塔斯娱乐资讯网

Grok 土豆姐的 Agent 实战经验,这套 Harness 已开源!

GrokBot工程负责人LaurenTan(土豆姐)把自己在用的Harness开源了:58个Skills、窄PR独立验收、按目标自动路由剧本,还能让Agent过夜跑循环。她说4天合进1150个PR,靠的不是更聪明的模型,而是把规范焊进流程。

前阵子GrokBot的工程负责人LaurenTan(网名poteto,圈里都叫她「土豆姐」)与Tibo的在线互怼刷屏了硅谷程序员的时间线

有好事者做了一个网站记录了他们的互怼推文,这都能嗑CP是我没想到的

大致起因:

土豆姐是ReactCompiler核心成员,待过Meta、Netflix和Cursor;Tibo是Codex前负责人(已转去负责OpenAI内部系统安全),人称「赛博义父」

10月初土豆姐自封「TheShipCompany」,调侃Tibo只会重置额度

第27天,Tibo偷家买下potetocom做了个戳土豆跳ChatGPT的整活页,拿下300多万浏览

土豆姐当晚花5.99美元买下tibodog(玩梗Tibo吐槽手机打字总把dot自动改成dog)

随后她带GrokBot和Cursor连肝4天、合入约1150个PR,在第28天上线了即点即玩的幸存者游戏

热闹之外,我感觉最有价值的是她的14条工程清单,以及开源在Cursor官方仓库里的AgentHarness:pstack

推文介绍了AI开发这个游戏的过程核心:把规范直接焊进后缀名(如.hot.ts)和Lint硬规则、用TLA+抓状态机并发死角、音画全代码化以便Agent闭环验证

真正能直接装进Cursor和ClaudeCode里复用的开源基础设施,是她在背后依托的pstack

那个4天1150个PR的小游戏,本质上就是pstack的一次96小时公开极限压测

01pstack是什么:先扎深,再放心并行

pstack(开源在Cursor官方插件库cursor/plugins/tree/main/pstack

全是实战硬货:58个Skills(34个功能+24条原则)、23套实战剧本、2个子Agent(poteto-agent、comment-sicko)

另外配了harness/pstack/适配层,Cursor和ClaudeCode两边都能开箱即用

土豆姐给pstack的定位:拒绝「20个垃圾制造机同时飙代码」的假吞吐,想跑得快,先扎得深(ifyouwanttogofast,godeepfirst)

先让单个Agent写得少、写得精、可自证,再谈多路并发:

pstack全景架构与窄PR独立验收流水线

1.单入口/poteto-mode:只提目标和验收,禁止微操过程

用其他Agent工作流时,人常常要把Prompt写成流程说明书——「先读A文件、再调B、最后跑C」

pstack文档直接把这种做法列为典型坑:全套动作只认一个总入口/poteto-mode

/poteto-mode根据目标自动路由到对应剧本

平时派活不用指定具体Skill名字,只要写清三样东西:目标、完成判定标准、你要看什么实跑证据

/poteto-mode导出接口重试时会写入重复行,先复现再修,拿出前后行对比证据

拿到需求后,/poteto-mode会自动干三件事:

先在回复里用大白话复述你到底要解决什么问题、最小改动范围多大,理解偏了在第一轮就能纠偏

从23套剧本(调研、修Bug、新特性、性能分析、指标爬坡、合PR等)匹配一套,原样抄进待办清单,主动跳过的步骤也会写明skip:原因

在Cursor里选/poteto-mode时按Option+Enter(Win用Alt+Enter),还能锁成常驻CustomMode,整场对话都带着这套纪律跑

2.四大高频武器库:从摸清老代码到睡醒审计

把34个功能技能按研发全链路捋顺,日常最能打出信息差的是这四组:

1)动手前先摸底:/how+/why+/teach+/recall

动手前用/how和/why查清运行链路与历史动机

/how与/why:前者只读拆解模块调用链与核心类型;后者并行翻Git历史、Issue、团队聊天与Sentry报错,讲清当初为什么这么写

/teach与/recall:/teach逐张图解释机制甚至自证「为什么不用另一种方案」;/recall从历史对话找回前几天上下文

2)关键设计不拿首稿凑合:/architect+/arena+/interrogate

/architect、/arena与/interrogate并行出图、交叉裁判与真跑验毒

/architect+/arena:跨边界先定调用方写法;疑难方案让多模型在独立worktree并行出稿,裁判选出底座后嫁接亮点

/interrogate对抗拆台:让不同模型当反派强拆分支——每条质疑必须附带实跑报错命令和输出,跑不出真故障的纯嘴炮建议全踢掉

3)过夜跑任务也有审计账:autonomous-run+/show-me-your-work

配合/loop过夜执行并全程记录decisions.tsv审计账

有效才提交,不顺就回退:配/loop过夜迭代时,每轮只做最小改动并立刻拿实跑结果验收,有进展就提交,没收益立刻丢弃,全程记入本地decisions.tsv

天亮看重点,不翻聊天记录:跑一句/show-me-your-work,先派异构模型替你复盘整晚轨迹并标红高风险决策;想速览还能用/ketchup或生成字幕幻灯片短视频/ketchup-video

4)一句话纠偏与TLA+兜底

24条工程原则全带固定英文短语名,Agent跑偏时不用啰嗦:比如乱叠兼容层直接回一句usesubtractbeforeyouadd,只拿编译通过交差就回applyproveitworks

遇到并发重试或状态机死角,pstack还会用mise一键配好Java与TLC,靠/create-formal-verification-skill和/statechart穷举交错时序并画出违规路径图

3.日合百个PR不崩的底层保障:异构分工+独立裁判+CommentSicko

把「怎么让多Agent并行却不互相捅死」彻底做成了工程机制:

02核心心法:别再往CLAUDE.md塞规则了

整套体系最值钱的一句话写在EncodeLessonsinStructure里:

能用结构性修复解决的,就只留结构性修复——写进文档的那行指令,本身只是症状

平时大家驯Agent常陷入死循环:Agent犯一次错就往CLAUDE.md加一行警告,文件写到几百行占满上下文,Agent写嗨了照样犯

/correct文档一针见血:Agent跳过文档规则时,什么都不会报错(Nothingfailswhenanagentskipsthem)

土豆姐按确定性排了四层防线,精力永远从上往下投:

把这套思想做成自动闭环的,就是/correct技能:

/correct五步闭环:从翻历史归类到证明检查会失败

里头两条纪律:

  • 同一类错犯两次才立规矩:偶发一次不加复杂度,防止死规矩塞满仓库
  • 新检查必须在真实历史错误上先挂一次:没红过的检查什么都证明不了,形式化验证交付前也必须先在改坏的代码变体上报错才算数

03怎么抄进自己的项目(5分钟上手)

1.安装并跑/setup-pstack

Cursor里直接敲一行:

/add-pluginpstack

ClaudeCode官方带了harness/pstack/适配层,指令统一带/pstack:前缀,模型规则写入~/.claude/rules/pstack-models.md:

/pluginmarketplaceaddcursor/plugins

/plugininstallpstack@cursor-plugins

/pstack:setup-pstack

跑配置向导时,预算有四档(unlimited、large、medium、small),只有单模型账号的话把角色填成inherit-parent即可继承当前会话模型

配置结尾如果提示是否生成/create-verification-skill,建议直接答应

它会自己摸清项目启动命令、测试账号与操作入口,写入.cursor/skills/verify-/提交进仓库

官方指南明确把这一步排在全套收益第一——Agent能自己驱动软件并截视频留证,才算真正解放人手

2.先跑/correct,把高频坑写进ESLint「自愈提示」

装好别急着发大需求,老项目先跑一次:

/pstack:correct

它会翻历史Commit、Revert和评论,把Agent连踩两次的坑自动转成架构边界或静态检查,顺手也可以把土豆姐那招.hot.ts后缀规矩抄进去

3.不习惯土豆姐风格?让/automate-me克隆你自己的工作流

pstack把这套方法也做成了元技能

直接跑一句/pstack:automate-me,它会并发扫描你最近几周的工作区对话记录,提炼重复出现两次以上的沟通、验证和拆PR习惯

最后经过去AI味清理并单独开PR,替你生成专属的<你的名字>-mode入口技能

声明:部分文章摘自互联网,如有侵权,麻烦告知删除。

粤ICP备2025499103号 邮箱:181046773#qq.com

核心机制解决什么痛点pstack的硬规定
异构模型分工单模型又贵又慢或盲区重叠/setup-pstack

默认派Grok写特性、修Bug、跑swarm;高难架构与交叉裁判留给Opus5.5(也可改inherit-parent跟主模型走)

极窄PR栈与独立裁判多Agent并发改同一仓库大概率合炸opening-a-pr

坚持「5个窄PR胜过1个胖PR」;shipping严禁写码Agent自审,每个PR派全新Agent实跑验真,从底向上连续合入

CommentSicko

专杀废话注释

写码Agent天生爱为自己的啰嗦注释辩护/no-comments

派只读审校员把关,先查/how和/why确认无外部限制,能转成类型或Lint的落地后再删注释