原视频：Matt Pocock’s Agentic Engineering Workflow (just copy him)
原作者：David Ondrej
发布日期：2026-06-18
视频链接：https://www.youtube.com/watch?v=nQwJVHCtDDY
✨ 想看英文原声？请关注 @英文白斑马
00:00 开篇：AI编程的核心认知
Matt指出AI编程领域的普遍误区：过度关注模型本身，应同等重视支撑模型运行的配套框架；结合约翰·奥斯特豪特提出的战术式与战略式编程理论，提出AI已取代基础战术编程工作，开发者需聚焦战略层面的架构设计与任务委派，自身领域技能是AI能力的天花板。
04:35 Teach技能介绍与实操演示
Matt结合自身十余年教学经验，介绍其开发的Teach技能的设计原理：将成熟教学理论编码为技能，可针对任意主题生成个性化课程；现场模拟仅会基础终端操作的感觉流程序员的学习场景，演示技能的运行流程、本地状态存储、交互式测验等特性，最后告知技能的GitHub地址与安装方式。
15:09 Agent技能的分类与设计原则
讨论优秀Agent技能的评判标准，将技能分为用户主动调用的流程类技能和模型自主调用的能力类技能，结合热门的Grill Me技能案例说明不同技能的适用场景；提出AI时代开发者应掌握主导权，不应将思考完全委派给模型，区分知识、技能、智慧三个能力层级，指出知识与技能可封装复用，但智慧需在真实场景实践中积累。
22:29 个人智能体工程工作流分享
Matt介绍自己日常使用的智能体开发工具栈：以Claude Code为核心，搭配自研的Sandcastle沙箱工具与GitHub Actions，实现离键（AFK）模式下的Agent并行任务处理；再次强调应平衡模型能力与配套框架的重要性，坚持长期有效的软件工程原则，优化代码库架构可降低token消耗，开发者需牢牢掌握产品与技术决策的主导权。
32:15 强模型时代的人机价值探讨
David分享使用新模型Fable自动完成Twitter API配置、发现深层代码bug的体验，探讨强模型时代人的价值是否会被削弱；Matt提出不应过度依赖新模型的能力，而应构建可持续的安全检查、流程优化等工程机制，优秀开发者需从问题中复盘底层原因，持续优化系统而非仅解决单点问题。
39:49 Agent工作模式：队列优于无限循环
围绕业内热议的智能体循环话题展开，区分人在环协作与离键自主运行两种工作模式，提出用任务队列而非无限循环管理Agent工作的思路，结合Sandcastle的GitHub Issues工作流讲解任务分发、处理、合并的全流程；讨论人工检查点的设置原则，分享优化AI辅助代码评审的实用技巧，提升开发效率。
50:26 AI时代的创业与人才观点
解答AI时代软件创业的核心思路，指出商业基本面并未改变，AI仅提升实现效率，核心仍需挖掘用户真实需求、做好产品设计；讨论资深开发者与AI原生年轻开发者的价值差异，提出智能体体验（AX）概念，指出其与传统开发者体验（DX）高度互补，无论资历，只要保持实验心态、重视工程基础就能在AI时代立足。
56:34 实操建议与对话收尾
给观众提供两条可立即落地的AI开发优化建议：清空冗余的技能、插件与配置，从空白状态开始按需添加适合自己的流程类技能；尝试搭建离键工作模式提升产出效率；最后Matt分享个人社交平台与newsletter渠道，对话正式收尾。
使用YouDub AI翻译配音制作
项目地址：https://github.com/liuzhao1225/YouDub-webui
