DubSpeak好内容,无语言边界
首页/AI 工具/正在观看
AI 工具 · WATCH & LEARN

Lauren Tan(poteto)谈每月 2500 个 PR:验证、米其林厨房与内外环

65 分钟643 段文稿在原平台观看 ↗

原频道:Matt Pocock · 原标题:LIVE: Poteto (creator of pstack) on shipping 1,000's of PR's a month at SpaceX · 原片上传:

Lauren Tan(poteto)谈每月 2500 个 PR:验证、米其林厨房与内外环
0:00 / 65:35

画面来自 YouTube。若当前网络无法加载,可切换「仅听配音」。

ABOUT THIS VIDEO

这一期,聊些什么?

Matt Pocock 对话 PStack 作者 Lauren Tan(poteto):她曾在 Meta 的 React 团队工作,3 月加入 Cursor(片中称“现在是 SpaceX AI”),并解释如何用智能体交出约 2,500 个 PR。核心不是堆功能,而是把验证当成第一技能,先打磨环境、护栏与 CLI 确定性步骤,再用 Grok Bot 接 Slack 等外环、Cursor Projects 做内环;大量工作是园艺式维护(gardening),评审靠抽样,部分流程接近她睡觉也能合并 PR 的“暗工厂”,但也承认一扇门/两扇门风险取决于领域可验证性。本页全程中文配音由阿里云通义千问 qwen3-tts-flash 生成(主持人 Matt Pocock 为 Ethan 音色,Lauren Tan(poteto)为 Cherry 音色),并以低音量保留原视频声音作为背景。

配音与字幕辅助理解,内容以原视频为准。在原平台观看 ↗
RECAP · 图文回顾

看完再回顾:这一期讲了什么

点击任意时间戳,可跳到对应位置播放中文配音。

一句话核心观点

工程师的核心工作正从亲手写代码,转向搭建可验证、强约束的环境与内外环流程;先建立信任,才能安全地把执行和合并交给智能体。

分章节要点
  1. 开场与信任阶梯
    • Matt 由上次 Uncle Bob 对谈引入 Lauren(poteto):她因软件工厂、交付速度与“信任阶梯”在 X 走红。
    • 她约 10 天前发布“上月交付 2,500 个生产环境 PR”的分享,获得约 300 万次观看;本期以问答复盘。
  2. 从 Meta React 到 Cursor
    • 旅程始于 Cursor 之前:她结束 Meta React 团队的工作后休假一个月,在业余项目中用 AI 写代码。
    • 她发现自己在微管理单个智能体,技能成效也难衡量;早期经验留在开源仓库 poteto/noodle。
    • 加入 Cursor 后,她手动分析 agents window 的火焰图和堆快照,成了智能体与 Chrome DevTools 间的“人肉代理”。
  3. 米其林厨房,而非工厂
    • 她不喜欢“工厂”隐含的量产感,改用更强调品质、匠心与协作分工的“米其林厨房”。
    • 主厨像厨房的技术负责人或 CEO;工程师即使不再逐行写代码,仍要以名字和声誉为最终结果负责。
  4. 验证是核心技能
    • 验证能给智能体“眼睛和手”:运行代码、像用户一样交互、调试,并抓取 trace 与快照。
    • 看不到结果就无法迭代;循环之所以成立,正是验证把人从环节中解放出来。
    • 她以评分标准做性能“爬山”,并提到 Karpathy 的 auto research;团队内各应用也有自动维护的验证技能。
  5. 把确定性步骤交给 CLI
    • 早年对上下文窗口及压缩质量的担忧,促使她把技能中的确定性步骤抽进 CLI。
    • CLI 固化机械流程,技能只留下轻量说明;智能体则专注真正需要判断的非确定性工作。
  6. 环境、约束与新工作
    • Lauren 认为工程师的新工作是经营环境;缺乏信任时,只能耗时锁定并微管理智能体。
    • 内部框架 Dune 类似 Electron 应用的内部 Next.js,以严格 lint 与约定式目录,让一件事基本只有一种做法。
    • Grok Bot 早期由 8 个至少 10,000 行的“巨型文件”组成;她通过观察失败,把错误转成 lint 或代码库约束。
  7. 2,500 个 PR 的内外环
    • 高 PR 产量以环境为前提;先打磨好一间厨房,才可能复制餐厅并从现场抽身。
    • 内环是智能体朝意图快照写代码;Slack、Linear、X 等外部系统构成外环,持续带来新上下文。
    • 她不是手动开 2,500 个对话:Cursor Projects 的协调者分派子智能体,Grok Bot 则把外部上下文送入内环。
    • 这 2,500 个 PR 并非 2,500 个新功能,其中大量工作属于代码库的“园艺式”维护。
  8. 抽样评审与暗工厂
    • 规模化评审靠抽样而非逐盘品尝:像质量主管一样抽查 PR、审视代码,并优先纠正环境。
    • 若多个智能体重复同一捷径或临时方案,就调整技能、约束、lint 与类型系统,直到默认做正确的事。
    • 她睡觉时智能体仍全天候工作并自行合并 PR,相当于有 10 多名分管不同领域的“参谋长”。
    • 她改为在 PR 落地后查看提交历史;PStack 的 autopilot 会派验证智能体 fuzz、修复问题,直到代码可合并。
  9. 单向门与技能互补
    • 面对单向门,核心仍是验证质量;领域越能程序化验证,单向门越接近双向门。
    • 她看好面向智能体的语言:Bend 将编程与证明结合,而过去证明常需在 Lean、TLA+ 等语言中完成。
    • 她建议挖掘历史对话中的纠正与反复介入,沉淀为技能;PStack 的 Recall 正是压缩这一工作流。
    • PStack 与 Matt 的技能可以互补;技能本质是流程和 Markdown,每个人都能组合出自己的“刀具组”。
关键人物 / 产品 / 数字

人物

Matt Pocock
主持人;Total TypeScript 作者,也维护热门技能库,并正在制作软件工厂方向课程。
Lauren Tan(poteto)
嘉宾;曾在 Meta React 团队工作,后加入 Cursor(视频中称现 SpaceX AI),参与 agents window 与 Grok Bot。
Uncle Bob
上一期对谈嘉宾,曾与 Matt 讨论软件质量与智能体。
Andrej Karpathy
被提及为 auto research 的发布者,也被 Matt 用来解释 vibe coding 的原始定义。

产品与概念

PStack
Lauren 的技能与工具体系;验证被视为最重要技能,并提供 full autopilot 等能力。
poteto/noodle
Lauren 的开源 GitHub 仓库,包含早期技能与 brain 目录。
Cursor Projects
Cursor 新功能:云端协调者智能体拥有自己的电脑,负责管理并分派子智能体。
Grok Bot
带连接器与例程的工具,可监听 Slack、X、邮件和 Linear,并把上下文发送给 Cursor Projects。
Dune
非开源内部框架,被 Lauren 形容为 Electron 应用的内部 Next.js,强调严格 lint 与单一实现路径。
Recall
PStack 技能,用历史对话记录提取上下文,把重复工作流压缩成可复用流程。
Bend
Lauren 提到的编程语言,特点是将编程与数学证明结合起来。

视频里提到的数字

2,500 PRs
Lauren 分享中称自己上个月交付到生产环境的 PR 数。
about three million views
该分享在 X 上获得的观看量。
eight God files / at least 10,000 lines
Grok Bot 最初几个版本由 8 个巨型文件组成,每个至少 10,000 行。
25,000-line type
Matt 提到 TypeScript 中著名的大型类型文件。
2,000 PRs
Lauren 谈到“让智能体自行合并代码”这一突破时使用的数量;同场主题数字为 2,500。
30 issues
Matt 举例称一次性涌入约 30 个问题时,协调智能体可分派任务。
more than 10 chief of staff
Lauren 用来形容同时分管不同领域的协调智能体数量。
10 verifier agents
full autopilot 可为每个 PR 派生的验证智能体示例,也可调低到 1 个。
金句摘录 · 中英对照
“I actually feel like domain expertise is, is more important than ever.”

我实际上觉得,领域专长比以往任何时候都更重要。

— Lauren Tan (poteto)
“Yeah. I've, I've, I've said this a lot actually, that, you know, even if you don't use PStack or, you know, your skills, I think that the single most important skill that should be in your toolkit is verification.”

是的。这句话我其实说过很多次:即使你不使用 PStack 或者你的技能,我认为你工具箱中最重要的单一技能就是验证。

— Lauren Tan (poteto)
“Uh, so the CLI is really just more of a way for me to take the deterministic parts of what the skill does and encode that into a script or a CLI”

所以,CLI 实际上更多是我用来把技能所做的事情中确定性部分提取出来,并编码成脚本或 CLI 的一种方式。

— Lauren Tan (poteto)
“I almost feel like the new job of the engineer is really to, to spend time on the environment.”

我几乎觉得,工程师的新工作真的是把时间花在环境上。

— Lauren Tan (poteto)
“Uh, but you also, you know, for scale, you cannot be tasting every single dish that comes out of your kitchen, especially if you have multiple restaurants.”

但你也知道,为了规模化,你不可能品尝厨房里端出来的每一道菜,尤其当你拥有多家餐厅时。

— Lauren Tan (poteto)
“The tools go with them, right? And so trust to me is really about trust in your own tools, and when you spend the time sharpening them and understanding them really, really well, you can do great things.”

工具会跟着他们走,对吧?所以对我来说,信任其实是信任自己的工具;当你花时间打磨并真正深入了解它们时,就能做出了不起的事情。

— Lauren Tan (poteto)
可以借鉴的做法 / 启发
  1. 扩大智能体数量前,先建立可运行、可观察、可复现的验证能力;没有验证,循环就无法闭合。
  2. 把机械步骤沉淀为 CLI、脚本或代码变换;把反复出现的错误转成 lint、类型约束与目录约定。
  3. 定期挖掘历史对话,找出自己反复纠正和介入的位置,并提炼成可复用技能。
  4. 连接外部信息源与内部执行环,但保留队列和抽样评审;面对难验证的单向门变更,不宜直接全自动合并。
回顾 / 思考问题
  1. 在当前流程里,你仍在哪些环节充当智能体与工具之间的“人肉代理”?
  2. 你的技能或规则中,哪些步骤其实可以交给脚本、CLI 或代码变换?
  3. 智能体能否自己运行应用、复现问题、检查结果并修正实现?
  4. 你的哪些 PR 属于可回滚的双向门,哪些又是必须先验证的单向门?

本回顾由 AI 根据英文逐字稿整理,时间戳、引文与数字已对照逐字稿核对;如有出入,以原视频为准。

ACROSS TOPICS · 跨主题推荐

换个领域看看

ABOUT DubSpeak

让好内容,跨过语言的边界。

DubSpeak 整理科技、心理与医学领域的视频,提供中文配音、双语字幕及文稿辅助阅读,让知识更容易被听见、被理解。

01 / 用熟悉的语言听

中文配音辅助理解,部分视频支持中英文切换。

02 / 跟着字幕深入读

结合字幕与文稿学习,具体功能以播放页为准。

03 / 按兴趣找到内容

按主题浏览,搭配搜索和时长筛选。

04 / 回到内容的出处

每期注明原视频链接,版权归原作者所有。关于与版权 ↗