深蒸馏 · 直播回看 · 配额批次 1

代码自由:不写代码的人,靠业务判断与闭环把想法做成产品

直播回看 | 2026.08.28 | 约120分钟 | 已深蒸馏 1 / 53
来源:原视频 | @howie.serious | 2026.08.28
直链(在飞书/企微预览里点击可能被拦截,复制到浏览器打开):https://www.candobear.com/detail/l_6a8e78b2e4b0694c35414d1c/4
阅读路径:先读第二组,抓住「需求—方案—执行—验收—回填」这条主线,才不会把代码自由误解为不停让模型继续。第一组解释人的责任为什么没有消失,第三组讲怎样把经验留在工具与文档里,第四组用错题和信息流检验这套方法。只看一组就看第二组,它能直接改变下一次交任务的方式。
一句话结论:普通人不写代码也能做出高质量产品,但如果把需求判断、方案选择和结果验收一起交出去,执行越快,偏离反而可能累积得越快。

第一组 · 代码自由:省掉的是手写代码,不是理解与责任

1.1 人是骑手,不能只拿着鞭子喊「继续」

原文在说什么

howie 用给孩子展示工作方式开场:自己不会写 Python、JavaScript 或 HTML,却能让 agent 完成软件的大量改进。他把模型比作动力强劲的野马,把配套工具与装备称为 harness,而人是骑手,负责 steering——操纵、指引方向。所谓「拿着小皮鞭」,只是玩笑,不是管理方法。

真正的分界不是谁敲键盘,而是谁理解业务、组织需求、选择方案、对结果负责。他明确反对一种做法:什么原理都不理解,只靠打骂 agent 和反复接受输出。那可能很快得到东西,却不能体现人的审美、品位、判断力,也未必有人愿意付费。代码工作可以交给 agent,产品责任没有随之消失。

关键概念
对你的实际应用

Ben哥可以把这条用于 ~/.shared-agent/tasks.md 的任务描述:在既有「目标/当前状态/下一步」中,把目标写成可观察的结果,而不是「优化报告」。例如明确 ~/.agent-autoloop/report_html.py 要改善哪个页面、保留哪些内容、由谁查看成品。本篇只提出写法,不修改任务表;也不据此断言现有脚本缺少验收。

1.2 一周多次更新说明执行力,不等于质量证明

原文在说什么

他以阅读挑战 App 的改版为主要案例,自述上周进行了99次更新,后文把投入概括为50亿 token。他强调这个产品不只是一个页面,还连接阅读数据、内参、登录、支付等系统,过去分散在产品、设计、开发、测试人员之间的工作,如今能由一个人配合 agent 推进。

但他同时反省自己早期做得过快:有接口和想法,当晚就做出并上线,后来发现不必如此。他在改版前曾有一个月没有动产品,用新的方法收集问题、梳理活动、酝酿方案,再集中迭代。前半场的速度案例,要和后半场的「慢下来想清楚」一起读。 更新次数、用量都是个人实践叙述,不能单独推出产品质量,更不是人人需要照抄的配额。

关键概念
对你的实际应用

Ben哥处理知识库新想法时,可以先在 tasks.md 的「下一步」写成「对照当前稿与原文确认问题」,而不是直接要求重写;确认问题后才列改动。涉及 ~/.agent-autoloop/cron-jobs.json 的任务,先在任务描述中说清想解决什么、怎样判断有效,不把增加运行次数当改进结果。本篇不改调度,也不把 token 消耗当验收标准。

第二组 · 核心闭环:把一个大想法变成可逐个击破的 issue

2.1 起手不是「开干」,而是「你先研究,我们再讨论」

原文在说什么

howie 展示的改版从一个总 issue 启动。他先整理要做什么、为什么做、大概怎么做,以及注意事项;其中方案可以不成熟,但相关业务材料、活动取舍、文案和限制要尽量清楚。接着把 issue 交给 agent,先研究,再讨论,由人确认方案,之后才执行。

这不是要求普通人预先写出技术实现。原文反复说,有些 how 他也不知道;人要交代的是 why、what 和已有上下文,让 agent 研究技术路径、提出疑问与备选项。大需求确定后再拆成子 issue,标明前后关系,前一项没完成,后一项不能贸然开始。这样保留了工程流程,却不要求人重新承担程序员的全部工作。

环节人主要负责什么Agent 主要负责什么本场展示的承接物
需求与计划业务目的、取舍、材料、确认问题研究上下文、追问、完善计划总 issue 与需求说明
方案与设计比较方向、提出反馈、选定方案提出技术与界面方案、做原型方案、网页、评论
代码构建把控范围,必要时澄清按拆分任务实现子 issue 与代码变化
测试与验收亲自使用、检查结果执行测试、处理反馈测试结果与人工反馈
过程回填确认下一步方向写回最终方案与执行情况同一个 issue 的记录
关键概念
对你的实际应用

Ben哥可以在 ~/.shared-agent/kb/STANDARD.md 将来的单篇执行说明中明确「输入原文路径、唯一输出、不可改范围、验收项」四项,让执行者先复述不确定点,再动笔。这是把本场需求组织法映射到深蒸馏,不是说讲者讲过这四个字段。本轮已有明确任务书,直接沿用,不另建项目文件或扩大改动范围。

2.2 方案必须可看、反馈必须精准、结果必须写回

原文在说什么

在设计环节,他让 agent 用网页或 artifacts 交付可查看的方案;一轮可以探索几个方向,选定方向后再迭代多个版本。人不用先把设计全想出来,但必须能比较、评论、确认。方案认可后再转成代码,而不是在大量代码写完后才发现方向不对。

他也演示了浏览器中的元素选取:可以引用具体位置,跨页面收集修改点,把截图、代码和素材交给 agent。他的一个操作口径是先只改 Web,反馈、修改、部署、自己验收。这里重要的是控制范围,而不是照搬他的发布方式。

更关键的一步是回填:讨论完的最终方案要写回 Linear issue,执行情况也要写回。否则,结论只散在对话里,下一位参与者不知道该按哪个版本接手。他将这套 loop 与 PDCA 联系起来,强调每个环节既有 agent 参与,也有人把控。

关键概念
对你的实际应用

Ben哥给 ~/.agent-autoloop/report_html.py 提修改时,可在 tasks.md 的目标中注明页面位置与保留项,再把人工看到的问题写入「当前状态」。若以后增加程序辅助,可在该脚本新增 render_review_preview(),只输出待审页面供比较;这是拟议函数,不是现有接口。执行后将文件路径和核查结果放回原任务,不以聊天里的「完成了」替代成品检查。

第三组 · 基础设施:把一次有效配合变成下次还能调用的能力

3.1 工具卸下流程负担,Skill 固化自己的做法

原文在说什么

他早期用本地笔记逐项记录功能,后来改用 Linear 管理项目、issue、标签和状态。他喜欢它,不只是因为能列清单,而是它能把任务管理、上下文管理、推进流程从脑子里搬出去,也让人和各自的 agent 围绕同一项目协作。原文展示了待办、进行中、审核、完成等状态,并说状态可按自己的工作方式设计。

在此基础上,他专门创建了处理 Linear issue 的 Skill。做法并不神秘:写清为什么需要、使用场景、应包括什么,再给几个具体案例,交给 agent 建成 Skill。讨论后的方案如何回填、每次执行怎样留记录,也由这个 Skill 规定。他给出的经验是,一件事要做两遍三遍以上,又想做得更快、更好、更不费脑子,就值得把方法固化下来。

项目文档则是另一层积累:AGENTS.md 作为目录,连接技术栈、前端方案、数据模型、接口规范等材料。他也承认自己的早期文件太长,尚未优化;不能把「所有东西都塞进一个文件」误当标准答案。

关键概念
对你的实际应用

Ben哥可以把 ~/.shared-agent/kb/STANDARD.md 中的单篇结构要求转成明确检查入口;若落在 ~/.agent-autoloop/knowledge.py,拟新增 check_distillation_structure(text),只检查头部、分组、三段和来源,不替代内容验收。任务状态仍留在 tasks.md,不再复制一份并行清单。这里只提出函数职责,本轮不修改标准、Skill 或脚本。

3.2 API 要亲手看边界,技术细节可以让 agent 帮忙

原文在说什么

微信读书的例子说明了「不写代码」不等于「不学概念」。他阅读官方 Skill 中的接口说明,又让 agent 搭建 API 测试环境,用 Bruno 查看请求与返回,认识书籍标识、标题、阅读时间等数据。配置文件怎么导入,他原先也不知道,就直接问 agent;但他没有因此放弃理解接口到底给了什么。

他发现现有接口不直接提供自己想要的单本书每日阅读时长,于是提出通过后端逻辑计算并存储的方案,再拆任务、测试,准备之后向用户开放。本场展示的是发现限制与推进解决的过程,不是完整算法说明。 如何计算、如何保证精确、遇到哪些异常怎样处理,原文未展开,不能替他补成已验证的技术方案。

层次原文支持的判断不能由此直接推出什么
接口理解查看请求与返回,知道已有数据与缺口每个所需指标都有官方接口
技术配置不懂配置可以让 agent 解释和协助不需要理解工具用途与数据含义
新功能方案讲者提出后端计算与存储思路算法已披露、所有情况都保证精确
上线安排讲者计划自己测试后再向用户开放本场已经证明全量上线成功
关键概念
对你的实际应用

Ben哥可把这条映射到 ~/.agent-autoloop/reading.py:若后续接阅读时长数据,拟新增 validate_reading_metrics(record),先区分原始字段与计算字段,再决定如何展示;没有来源支持的精确值不直接写进阅读结果。函数名与校验方式是本篇应用推演,不是讲者提供的实现,也未检查该脚本现有函数是否已经覆盖这些要求。

第四组 · 两个反向检验:闭环要有人参与,交接不能冒充人

4.1 错题系统的重点,不是自动出更多题

原文在说什么

howie 用家庭数学学习展示同一种 loop:拍照录入错题,agent 整理题目;孩子补充自己的错误原因,agent 分析主因与辅助原因;孩子看懂后,用自己的话写下理解;再由专门的 Skill 设计基础、进阶、挑战题,孩子作答,家长检查,出现新错误后继续分析。

这里不是让孩子被动接收 AI 答案。他反复强调主动参与、补充上下文、回顾自己的思路。错题被捕获只是开始,分析有没有被理解,还要看下一轮作答。设计这套系统的目的,也不是把所有时间变成刷题,而是减少低效训练,让孩子有时间读书、运动、睡觉和发展兴趣。关于提效与成本的强烈判断,是讲者的主张,本场没有给出可复算的对照评估。

同样的信息流思路也出现在内参案例:agent 处理复杂材料,人浏览、收藏、画线、记笔记,形成自己的理解、判断与下一步行动。自动处理信息,不等于把人的思考也自动完成。

关键概念
对你的实际应用

Ben哥在 ~/.agent-autoloop/reading.py 的后续设计中,可拟增 record_application_feedback(item_id, explanation, result),分别记录「自己的解释」和「实际使用结果」,不要把读过一篇就视为掌握。对照 ~/.shared-agent/kb/STANDARD.md 的「对你的实际应用」,检查它是否真指向文件、动作和结果。这是把错题 loop 映射到阅读工作,不是宣称两个流程完全相同。

4.2 Agent 能交接技术,但不能模仿人去社交

原文在说什么

他讲到一次协作摩擦:agent 在 issue 中生成了大量交接信息,并提及同事,对方感觉不舒服。技术上下文写得清楚,不表示沟通方式就合适。他从中归纳出礼仪:不要把 AI 生成的大段内容直接堆到一个人面前;涉及人与人的表达,应由本人亲自写。

他的处理不是放弃自动回填,而是修改使用 Linear 的 Skill:agent 写的就保持 agent 身份,不模仿自己说话,不去提及人;只记录做了什么、相关上下文是什么。信息记录和替人发声是两件不同的事。 这个案例还说明,Skill 不是写好就结束,实际协作中的摩擦要变成下一次执行的约束。

关键概念
对你的实际应用

Ben哥可以在未来修改 ~/.agent-autoloop/knowledge.py 的摘要逻辑时,拟增 format_agent_handoff(result),固定区分「Agent执行记录」「来源」「人工决定事项」,不生成冒充本人语气的交接。对应 tasks.md,owner 记录实际责任方,而不是让执行者替 Ben哥确认。这些都只是应用设计,本篇不触发通知、不发送消息、不改变现有权限。

与在用工作的关联

以下是本篇对 Ben哥工作的映射,不是直播原话,也不表示已实施或确认现有程序存在缺陷。

这条里的什么对应你手上的什么具体怎么用
人负责方向,agent 负责构建~/.shared-agent/tasks.md目标写可观察结果,「下一步」先处理不确定点
需求先研究再施工~/.shared-agent/kb/STANDARD.md单篇任务注明输入、唯一输出、不可改范围、验收项
可见方案与精准反馈~/.agent-autoloop/report_html.py拟增 render_review_preview(),先看页面再决定修改
重复做法固化为检查入口~/.agent-autoloop/knowledge.py拟增 check_distillation_structure(text),只查结构不替代事实审核
理解接口数据边界~/.agent-autoloop/reading.py拟增 validate_reading_metrics(record),分开原始值与计算值
学习必须接回实际反馈~/.agent-autoloop/reading.py拟增 record_application_feedback(...),记录解释与应用结果
不让速度绑架节奏~/.agent-autoloop/cron-jobs.json 对应任务先澄清目标与验收,不把增加调度次数当成果
Agent 不模仿本人说话~/.agent-autoloop/knowledge.py拟增 format_agent_handoff(result),区分执行记录与人工决定

原文:howie《w2634 agent 方法论|普通人如何实现代码自由?》,2026.08.28 直播回看。原视频:https://www.candobear.com/detail/l_6a8e78b2e4b0694c35414d1c/4 。开场预告八点正式开始,结尾说刚好十点,故时长记约120分钟,不作为媒体精确时长。

本篇依据:本地转写稿 /Users/benhong/.agent-autoloop/cdb/transcript/l_6a8e78b2e4b0694c35414d1c.txt 全文3517行,分段读至告别。依据包括阅读挑战改版、Linear issue 拆解与回填、设计反馈、Skill 迭代、项目文档、API 测试、错题 loop 与协作礼仪。两份已通过样例只用于层级和语气,不借用其案例充当本场内容。

更正与边界:按上下文将「原技能」「回舔」「英才私教」等明显误识别整理为「元技能」「回填」「因材施教」,工具名 Linear、Notion、Claude Code 统一书写;无法确定的模型名与版本不作推定。99次更新、50亿 token 为讲者自述,不是审计值或学习配额;教育效果、投资价值等判断不作为已验证承诺。单本书每日时长的完整计算办法原文未展开,后续产品是否按预告发布也未核实。「对你的实际应用」及关联表是面向现有文件的推演,函数均为拟议,不是源码现状;本轮仅写本篇,不改程序、规则、任务表或调度。

定位:中文深蒸馏,不是逐字摘要。