根本不够用，需要 500 美元档
DeepSui 基准测试：Luna 曲线陡峭，Sol 是最佳日常选择
No Mistakes：自动化代码审查
对抗性审查与自动修复
No Mistakes：AI 生成代码后如何验证能否合并
把改动发给 No Mistakes，做对抗性审查和验证
审查流程：分析意图 → 变基 → 对抗性审查 → 测试 → 文档
63% 的改动被抓到错误，审查步骤发现并修复最多问题
软件的未来：Agent 原生接口
SaaS 的重建与 axi.md 原则
给人用的界面基本会消失，软件变成"无头"服务
axi.md：为 Agent 优化接口的十条原则
GitHub CLI vs MCP 服务器基准测试：CLI 更便宜更高效
Chrome DevTools axi 封装：只改接口，成本降低超 20%
深度工作与时间分配
如何不被工具吞噬
时间只花在真正模糊的决策上，不操心 Agent 在跑什么
给 FirstMate 写指令，规定什么时候应该回来找人类决策
如何避免把所有时间花在搭环境上：FirstMate 处理琐事
从真实问题里长出来的工具，不是为做而做
🌟 精彩内容
💡 "我只跟一个 Agent 对话"
Kun Chen 的工作流核心是 FirstMate，一个主 Agent 协调者。它接收所有指令，再把任务委派给不同的子 Agent。这样 Kun 始终处于"大脑清空"模式，有想法就直接倒给 FirstMate，不用操心执行细节。
"大多数时候，FirstMate 是我唯一对话的 Agent。我只跟 FirstMate 聊，让它替我管理所有其他会话。"
💡 信任是渐进式建立的
Kun 并不是一开始就信任 AI。他从原型开始玩，慢慢让它做更多事，同时观察它做得怎么样。早期问题很多，比如任务分配错误、多个 Agent 做同一件事互相冲突。他不断优化，最终调到一个舒服的状态。
"信任是需要时间建立的。我一开始也不是什么都信任它。我最初是把它当原型来玩的，然后慢慢让它帮我做越来越多的事。"
💡 63% 的 AI 生成代码有错误
Kun 用 No Mistakes 工具追踪了过去三个月的数据：一千个改动中，63% 被抓到了错误。对抗性审查这一步发现并修复了最多问题。他用 GPT 做审查，因为它特别擅长识别边缘情况。
"总共一千个改动，跨五十九个仓库。其中百分之六十三的改动都被抓到了错误。"
💡 给人用的界面基本会消失
Kun 认为过去二十年做的 SaaS 软件，大部分是给人用的界面后面接个数据库。这部分界面会消失，因为人不想自己点遍所有网站，而是想让 Agent 去跟服务打交道。软件需要变成 Agent 可操作的"无头"服务。
"给人用的这部分界面，基本会消失。我们其实不想自己去点遍所有网站，我们想让我们的 Agent 去跟这些服务打交道。"
💡 为 Agent 优化接口，成本降 20% 以上
Kun 总结了一套让 CLI 对 Agent 更友好的原则（axi.md），包括用 token 效率高的输出格式、精简默认 schema 等。他给 Chrome DevTools MCP 服务器做了封装，只改接口，功能完全不变，平均成本降低超 20%。
"我只是改了接口，现在它的效率就高得多了。平均成本降低了超过 20%，什么都没损失。"
💡 200 美元订阅档根本不够用
Kun 的 AI 编程工作流消耗大量 token。他直言目前的订阅配额不够，需要更高等级的套餐。如果按 API 按量付费，他过去一个月干的活费用肯定超过 1 万美元。
"现在 200 美元这一档根本不够用。真要按 API 价格算，我过去一个月干的活，费用肯定超过 1 万美元了。"
💡 时间只花在真正模糊的决策上
有了 FirstMate 处理琐事，Kun 的时间自然转向那些更有趣、更模糊的决策。他不再操心 Agent 是不是在跑、是不是在等什么东西，唯一花时间的就是那些真正需要人类判断的事。
"我唯一花时间的，就是那些真正模糊的决策。那些真正需要我来判断的事。"
💡 软件几乎不可阻挡
Kun 发现 FirstMate 出了 bug 会自己绕过。即使脚本里有各种问题，也顶多让效率变低一点，但不会阻止它继续工作。这和传统软件形成鲜明对比——传统软件有 bug 就可能崩溃。
"你没办法阻止 FirstMate 去做它需要做的事。即使这些脚本里有各种各样的 bug，也顶多会让 FirstMate 的效率变低一点，但不会阻止它继续工作。"
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺；
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight
