微软Build大会现场编程对决 Harald凭多Agent并行工作流夺冠

Multi-agent patterns in VS Code you won't learn from docs | BRK201 — Visual Studio Code

Visual Studio Code

大模型驱动的敏捷开发不再依赖一步到位的庞大方案,通过让多个自主Agent在独立工作树中并行竞标并由人类雕琢做减法,才是高时效交付复杂软件的核心解法。

AI-assisted summary of Multi-agent patterns in VS Code you won't learn from docs | BRK201 — original source. Check the original for full context.

Source published:

Key ideas

  • Microsoft Build 2026 现场举办了多智能体(Multi-agent)即兴编程对决赛,要求四位开发者在约 40 分钟内利用各自的 Agent 工作流从零构建一个支持云端多人协同的 Markdown 编辑器。 (1:23)
  • 参赛选手展示了多元化的多智能体落地模式,包括利用 Claude Opus 规划并搭配 Codec 编码的分层架构,以及在多 Git Worktree 中并行启动三个跨模型 Agent 进行内部竞标探索。 (15:44)
  • Harald Kirschner 凭借基于 plan.md 与多原型探索机制融合出的类 Google Docs 富协同编辑器,在现场观众通过 Codespaces 部署的实时投票系统中赢得冠军。 (44:01)
  • 主持人与讲者指出,面对高自主度 Agent 编程时,长篇的静态规划往往不必要,“对话本身就是计划”,且开发者无需在提示词中频繁纠正打字错别字,LLM 本身具备极强的语义纠错与理解能力。 (10:08)

Detailed notes

## Background 该视频由 Visual Studio Code 官方频道于 2026 年 6 月 4 日发布在 YouTube 上,属于 Microsoft Build 2026 大会的高阶分论坛演讲(BRK201)。根据页面简介,本场活动聚焦于如何超越单智能体开发,在本地、后台和云端并行编排智能体集群,探讨任务拆解、分支与委托决策,以及在大规模智能体协同下保障交付质量的实战模式。

## TL;DR 本场活动以一场 45 分钟的现场极限“氛围编程”(vibe coding)黑客松展开,四位来自 VS Code 与 Copilot 团队的开发者分别使用原生 VS Code、Copilot CLI、Copilot App 与专用 Agent App,挑战从零构建一个支持云端多人协同的 Markdown 编辑器。与此同时,两位联合主持人利用 GitHub Codespaces 和极简原生技术栈现场手搓出了一套实时观众投票系统。演示过程中,各组选手展示了高推理模型切换、主从 Agent 编排、多 Git Worktree 并发竞标与设计系统生成等前沿开发模式。最终,Harald Kirschner 凭借由 `plan.md` 驱动的多智能体自动化协作原型在现场投票中拔得头筹。

## Atmosphere & style 整场活动充满了高能且极具技术幽默感的现场黑客松氛围。开场以全场起立深蹲迅速破冰,随后在倒计时的紧迫感与现场写代码排错的真实事故中无缝切换,既有对 Unpkg 脚本报错、API 崩溃自嘲的捧腹瞬间,也有对“人类坐看 Agent 爆炒开发”的时代感叹。主持人与选手之间的插科打诨自然松弛,同时充斥着极度硬核的技术决策交锋,让观众仿佛置身于一场紧张刺激又充满极客乐趣的现场编程狂欢之中。

## Bulletin - [01:23](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=83s) Microsoft Build 2026 现场举办了多智能体(Multi-agent)即兴编程对决赛,要求四位开发者在约 40 分钟内利用各自的 Agent 工作流从零构建一个支持云端多人协同的 Markdown 编辑器。 - [15:44](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=944s) 参赛选手展示了多元化的多智能体落地模式,包括利用 Claude Opus 规划并搭配 Codec 编码的分层架构,以及在多 Git Worktree 中并行启动三个跨模型 Agent 进行内部竞标探索。 - [44:01](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2641s) Harald Kirschner 凭借基于 plan.md 与多原型探索机制融合出的类 Google Docs 富协同编辑器,在现场观众通过 Codespaces 部署的实时投票系统中赢得冠军。 - [10:08](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=608s) 主持人与讲者指出,面对高自主度 Agent 编程时,长篇的静态规划往往不必要,“对话本身就是计划”,且开发者无需在提示词中频繁纠正打字错别字,LLM 本身具备极强的语义纠错与理解能力。

## Key takeaways - [01:23](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=83s) 从玩具原型向现实复杂需求跃迁:相较去年用 GPT-4 构建《青蛙过河》像素游戏,新一代强大模型使即兴编程赛题升级为解决跨端实时协同 Markdown 编辑器等真实世界痛点。 - [05:39](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=339s) 自主 Agent 的全自动运行(YOLO 模式)虽能极大释放生产力,但在企业环境中存在安全与凭据泄露风险,GitHub Codespaces 提供了有效的云端沙箱保护与快速端口公开能力。 - [08:00](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=480s) AI Vibe Coding 的工程范式演进:敏捷开发强调从滑板到汽车的递进,而 AI 编程往往起手生成复杂的“超级大卡车”,开发者的核心工作转为做减法并收敛边界。 - [10:08](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=608s) “对话即计划”原则:对于轻量工具无需繁重的脚手架与预置架构,在大型代码库中则可通过向 Agent 提出已知答案的架构问题来校准上下文,确认无误后再下发生成指令。 - [15:44](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=944s) 编排者与子代理(Orchestrator & Sub-agents)拓扑:使用深度推理的 Claude Opus 充当规划者分解任务,搭配代码生成的 Codec 落地具体接口,兼顾架构宏观与代码实现度。 - [18:16](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1096s) 原型视觉与深层业务逻辑脱节:当前 Agent 能极其迅速地拼装出具有迷惑性的前端静态外壳(如双栏排版),但深层的数据联动、状态同步与事件绑定往往是虚假的,仍需人类深度介入。 - [19:29](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1169s) 调研与多原型并发探索:Harald 派发独立的调研 Agent 收集成熟产品方案,同时利用设计 Agent 并行产出 A、B、C 三套不同侧重的 UI 原型以供权衡决策。 - [25:00](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1500s) 极简技术选型原则:在时间受限原型开发中,Node.js 读写本地 JSON 文件配合单租户 EventEmitter 即可替代数据库,并为后续无缝接入 WebSocket 广播预留设计空间。 - [26:50](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1610s) 自然语言编程交互心智:LLM 拥有极强的容错与语义推断能力,开发者在提示词打字时无需频繁按退格键修正拼写错误,母语输入或口语化描述均能达到理想解析效果。 - [29:14](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1754s) 英语因其具有极高的语义密度(如丰富且微妙的形容词)及海量的预训练语料沉淀,在当前指导复杂 Agent 任务时依然是最具表达效率的基础提示语言。 - [29:41](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1781s) 跨模型切换与补救策略:当主力生成模型(如 GPT-5.5)在细节布局出现界面混乱时,灵活切换到擅长前端 UI 修补的模型(如 Claude Opus)能快速完成修复并落地。 - [32:03](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1923s) 多分支竞标与 Worktree 并行机制:Harald 展示了在不同 Git Worktree 中并发运行多个 Agent 探索差异化 Prompt 和模型,并最终挑选胜出版本进行合并的高阶模式。 - [32:03](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1923s) AGENTS.md 规范的核心原则:不要将规范文档过早过度产品化,应保持轻量与高度敏捷,以便业务方向调头时随时推倒重构,避免背上沉重的架构迁移包袱。 - [34:00](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2040s) 批量原型裂变工作流:借助封装了配色与排版规则的设计系统 Skill,指示 Agent 一次性产出 10 套设计原型,人工比对挑选后再指示其派生下 10 套,实现免画图的高效视觉迭代。 - [42:14](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2534s) 功能范围蠕变(Scope Creep)与回归风险:在快速迭代中盲目引入 Emoji、扩展插件等次要需求极易破坏已有核心功能链路,稳住基本可用性(Serviceable)是交付关键。 - [44:01](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2641s) 文档反哺与高度自动化驱动:Harald 通过将已有 plan.md 转化为驱动界面的上下文源泉,融合富文本划词批注与快捷提示词功能,展现了“由 Agent 去编辑 Markdown”的开发范式。

## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=0s) 开场热身与现场氛围

会议伊始,主持人 Burke Holland 热情欢迎全体观众来到 VS Code 多智能体工作流(Multi-agent patterns in VS Code)的专场,并向大家宣布本场不是单纯的文档宣讲,而是一场现场即兴“氛围编程”(vibe coding)对决。在正式切入主题前,Burke 隆重介绍了联合主持人 Kent C. Dodds。为了调动全场情绪并帮助观众进入学习状态,Kent 提议进行一段简短的体能热身。他邀请现场所有身体条件允许的观众起立深蹲,展开双臂一起完成 12 次深蹲动作,并大声数数。随着全场观众在欢笑中一起数到 12 次深蹲并完成左右侧身拉伸,现场气氛瞬间被充分唤醒。

- 动作要求:全员起立、平举双臂下蹲并大声计数,共计 12 次加全身拉伸。 - 热身理念:Kent C. Dodds 强调运动能促进大脑血液循环,让人吸收知识更加高效。

---

[01:23](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=83s) 比赛背景与赛题升级:挑战现实世界需求

热身完毕后,Burke 回顾了去年同期的比赛盛况。在 12 个月前的 Microsoft Build 大会上,OpenAI 刚刚发布 GPT-4,当时参赛者的任务是各凭本事现场手搓一个复古小游戏《青蛙过河》(Frogger),并交由现场观众投票打分。然而仅隔一年,底层模型能力已经发生了质的飞跃。Burke 幽默地调侃今年是否应该让选手直接现场搓出《光环 1》(Halo 1)或《GTA》(侠盗猎车手),引发现场哄堂大笑。

随后话题转入严肃应用,Burke 提出不能再把精力局限在贪吃蛇这样的小玩具上,而应当用 AI 解决真实世界的需求。他在社交平台 X 上看到一条真实用户的发帖痛点:“市面上有没有像 Google Docs 那样、但是专门面向 Markdown 的工具?我需要一个基于云端的协同 Markdown 编辑器。” 这条推文直接成为了当天的终极对决赛题:现场利用 AI 智能体打造一个**支持云端多人协同的 Markdown 编辑器**。

```mermaid flowchart TD accTitle: 编程挑战演进与目标 accDescr: 对比去年的单体游戏挑战与今年面向真实协作场景的云端协同编辑器赛题。

subgraph LastYear ["去年 Build 大会"] A["GPT-4 时代"] --> B["构建 Frogger 像素游戏"] end

subgraph ThisYear ["今年 Build 大会"] C["新一代强大模型"] --> D["解决真实场景痛点"] D --> E["云端多人协同 Markdown 编辑器"] end ```

---

[03:52](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=232s) 参赛选手阵容与多智能体工具矩阵

为全方位展示当前多元化的智能体开发形态,现场设立了四位参赛选手,各自代表一种不同的 VS Code 智能体交互载体与工作流:

1. **Julia Kasper**(来自 VS Code 团队):使用 VS Code 原生桌面端及其内置的 Local Agent。 2. **Christian Reddington**(远道从英国赶来):使用 Copilot CLI 命令行界面进行操作。 3. **Pierce Boggan**(VS Code 产品经理):使用全新的 Copilot App。 4. **Harald Kirschner**:使用全新的专用 Agent App。

Burke 宣布了统一的起跑规则:所有选手必须将上述推文中的真实需求原封不动作为第一个 Prompt 提交给各自的智能体,后续如何引导和修改则完全自由发挥。随着 Burke 一声令下,四位参赛者各自在各自的客户端中按下回车,比赛正式计时开始。

---

[05:39](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=339s) 观众投票应用构思与安全沙箱环境

在四名选手全神贯注推进协同编辑器开发的同时,Burke 与 Kent 承担起另一项并行的实战任务——为现场观众开发一套全功能的实时投票系统,以便在比赛尾声让现场数百名观众扫码为最佳作品投票。

Burke 阐述了他们为何选择在 GitHub Codespaces 纯云端环境中开发的原因。他直言不讳地指出了自主 Agent 的潜在风险:

> “The really the only way to be productive with an agent is to put it into allow all or Yolo mode and just let it do its thing. But a lot of organizations won't let you do that because that's inherently unsafe.” > —— Burke Holland

为了防范全自动模式(YOLO 模式)可能带来的环境破坏与密钥泄露(Exfiltration)隐患,Codespaces 提供了严密的沙箱与凭据保护。此外,开发服务器启动后可直接开启端口公共访问,让现场观众无缝直连开发环境并进行投票。

两人随后确立了投票系统的核心产品功能边界: - 必须是一个轻量级 Web 页面。 - 界面需要列出 1 到 4 号选手的选项。 - 能够实时动态刷新并展示每个选项的计票状态。 - 提供最终决出和展示胜者的交互机制。

---

[08:00](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=480s) 产品工程思维、AI 迭代模型与极简技术栈抉择

针对只剩 36 分钟的紧迫倒计时,Kent C. Dodds 提出了“产品工程师”(Product Engineer)的核心交付思维。他主张必须切成细粒度、可即时发布的交付切片(Shippable chunks):第一步绝不是追求一步到位,而是快速生成一个最简主页并跑在 Codespaces 上,通过生成二维码确保全网通路打通,然后再逐步累加核心逻辑。

谈及原型设计过程,Kent 将软件工程开发模型的演进做了生动的对比: - **瀑布模式(Waterfall)**:全程像黑盒,直到最终交付才发现根本不是客户想要的。 - **敏捷模式(Agile)**:从滑板到滑板车再到汽车,形态逐步渐进变化。 - **AI 氛围编程(AI Vibe Coding)**:AI 往往一上来就给你生成一辆堆满复杂零件的“超级大卡车”(Mega car),开发者随后要做的是做减法,把多余的代码剔除并收敛到实际需要的部分。

在确定技术栈时,底层的 AI Agent 自动进入规划模式(Planning mode),甚至提议引入 Next.js 等全栈框架。Kent 果断拒绝引入复杂臃肿的框架,明确表态对于这种极简且时间敏感的单页面需求,直接使用原生技术(Vanilla HTML/JS/CSS)配合基础服务即可胜任,尽量避免不必要的框架抽象包袱。

- 关键考量:避免现代 Web 框架的打包与依赖开销,在受限时限内最大化执行稳定性。 - 战略打法:初期 Prompt 保持高容错度,让 Agent 自由生成后由人类进行雕琢与收敛。

[10:08](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=608s) 极简前端与“对话即计划”哲学

在现场演示的这一阶段,演讲者们一边看着 AI 代理生成投票应用的首页,一边探讨现代前端开发的复杂度问题。当前的应用非常轻量,根本不需要复杂的 Tree Shaking、模块打包流水线,甚至没有热模块替换(HMR),这反而让人重温了当年直接写原生 HTML 和 JavaScript 就能构建网页的纯粹感。当被问及为什么直接跳过了显式的架构规划阶段时,演讲者分享了他在 AI 代理辅助编程中截然不同的工作模式:对全新的小项目而言,前期长篇大论的静态计划是不必要的,“对话本身就是计划”。

在大型、包含数十万甚至数百万行代码的代码库中构建功能时,这种协作模式更加精细。开发者不会盲目要求模型直接写代码,而是先向 AI 代理提出一系列自己其实已知答案的问题,借此将架构设计、底层系统与核心原语(Primitives)准确注入上下文。通过多轮对话校准事实,等上下文完全充实且符合预期后,再下达最终执行指令。屏幕上生成的页面呈现出浓郁的“AI 典型设计风格”——标志性的深色背景搭配亮紫色渐变色调。他们打趣要给场下的挑战团队留出几分钟冲刺时间,随后回到了投票系统的核心功能需求上:如何让现场观众直接用手机参与投票。

```mermaid flowchart LR accTitle: 对话即计划迭代工作流 accDescr: 展示开发者如何通过与代理问答注入系统上下文,确认后再触发执行生成代码的流程。

subgraph ContextBuilding["上下文对齐阶段"] A["开发者提问已知架构问题"] --> B["代理检索并回答系统原语"] B --> C["上下文包含完整架构约定"] end

subgraph Execution["代码执行阶段"] C --> D["开发者下发明确执行指令"] D --> E["代理生成极简 Vanilla 前端代码"] end ```

- 架构理念:面对小型工具应用时抛弃笨重的打包与构建工具,采用极简的 Vanilla HTML/JS/CSS,降低运行环境开销。 - 代理交互范式:正如演讲者所论述的,“对话本身就是计划,你通过在此基础上不断迭代来达到最终成果。”(“The conversation is the plan. And you iterate on that to get to the ultimate end result.”)

---

[12:00](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=720s) 现场动态生成二维码与 Unpkg 排错折磨

为了让现场所有参会者通过手机端进入应用投票,首要任务是在首页上展示一个访问二维码。虽然页面上还有一些多余的登录按钮等残余组件,但首要优先级是连通性。在传递目标网页链接时,原本计划手动硬编码 URL,但同伴指出完全没必要:直接告知代理利用前端脚本读取 `window.location` 动态生成即可。由于项目坚持使用最轻量的纯前端技术栈,AI 代理没有从头手写整个二维码生成算法,而是通过 `<script>` 标签从第三方 CDN 引入了 `qrcode.js`。

然而代码在浏览器运行后直接抛出异常,二维码并未显示。打开开发者工具(macOS 快捷键 `Command + Option + I`)后,Console 面板报错 `QRCode is not defined`,Network 面板清晰记录着该脚本的 HTTP 404 资源未找到错误。为了快速修复,开发者指示代理改用著名的 npm 镜像分发服务 Unpkg。但刷新页面后,整个界面甚至变得空空如也,连原先的元素都消失了。两人不得不重新翻出古老的“查看网页源代码(View Source)”排查手段。通过在浏览器中点击并截断 Unpkg 的包目录链接(保留版本路径末尾的斜杠以浏览目录树结构),他们惊愕地发现包内的构建产物竟然缺失文件扩展名。在现场排障陷入僵局的关头,主讲人决定将二维码库的修复任务交给同伴,自己则下台去巡视检查其他三组挑战者的进度。

- 调试要点:CDN 资源拉取失败导致全局变量未挂载,代理直接采用默认 URL 容易踩中过时版本的路径变动坑。 - Unpkg 使用经验:Unpkg 是极其便利的免安装测试 CDN,但缺乏正式的企业级 SLA 保证;开发者调侃现场硬刚排错是“我们现在正在拿一切冒险”。

---

[15:44](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=944s) 巡视各路特工:高推理模型与多代理编排实验

主讲人来到台下检查其他开发者的进度。第一位登场的是负责 VS Code 各类模型集成的核心成员 Julia。她正处于本地 VS Code 的 Azure 模式下,挑选了最新的 GPT-5.5,并开启了高推理(High Reasoning)设置。Julia 解释道,OpenAI 在观察到社区里充斥着过多由 Claude Opus 生成的前端 UI 风格后,专门对新一代模型的前端开发能力做了针对性优化,因此她决定用 Vite 脚手架对 GPT-5.5 的高推理能力做一次极限单次(One-Shot)生成测试。模型先是规划了一份 `idea.md` 说明书,随后便自主开展全程编写,整个过程仍在持续运算中。

接着主讲人转向 Chris。Chris 正在开发一款支持实时协作与 Markdown 编辑的工具。他的工作流展现了一种经典的“编排者与子代理(Orchestrator & Sub-agents)”架构模式。令人意外的是,他没有使用复杂的外部多代理框架,而是纯粹依靠精确的 Prompting 和多工作区切换实现了跨模型协同:选择推理极其深度的 Claude Opus 作为主架构规划者(Planner),制定功能蓝图并下发子任务,而底层具体的代码编写与接口实现则交由专门的 Codec 模型落地。此时主讲人借机向现场观众郑重介绍了 Julia 的幕后贡献——VS Code 与 GitHub Copilot 中每次上线新的大模型背后都离不开她无数个熬夜攻坚的夜晚,全场随即响起了热烈的掌声。

```mermaid flowchart TD accTitle: Chris的多模型多代理协作拓扑 accDescr: 展示Claude Opus作为规划编排者,搭配Codec模型执行代码落地的架构。

subgraph OrchestrationLayer["编排规划层"] A["开发者提示词 Prompt"] --> B["规划代理: Claude Opus (高推理能力)"] B --> C["系统设计与分解任务规划"] end

subgraph ExecutionLayer["执行落地层"] C --> D["子代理: Codec (专业代码生成)"] D --> E["实现 Markdown 编辑器基础骨架"] end ```

- Julia 的前沿选型:在 VS Code 中直接使用 GPT-5.5 开启 High Reasoning 模式,对模型的前端布局能力进行单指令端到端(One-Shot)压力测试。 - Chris 的分层编排:正如 Chris 描述自己常用的多代理实践所说:“我通常使用的一种模式是让一个代理来做规划并构建方案,然后再由几个子代理来执行。”(“That's kind of a pattern I use typically is have someone that does like a plan and builds it out and then you have some sub agents.”) - 跨模型配合策略:利用 Opus 的上下文推理与架构抽象能力做 Planner,换用针对性优化过的 Codec 模型承担具体编码,实现成本与准确率的最优解。

---

[18:16](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1096s) “VS Code 本身就是答案”:计划模式的实战落差

主讲人最后来到了第三组开发者(Burke 与 Pierce)的工位前。Pierce 一见到主讲人便半开玩笑地发难,指出主讲人给出的挑战需求是“实时、多人、协作式的 Markdown 编辑器”,而作为每天在 VS Code 生态内工作的工程师,这个轮子早就完美存在了——那就是“VS Code 本身加上 Live Share 扩展”,根本不需要重新发明一遍。现场一片欢声笑语,主讲人连忙打断并调侃大家别顺着他的话偷懒。

Pierce 随后展示了他通过 GitHub Copilot 应用内的“计划模式(Plan Mode)”所做的尝试。同样搭载了 GPT-5.5 High Reasoning,系统迅速构想出了一整套实现方案。然而作为 VS Code 团队成员,Pierce 对 AI 提出的规划表达了小小的失望:代理完全没有推荐微软自家的 Monaco Editor(即 VS Code 底层的代码编辑器引擎)作为基石,反而一连推荐了 CodeMirror 等另外五款开源编辑器,迫使他必须介入干预。更具戏剧性的是现场效果的“虚假繁荣”——虽然界面上已经渲染出了双栏编辑器与预览排版,但当他实际在输入框里打字时,右侧的文本根本没有产生任何联动与同步。这直观展现了自主代理在当前阶段的现实状态:能够极其迅速地拼装出具有迷惑性的前端静态外壳,但深层的事件监听、状态同步和业务逻辑依然漏洞百出,距离真正可用仍有繁重的工作要攻关。

- 计划模式对基础设施的偏见:尽管使用了顶级模型,Copilot 的 Plan Mode 在搭建代码编辑应用时并没有首选底座生态内最强的 Monaco Editor,而是默认转向了更通用的第三方开源组件如 CodeMirror。 - 代理原型与生产逻辑脱节:正如 Pierce 指出界面表象与真实绑定的割裂时所言:“但这一切全是假的;比如我走到这边来,这里和那里根本不是一回事,所以我们还有得忙。”(“Oh, whoa. But this is all fake. Like I went over here and this is not the same as this. So we have work to do.”)

[19:29](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1169s) Harald 的调研与设计探索 Agent

在调侃完“实时协作应该很容易,这都是已经解决的老问题”之后,主持人和台上的讲者转向了 Harald Kirschner。Harald 介绍了自己在过去几分钟内启动的工作流程:他没有直接动手写代码,而是首先指派了一个 Agent 进行前沿调研,查询市面上现有的 Markdown 编辑器是如何运行的。对于这种借鉴思路的做法,现场打趣道:“这是要做一份研究报告,把所有好点子全抄过来,还是根据现有成果挑最好的?” Harald 坦率地回应:“特别是在你需要在 45 分钟内交付上线的情况下,就更该这么做。”

紧接着,Harald 派出了一个专门的设计探索 Agent(Design Agent),一口气生成了三种不同的 UI/UX 设计方案(A、B、C)。设计方案各有侧重:有的侧重于如何优雅地管理会话;有的则给出了一整套设计原理,旨在让代码评审变得更容易、使会话的演进与编辑逻辑更加顺畅。Harald 强调,在 multi-agent 协作中管理上下文是核心痛点,当系统把开发者重新扔回某个执行计划时,开发者需要极其充分的上下文信息。在展示生成的 UI 原型时,大家注意到方案 A 上甚至附带了一个精致的便利贴(Post-it)小标记,虽然某个方案在当前屏幕上的排版还不够完美,但大家对能直接把评论做成便利贴的设计感到非常惊艳。

- Harald 的调研 Agent 负责收集既有 Markdown 编辑器的实现与最佳实践。 - 设计 Agent 并发产出了三套设计草图(Mocks),用于权衡会话管理与审查流程的交互。

---

[21:01](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1261s) 投票页上线、候选人录入与轻量模式之争

镜头切回 Kent C. Dodds 的进度,他在 GitHub Codespaces 中搭建的投票应用已经生成了现场观众可以直接扫描的 QR 码。在现场观众的一阵掌声中,大家纷纷掏出手机扫码。Kent 提醒大家,扫码打开页面时会看到一个连接到 Codespace 的小免责声明,“直接点掉就行,别去细读”。为了让页面更纯粹、更快速地投入使用,Kent 直接删掉了登录页面,并坚决将应用改成了浅色模式(Light Mode),Kent 对此直言:“我把它改成了浅色模式,因为浅色模式就是最好的模式。”(“I made it light mode because light mode is the best mode.”)

在交互逻辑上,生成代码的 Agent 原本预设了多场挑战赛的复杂流程,但本次比赛只有一场,因此 Kent 要求将其精简为单页应用(One-pager)。此时 Agent 在对话框中主动提问:观众需要投票的四个选项是什么?是团队名、项目标题,还是先用占位符?台上商量后决定直接输入四位参赛选手的名字:Julia、Chris、P-Bog(Pierce Boggan)和 Harald。随后台上还讨论起是否应该允许每个人重复多次投票(刷票),观众席对公平性反响不一,有人觉得不该多投,也有人调侃后面有观众已经跃跃欲试准备写脚本刷票了。

```mermaid flowchart TD accTitle: 现场投票应用架构流程图 accDescr: 展示从用户扫码到数据持久化及未来 WebSocket 推送的架构流程

subgraph ClientSide ["客户端 (手机浏览器)"] Scan["观众扫码访问 Codespace"] VoteAction["点击选手卡片发起投票"] end

subgraph ServerSide ["服务端 (Node.js 模块)"] ReqHandler["请求处理模块"] EventEmitter["单租户 EventEmitter"] JSONStore[("votes.json 文件持久化")] WSModule["未来接入: WebSocket 推送"] end

Scan --> VoteAction VoteAction -->|"发送投票请求"| ReqHandler ReqHandler -->|"写入数据"| JSONStore ReqHandler -->|"触发变更事件"| EventEmitter EventEmitter -.->|"广播更新"| WSModule WSModule -.->|"实时刷新柱状图"| ClientSide ```

---

[23:22](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1402s) 模型选择的玄学:从 Opus 4.6、GPT-5.5 到 Codespaces 限制

在 Agent 消化新指令并重新编译投票界面的间隙,台上聊起了底层使用的 AI 大模型。Kent 当前的界面默认停留在 Claude Opus 4.6 上。讨论中提到,平时大家更倾向于使用 GPT-5.5,或者在 Cursor 里使用基于 Kimi 的 Composer 2.5。Kent 发现当前环境里只有 GPT-5.4,便继续留在了 Opus。之所以没能直接切到更新的 GPT-5.5,是因为他们当前正运行在 GitHub Codespaces 容器内,并未登录具有最新模型权限的生产账号。

这段插曲引发了大家对大模型迭代周期的感叹——仅仅两个月前的顶级模型,在快节奏的 AI 工具链中已经让人产生了一种“来自遥远过去(blast from the past)”的怀旧感。讲者们还开玩笑说,私底下对 Opus 4.6、4.7 和 4.8 之间的细微表现差异有着很多深刻看法,不过这些“只能等闭麦之后再聊”。随后大家检查了页面渲染效果,确认卡片在手机端响应式排版正常,但一刷新页面数据就会丢失,暴露出尚未实现持久化存储(Persistence)的缺陷。

- 模型偏好对比:日常主力偏向 GPT-5.5 或 Cursor Composer 2.5(Kimi 内核),当前环境受限使用 Opus 4.6。 - 手机端检查:投票选项支持单页响应式排版,但急需解决刷新数据重置的问题。

---

[25:00](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1500s) 极速架构决策:JSON 文件持久化与 WebSocket 设计

此时距离整场比赛结束只剩下 18 分钟(扣除评审时间,实际可用编码时间只有大约 12 分钟)。在如此紧迫的时间压力下,他们必须在数据存储方案上做减法。面对 SQLite 还是 JSON 文件的抉择,Kent 指出在当前的简单业务场景下,SQLite 相比直接读写 JSON 文件没有任何明显优势,因为运行环境本身就带有本地文件系统。

更关键的挑战在于让现场所有人的屏幕能实时同步票数变化。这意味着后端需要一个“发布-订阅(Pub/Sub)”通知机制,最终必须借助 WebSocket。为了让 Agent 能够分步骤稳妥构建,Kent 采取了渐进式提示词策略:先指示 Agent 编写一个 Node.js 服务端模块,专门负责把投票持久化保存到 `votes.json` 中,并在数据发生变更时维护状态追踪;同时在提示词里埋下伏笔——“告诉它我们稍后会把这个模块与 WebSocket 对接”。这样 Agent 会在架构设计上提前预留出单租户的事件发射器(Event Emitter),从而在一轮对话内就搭建好了可供实时系统复用的底层架构。

---

[26:50](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1610s) 现场观众调查与 LLM 交互技巧:别再删错别字了

在等待 Agent 写入文件系统的间歇,主持人对现场观众的技术栈进行了即兴调查:台下有大量观众正在 Visual Studio 和 VS Code 中深度使用各种开发 Agent,也有不少人举手表示昨天刚体验了全新的 GitHub Copilot 独立应用,还有部分开发者偏好 VS Code 内置的 Agent 功能以及命令行 CLI 工具。

看到 Agent 准确地用单租户 EventEmitter 实现了持久化接口,Kent 准备进行下一步:暂时不直接接入复杂的 WebSocket,而是先打通前端点击卡片向服务端发送记录投票请求的链路。借着打提示词的过程,Kent 给所有使用自然语言编程的开发者分享了一条至关重要的实用建议:“顺便提醒一句,我在这里没用语音输入是因为这是在 Codespace 里,我没提前装好语音模块。但如果你是在给 Agent 打字,根本没必要回头去改打错的单词。不知道你们注意到了没有,我打出来的很多词甚至都算不上是单词,但这根本无所谓。大语言模型极其擅长理解语言,这就是它们的本行。所以如果你还在不停按退格键修改错字,别再那样做了。你不需要写得完全准确;如果你的母语不是英语,直接用母语跟它对话就行,效果非常惊人。”

随着话题展开,主持人提到自己看过一部 AI 纪录片,里面预言未来的 AI 之间为了极致的效率,会演化出人类根本无法理解的语言进行通信。他随即向全场抛出一个思考题:“对 AI 来说,用来交流的最高效语言到底是什么?”台下观众给出了各种大胆的猜想,包括世界语(Esperanto)和中文普通话(Mandarin)。主持人表示中文在榜单上能排到前列(但不是第一),并故弄玄虚地表示自己手中已有确切答案。

[29:14](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1754s) 英语作为 Agent 提示词语言的优势与选手巡视开始

在等待各路选手构建作品的间隙,主持人闲聊起为什么当前给 Agent 写指令时英语依然是默认的最佳语言。核心原因在于英语具有极强的语义承载力(semantically heavy),比如像“bucolic”(田园风光的、乡村风味的)这样的词汇,能够直接给 Agent 传递非常丰富且微妙的语义上下文,再加上模型训练数据中英文语料占据了极大比例,这让英文成为目前指导 Agent 的最合理语言。随后,主持人打趣自己只是在拖延时间,并决定兵分两路前往各选手的工位检查进度。此时比赛只剩下大约 10 分钟。

---

[29:41](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1781s) Julia 的多用户协同编辑器与模型切换策略

巡视的第一站是 Julia。面对仅剩 10 分钟的紧迫时间,Julia 表现得非常自信,但她坦言在刚才的实现过程中不得不中途更换了模型:“GPT-5.5 表现非常出色,然后把我的 UI 弄乱了一点点。”(“The GPT-5.5 did a great job and then it messed up a little bit of my UI.”)为了收拾界面上的烂摊子,她切换到了 Claude Opus 4.6 来完成最后的 UI 修补。

Julia 展示了她目前的成果:屏幕上并排开着两个分屏窗口,清晰地模拟了两个不同在线用户的协同场景。系统已经能够检测到用户上线,她在其中一个窗口输入文字,另一侧响应迅速、动作敏捷。不过她也注意到了一点小缺陷——界面上的用户名目前显示得像是同一个人,接下来需要更新成两个不同的用户名。此外,她还内置了类似实时分享链接(Share Link)的功能,整体架构基本上是通过“一发命中(one-shot)”完成的,这令主持人大为赞叹。

```mermaid flowchart LR accTitle: Julia 的模型协同修复流 accDescr: 展示 GPT 5.5 负责基础构建与 Opus 4.6 负责界面修复的分步流程

subgraph Phase1["第一阶段:核心构建"] A["初始需求提示词"] --> B["GPT-5.5 核心逻辑生成"] end

subgraph Phase2["第二阶段:UI 修补"] B -->|"UI 出现排版混乱"| C["切换至 Claude Opus 4.6"] C --> D["双窗口协同编辑器 UI 修复"] end ```

---

[30:45](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1845s) Christian 与 Pierce:从终端 Markdown 渲染到 Copilot SDK “范围蠕变”

来到第二位选手 Christian 的工位前,主持人确认他完全是在命令行界面(CLI)中进行开发。Christian 实时展示了他的控制台应用,画面看起来就像是一个运行在终端里的 Google Docs Markdown 实时预览器。虽然排版在视觉上还谈不上精致,但能够把输入的原始 Markdown 内容直接在终端中进行结构化渲染,已经让主持人和台下观众印象深刻。

紧接着视线转向了 Pierce。Pierce 正在 GitHub App 内置的浏览器环境中工作,构建带有实时预览的 Markdown 编辑器,并且已经实现了实时协同响应。当被问及下一步计划时,Pierce 展现了十足的野心: - **表情快捷输入**:添加类似 `:smile:` 的冒号 Emoji 语法支持,他坚称“任何条形码演示要是没有这个就不算完整”。 - **内置虚拟宠物**:在编辑器中植入类似 VS Code Pets 的互动小挂件。 - **文档一键生成**:结合 Copilot SDK 自动生成文档内容,好让自己能够“更彻底地享受 Vibe 编程”。

主持人笑着吐槽 Pierce 正在对所有人进行赤裸裸的“需求范围蠕变(Scope Creeping)”,功能越堆越多,让现场充满了紧张又欢脱的竞争气氛。

---

[32:03](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1923s) Harald 的极致多 Agent 竞赛:架构研究与三路 Git Worktree 并行

来到 Harald 的工位时,他抛出了一句语惊四座的话:“已经做完了。”(“It's already done.”)原来他在动手之前就跑了三个前置原型,挑选了自己心仪的功能组合成一个整合原型,同时还启动了一个独立的研究型提示词(research query)来专门分析系统架构。

Harald 将架构调研报告与前置原型结合,直接派生出三个 Agent,在不同的 Git 工作树(worktree)中并行实现,甚至让它们进行内部竞标,看看最终哪一个版本胜出。这三个 Agent 拿着略微不同的 Prompt,比如有的要求“基于 Copilot CLI 会话历史提取全部计划”,有的则侧重不同切入点;底层模型也各不相同——两个跑在 GPT 上,另一个跑在 Claude Opus 4.6 上,直接形成了跨模型的竞技场。面对主持人关于他“对成本完全不敏感、为什么开 3 个而不是开 12 个”的调侃,Harald 幽默地表示上次比赛他也用了这招,虽然最后没赢,但在自己心里他已经赢了。

Harald 还分享了他在编写 `AGENTS.md` 规范文件时的独特心得。面对其他选手的标准操作,他特别强调自己的 `AGENTS.md` 明确规定了不要过度将它当成正式产品去建构,否则重构起来就如同搞复杂的数据库迁移一般痛苦;他的核心原则是必须保持极度敏捷,一旦业务需要调头转向,随时可以把所有的东西彻底推倒重来。

---

[34:00](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2040s) 现场投票器演练与“海报板”设计体系的 Agent 批量生成

在台上,主持人 Kent Dodds 和 Burke Holland 正在争分夺秒地搭建供现场观众互动的实时投票 Web 页面。他们通过向本地 JSON 文件写入投票数据,并指挥 Agent 接入了 WebSocket 实现了双窗口即时通信测试。但为了让页面在正式公开时不显得太简陋,Burke 决定用自己的专属设计系统将应用彻底“美化升级”(make this app pop)。

Burke 掏出了基于 Claude Opus 4.6 的个性化定制 Skill,该技能封装了他长年使用的一套名为“海报板(Poster Board)”的美术设计体系: - 严格限定的调色板(Color Palette)与排版规范(Typography)。 - 明确禁止 AI 使用的俗套样式负面提示。 - 让项目保持高度统一的家族化视觉风格(无论是白昼还是暗黑主题)。

Burke 在命令行中执行了 `fleet` 命令,尝试让多个子 Agent 并行并发工作,他的指令非常干脆:“给我生成这个网站的 10 个设计模型,放在同一个文件里,采用 Poster Board 美学风格。”(“Give me 10 mocks for this site. Put them in the same file. Use the poster board aesthetic.”)虽然底层路由机制由于所有生成内容都要写进单一文件而判定无法拆解为并行并发任务,退回到了单智能体常规模式,但 Burke 强调了这种工作流的核心——一次性让模型吐出 10 套方案,人工挑出最满意的一版,再让 Agent 围绕该方案裂变出下 10 版,层层筛选打磨出最佳设计,让不会画画的开发者也能秒变专业设计师。

```mermaid flowchart TD accTitle: Poster Board 迭代筛选工作流 accDescr: 展示利用 Agent 一次性产出十个原型方案并循环迭代至终稿的流程

A["输入设计需求 + Poster Board Skill (配色/字体/避坑点)"] --> B["Agent 生成 10 套页面原型 (集中在单文件)"] B --> C["人工快速视觉比对,挑选最优方案"] C --> D{"达到预期效果?"} D -- 否 --> E["基于选定方案要求 Agent 再裂变 10 套衍生方案"] E --> B D -- 是 --> F["锁定最终界面实施上线"] ```

在等待设计生成的倒计时 7 分钟里,舞台上的紧张感逐渐让位于轻松的寒暄。两位主持人向台下观众打听今晚是否有派对或上映的新电影,并聊起了前一晚在 Microsoft Build 现场举办的 The Chainsmokers(烟鬼组合)音乐狂欢派对。音响系统震耳欲聋、声浪直冲胸膛的火爆场面,成了科技展会高强度脑力对决之余最生动的谈资。

[38:18](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2298s) 幕后轶事与现场投票服务部署

在黑客松计时收尾阶段,主持人们在台上聊起了大会主题演讲(Keynote)幕后的趣事。有人回忆在后台楼梯旁和 Kayla 聊天时,看到一群人围着两个男生,走近才发现竟然是著名音乐组合 The Chainsmokers(烟鬼组合),大家纷纷打趣当时错过了击掌、合影以及“走向出名”的机会。现场的气氛随即转回舞台上的 Agent 开发竞技,主持人打趣道:“This is the era we're in where we just watch agents cook.”(我们现在所处的时代,就是坐看智能体在那里‘大火爆炒’做开发)。

为了让现场观众参与最终评审,主持团队开始配置实时投票服务。他们利用 GitHub Codespaces 快速将本地运行的端口(如端口 4000)设为公开访问(Public Port Visibility),并生成供全场扫描的 QR 码。在链接生效后,投票数据即刻开始在手机端联动,后台甚至立刻收到了针对 Julia 和 Harald 的初始测试票。主持人和台下观众开起玩笑,探讨是否存在防重复投票机制,或者大家是否能通过“狂刷刷新网页”来给自己支持的选手灌票。

```mermaid flowchart LR accTitle: 现场观众实时投票工作流 accDescr: 展示 GitHub Codespaces 端口公开到观众手机扫码投票的链路

subgraph Host["主持人环境 (Codespaces)"] A["运行投票服务<br/>(Port 4000)"] --> B["端口可见性设为 Public"] B --> C["生成新访问链接与 QR 码"] end

subgraph Audience["观众端互动"] C --> D["现场手机扫码打开 Web 端"] D --> E["实时提交投票数据并刷新计数"] end ```

---

[40:01](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2401s) 倒计时混乱与 Julia 的极简分屏原型

比赛进入最后 4 分钟倒计时,工作台出现了一些突发的技术小混乱。主持人在尝试通过 VS Code 预览生成的模型原型文件(`mocks.html`)时遭遇卡顿,文件在终端报告已创建后未能立刻刷新显示。面对仅剩 3 分钟的紧迫时间,大家决定放弃在编辑器里深究预览按钮为何失灵,直接进入选手现场演示环节,每位选手限时 20 秒快速展示多 Agent 协同构建的产物。

Julia 第一个登台展示她的工作成果。她构建了一个极简风格(Minimalistic)的协作编辑器,主要特性包括: - **分屏视图与工作区管理**:支持分屏操作,用户可以任意重命名工作区并极其轻松地新建文件。 - **个性化与氛围营造**:用户不仅可以更改自己的显示昵称,还能自由挑选更换各色 Emoji 表情以调节协同氛围。 - **编辑轨迹追踪**:加入了历史追踪功能,点击特定按钮即可查看“某段修改是由谁在何时以何种方式完成的”。 - **一键分享**:页面顶部提供快捷分享链接,方便快速拉入团队成员。

---

[42:14](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2534s) Chris 的 GitHub Primer 风格编辑器与 Pierce 的踩坑历程

随后轮到 Chris 展示。他的界面引入了完整的侧边栏架构,支持多文件切换与新建,核心编辑区则是一个所见即所得(WYSIWYG)的 Markdown 编辑器。在样式上,他借助多 Agent 调度引入了 GitHub 的官方 Primer 设计库,打造出正统的 GitHub 风格主题;顶部还展示了代表各个协作者的用户头像卡片(Tiles)。Chris 提到,后台甚至有一个 Agent 专门利用 Playwright 在无头浏览器中截取页面评估视觉渲染,并试图自主修补缺失的依赖包。

轮到 Pierce 时,现场气氛变得十分欢快而戏剧性。Pierce 在上一轮中尝试大改逻辑,结果遇到了 API 崩溃的危机,幸亏在 Chris 演示的几十秒内系统终于重新启动完毕。Pierce 自嘲道:“I was like, I've added emojis and regressed all the functionality.”(我当时心里直犯嘀咕:我不过是加了几个 Emoji,结果把整个功能全都给搞退化了)。虽然未能套上精美的 Primer 库,但他成功展示了文本选中后跳转、滚动以及添加内嵌评论(Comments)的交互流程,被主持人调侃为功能完全可用(Serviceable)的实用主义原型。

---

[44:01](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2641s) Harald 的 Plan.md 驱动架构与终局夺冠

比赛进入倒计时最后 1 分钟,压轴出场的 Harald 拿出了极为硬核的原型展示。Harald 强调自己在产品经理的视角下,核心目标是摆脱传统手动修改 Markdown 的低效:“I don't want to edit markdown anymore. I want my agent to edit markdown.”(我再也不想自己去编辑 Markdown 了,我想让我的智能体去编辑 Markdown)。他构建的系统展现出高度的自动化与多 Agent 协同能力:

- **读取 Plan.md 自动化生成**:系统包含多达 22 个迭代版本,后台直接扫描本地已有的 `plan.md` 任务计划书,将构建原型的设计过程自动反哺成协作界面。 - **类 Google Docs 的富协作体验**:界面集成了活跃历史日志(Activity Log)、划词批注系统,并内置快捷提示词功能(Quick Prompts)与交互式修改建议。 - **多原型融合**:后台原计划派发给 3 个 Agent 并行探索的不同设计方向,最终在演进中被提炼合并进统一方案。

在时间跳至负数(超载 23 秒)时,全场进入手机实时投票环节。主持人调出端口 4000 的统计大盘,Harald 的得票数一路领跑。主持团队随即宣布 Harald 赢得本次黑客松冠军:“I think we're going to have to say it was Harold. He won in his heart and with the votes.”(我们必须宣布胜者是 Harald,他不仅赢得了选票,也赢得了大家的心)。全场对顶住压力现场编码的所有选手致以热烈掌声,并在对后续关于 MCP(Model Context Protocol)与 GitHub Copilot 相关专题议程的预告中圆满结束了本次演讲。

## Notable quotes > [05:39](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=339s) The really the only way to be productive with an agent is to put it into allow all or Yolo mode and just let it do its thing. But a lot of organizations won't let you do that because that's inherently unsafe. — Burke Holland

> [44:01](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2641s) I don't want to edit markdown anymore. I want my agent to edit markdown. — Harald Kirschner

> [26:50](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1610s) 大语言模型极其擅长理解语言,这就是它们的本行。所以如果你还在不停按退格键修改错字,别再那样做了。你不需要写得完全准确;如果你的母语不是英语,直接用母语跟它对话就行,效果非常惊人。 — Kent C. Dodds

## Mentioned Burke Holland, Kent C. Dodds, Julia Kasper, Christian Reddington, Pierce Boggan, Harald Kirschner, Visual Studio Code, Microsoft Build, OpenAI, GPT-4, GPT-5.4, GPT-5.5, Claude Opus, Claude Opus 4.6, Codec, Cursor, Composer 2.5, Kimi, GitHub Codespaces, GitHub Copilot, Copilot CLI, Live Share, Monaco Editor, CodeMirror, Vite, Next.js, Node.js, WebSocket, Unpkg, GitHub Primer, Playwright, The Chainsmokers, Model Context Protocol

## Video description Building with one agent is familiar. Orchestrating a fleet of them in parallel across local, background, and cloud surfaces is where it gets real. You'll see the decisions that matter, how to decompose work across agents, when to fork vs. delegate, and how to verify quality when agents outnumber you. Leave with patterns for multi-agent workflows you can apply to your own codebase tomorrow.

Seating for this session is first-come, first-served. Add it to your schedule to plan your day and arrive early to secure a spot.

To learn more, please check out these resources: * https://aka.ms/build26/BRK201

𝗦𝗽𝗲𝗮𝗸𝗲𝗿𝘀: * Julia Kasper * Harald Kirschner * Burke Holland * Kent Dodds * Christian Reddington * Pierce Boggan

𝗦𝗲𝘀𝘀𝗶𝗼𝗻 𝗜𝗻𝗳𝗼𝗿𝗺𝗮𝘁𝗶𝗼𝗻: This is one of many sessions from the Microsoft Build 2026 event. View even more sessions on-demand and learn about Microsoft Build at https://build.microsoft.com

BRK201 | English (US) | Developer tools & frameworks

Breakout | (300) Advanced

#MSBuild

[Source](https://www.youtube.com/watch?v=n-ifKF4tn-4)

中文简报

Kirschner凭借多Agent Git集群赢得微软编程竞赛 在具有严格行为边界的隔离Git工作树中并行部署多个基础模型,在快速搭建复杂软件骨架方面优于单Agent迭代。 主持人Burke Holland与Kent C. Dodds组织了一场节奏明快的“氛围编程(vibe coding)”竞赛,挑战四位微软工程师——Julia Kasper、Christian Reddington、Pierce Boggan和Harald Kirschner——使用不同的Agent环境从零构建一个基于云的协作式Markdown编辑器。参赛者使用了从本地VS Code Agent、终端CLI编排到Git工作树及多模型流水线等各种工具,与此同时,两位主持人也在GitHub Codespace中同步构建了一个实时的公开投票Web应用。参赛者在快速迭代功能、应对Agent幻觉并完成模型交接后,进行了每人20秒的极速原型宣讲。最终,Harald Kirschner凭借结合了后台调研、并行工作树Agent以及Agent辅助文档协作的原型赢得了观众投票。 四位微软工程师在现场竞赛中展示了不同的多Agent范式,在45分钟内使用GPT-5.5、Claude Opus 4.6和Codex从零构建了一个实时协作式Markdown编辑器。 (2:54) Harald Kirschner通过使用Git工作树在异构模型间并行运行后台Agent,综合多个探索性原型而非依赖单次迭代运行,从而锁定了胜局。 (32:03) 无限制的“Yolo”Agent执行需要安全隔离;主讲人在云端托管的GitHub Codespace中运行其实时投票应用,以防止本地密钥泄露,同时公开端口供观众投票。 (5:35) 参赛者之间的提示词策略存在分歧:Julia Kasper成功通过综合自`idea.md`文档的提示词一次性生成了架构,而Harald则通过`AGENTS.md`文件施加行为约束以防止产品过度工程化。 (15:43)

精炼阅读摘要

在 Visual Studio Code 团队举办的现场编程竞赛中,开发人员展示了如何利用高推理模型、多模型协同以及 Git 多工作区等智能体(Agent)模式在极短时间内从零构建协作应用;Kent C. Dodds 等人指出,AI 时代的核心瓶颈已从具体编码转向系统规划与上下文引导。 开发范式转移与上下文对齐策略 (7:15) Kent C. Dodds 认为,由于基础模型极大降低了编写具体代码的门槛,开发者的核心精力应转向明确构建目标与系统边界。在传统的敏捷开发中,产品通常从滑板逐步演进为汽车,但智能体开发往往在初期生成一个堆砌繁杂特性的“超级汽车”,迫使工程师需要主动缩减不必要的模块,例如拒绝引入复杂的 Next.js 等全栈框架,回归无编译负担的原生 HTML 和 JavaScript。针对代码生成前的规划阶段,Kent 主张“对话即规划”。在面对庞大代码库时,开发者应在下达具体实现指令前,通过针对系统架构与原语提问来预先填充智能体的上下文窗口,从而确保模型掌握正确的领域知识。与此同时,直接使用自然语言与模型交流时无需反复修改打字拼写,模型自身的纠错与多语言理解能力足以解析非完美输入。 多智能体架构与多模型协同编排 (17:00) 现场参赛选手展示了多种突破官方文档范式的智能体协作模式。Christian Reddington 采用纯提示词驱动的“编排者-工作者”(Orchestrator-Worker)架构,将 Anthropic 的 Claude Opus 作为高阶规划器,配合 OpenAI 的 Codex 执行底层战术实现,免去了外部编排框架的依赖。Julia Kasper 则展现了跨模型接力的模式:她先使用 GPT-5.5 的高推理配置生成设计规范 idea.md 并单次生成核心逻辑,在前端界面遭遇渲染故障后,无缝切换至 Claude Opus 4.6 完成用户界面的精细修补。Harald Kirschner 的工作流更为激进,他首先利用调研智能体抓取既有 Markdown 编辑器的方案,接着在不同的 Git 工作区(worktrees)中并行启动三个异构智能体(分别挂载 GPT 与 Claude Opus 4.6),通过代码竞赛与优势合并,从多条演化分支中快速拼装出最终版本。 云端沙盒隔离与 AGENTS.md 规范约束 (5:35) 为了让智能体以最高速度运行,开发者通常会开启“完全允许”(Allow-All)或 YOLO 模式,允许其自主执行系统命令与文件修改。Burke Holland 指出,在本地工作站开启此类权限存在文件损坏或凭据泄露的安全风险,因此推荐将智能体隔离在云端托管的 GitHub Codespaces 中运行。这种沙盒环境不仅消除了本地资产泄露风险,还能直接将容器端口设为公开,使观众能够绕过构建与部署流程即时访问运行中的应用。为了防止智能体在缺乏限制的情况下过度构建冗余的企业级抽象,Harald 强调必须借助项目根目录下的 AGENTS.md 文件显式规定行为边界。通过强制要求模型编写易于抛弃、适合快速验证的原型代码,团队得以避免在概念验证阶段背负过重的技术债务与迁移负担。 设计模式库复用与功能蔓延的代价 (34:01) 在快速生成界面时,智能体默认倾向于生成千篇一律的暗黑模式与霓虹紫配色。为了提高设计产出质量,主持人演示了通过绑定名为“Poster Board”的设计技能(Skill),将特定的排版规则、配色板、间距与反设计模式作为外部设计令牌输入给模型,并要求单次生成 10 种页面布局供人工快速挑选与渐进收敛。与此同时,现场比拼也揭示了过度堆砌功能的风险。Pierce Boggan 在基础编辑功能之外接入 Copilot SDK,并试图追加表情选择器与动态挂件,结果导致 API 崩溃、文本交互严重倒退,甚至需要大范围滚动页面才能操作按钮。相比之下,Harald 聚焦于让智能体直接接管 Markdown 结构修改与计划读取,以清晰的操作逻辑赢得了现场最高票数。 该场实战表明,多智能体协同、异构模型分流及 Git 工作区隔离能大幅缩短复杂应用的交付周期,但未经约束的自主生成极易引入状态伪造(Mock)和界面退化。如何设计如 AGENTS.md 等清晰的规范机制,在放手执行与边界控制之间取得平衡,仍是端到端智能体开发的核心挑战。

Detailed notes — zh

## Background 该视频由 Visual Studio Code 官方频道于 2026 年 6 月 4 日发布在 YouTube 上,属于 Microsoft Build 2026 大会的高阶分论坛演讲(BRK201)。根据页面简介,本场活动聚焦于如何超越单智能体开发,在本地、后台和云端并行编排智能体集群,探讨任务拆解、分支与委托决策,以及在大规模智能体协同下保障交付质量的实战模式。 ## TL;DR 本场活动以一场 45 分钟的现场极限“氛围编程”(vibe coding)黑客松展开,四位来自 VS Code 与 Copilot 团队的开发者分别使用原生 VS Code、Copilot CLI、Copilot App 与专用 Agent App,挑战从零构建一个支持云端多人协同的 Markdown 编辑器。与此同时,两位联合主持人利用 GitHub Codespaces 和极简原生技术栈现场手搓出了一套实时观众投票系统。演示过程中,各组选手展示了高推理模型切换、主从 Agent 编排、多 Git Worktree 并发竞标与设计系统生成等前沿开发模式。最终,Harald Kirschner 凭借由 `plan.md` 驱动的多智能体自动化协作原型在现场投票中拔得头筹。 ## Atmosphere & style 整场活动充满了高能且极具技术幽默感的现场黑客松氛围。开场以全场起立深蹲迅速破冰,随后在倒计时的紧迫感与现场写代码排错的真实事故中无缝切换,既有对 Unpkg 脚本报错、API 崩溃自嘲的捧腹瞬间,也有对“人类坐看 Agent 爆炒开发”的时代感叹。主持人与选手之间的插科打诨自然松弛,同时充斥着极度硬核的技术决策交锋,让观众仿佛置身于一场紧张刺激又充满极客乐趣的现场编程狂欢之中。 ## Bulletin - [01:23](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=83s) Microsoft Build 2026 现场举办了多智能体(Multi-agent)即兴编程对决赛,要求四位开发者在约 40 分钟内利用各自的 Agent 工作流从零构建一个支持云端多人协同的 Markdown 编辑器。 - [15:44](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=944s) 参赛选手展示了多元化的多智能体落地模式,包括利用 Claude Opus 规划并搭配 Codec 编码的分层架构,以及在多 Git Worktree 中并行启动三个跨模型 Agent 进行内部竞标探索。 - [44:01](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2641s) Harald Kirschner 凭借基于 plan.md 与多原型探索机制融合出的类 Google Docs 富协同编辑器,在现场观众通过 Codespaces 部署的实时投票系统中赢得冠军。 - [10:08](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=608s) 主持人与讲者指出,面对高自主度 Agent 编程时,长篇的静态规划往往不必要,“对话本身就是计划”,且开发者无需在提示词中频繁纠正打字错别字,LLM 本身具备极强的语义纠错与理解能力。 ## Key takeaways - [01:23](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=83s) 从玩具原型向现实复杂需求跃迁:相较去年用 GPT-4 构建《青蛙过河》像素游戏,新一代强大模型使即兴编程赛题升级为解决跨端实时协同 Markdown 编辑器等真实世界痛点。 - [05:39](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=339s) 自主 Agent 的全自动运行(YOLO 模式)虽能极大释放生产力,但在企业环境中存在安全与凭据泄露风险,GitHub Codespaces 提供了有效的云端沙箱保护与快速端口公开能力。 - [08:00](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=480s) AI Vibe Coding 的工程范式演进:敏捷开发强调从滑板到汽车的递进,而 AI 编程往往起手生成复杂的“超级大卡车”,开发者的核心工作转为做减法并收敛边界。 - [10:08](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=608s) “对话即计划”原则:对于轻量工具无需繁重的脚手架与预置架构,在大型代码库中则可通过向 Agent 提出已知答案的架构问题来校准上下文,确认无误后再下发生成指令。 - [15:44](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=944s) 编排者与子代理(Orchestrator & Sub-agents)拓扑:使用深度推理的 Claude Opus 充当规划者分解任务,搭配代码生成的 Codec 落地具体接口,兼顾架构宏观与代码实现度。 - [18:16](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1096s) 原型视觉与深层业务逻辑脱节:当前 Agent 能极其迅速地拼装出具有迷惑性的前端静态外壳(如双栏排版),但深层的数据联动、状态同步与事件绑定往往是虚假的,仍需人类深度介入。 - [19:29](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1169s) 调研与多原型并发探索:Harald 派发独立的调研 Agent 收集成熟产品方案,同时利用设计 Agent 并行产出 A、B、C 三套不同侧重的 UI 原型以供权衡决策。 - [25:00](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1500s) 极简技术选型原则:在时间受限原型开发中,Node.js 读写本地 JSON 文件配合单租户 EventEmitter 即可替代数据库,并为后续无缝接入 WebSocket 广播预留设计空间。 - [26:50](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1610s) 自然语言编程交互心智:LLM 拥有极强的容错与语义推断能力,开发者在提示词打字时无需频繁按退格键修正拼写错误,母语输入或口语化描述均能达到理想解析效果。 - [29:14](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1754s) 英语因其具有极高的语义密度(如丰富且微妙的形容词)及海量的预训练语料沉淀,在当前指导复杂 Agent 任务时依然是最具表达效率的基础提示语言。 - [29:41](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1781s) 跨模型切换与补救策略:当主力生成模型(如 GPT-5.5)在细节布局出现界面混乱时,灵活切换到擅长前端 UI 修补的模型(如 Claude Opus)能快速完成修复并落地。 - [32:03](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1923s) 多分支竞标与 Worktree 并行机制:Harald 展示了在不同 Git Worktree 中并发运行多个 Agent 探索差异化 Prompt 和模型,并最终挑选胜出版本进行合并的高阶模式。 - [32:03](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1923s) AGENTS.md 规范的核心原则:不要将规范文档过早过度产品化,应保持轻量与高度敏捷,以便业务方向调头时随时推倒重构,避免背上沉重的架构迁移包袱。 - [34:00](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2040s) 批量原型裂变工作流:借助封装了配色与排版规则的设计系统 Skill,指示 Agent 一次性产出 10 套设计原型,人工比对挑选后再指示其派生下 10 套,实现免画图的高效视觉迭代。 - [42:14](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2534s) 功能范围蠕变(Scope Creep)与回归风险:在快速迭代中盲目引入 Emoji、扩展插件等次要需求极易破坏已有核心功能链路,稳住基本可用性(Serviceable)是交付关键。 - [44:01](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2641s) 文档反哺与高度自动化驱动:Harald 通过将已有 plan.md 转化为驱动界面的上下文源泉,融合富文本划词批注与快捷提示词功能,展现了“由 Agent 去编辑 Markdown”的开发范式。 ## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=0s) 开场热身与现场氛围 会议伊始,主持人 Burke Holland 热情欢迎全体观众来到 VS Code 多智能体工作流(Multi-agent patterns in VS Code)的专场,并向大家宣布本场不是单纯的文档宣讲,而是一场现场即兴“氛围编程”(vibe coding)对决。在正式切入主题前,Burke 隆重介绍了联合主持人 Kent C. Dodds。为了调动全场情绪并帮助观众进入学习状态,Kent 提议进行一段简短的体能热身。他邀请现场所有身体条件允许的观众起立深蹲,展开双臂一起完成 12 次深蹲动作,并大声数数。随着全场观众在欢笑中一起数到 12 次深蹲并完成左右侧身拉伸,现场气氛瞬间被充分唤醒。 - 动作要求:全员起立、平举双臂下蹲并大声计数,共计 12 次加全身拉伸。 - 热身理念:Kent C. Dodds 强调运动能促进大脑血液循环,让人吸收知识更加高效。 --- ### [01:23](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=83s) 比赛背景与赛题升级:挑战现实世界需求 热身完毕后,Burke 回顾了去年同期的比赛盛况。在 12 个月前的 Microsoft Build 大会上,OpenAI 刚刚发布 GPT-4,当时参赛者的任务是各凭本事现场手搓一个复古小游戏《青蛙过河》(Frogger),并交由现场观众投票打分。然而仅隔一年,底层模型能力已经发生了质的飞跃。Burke 幽默地调侃今年是否应该让选手直接现场搓出《光环 1》(Halo 1)或《GTA》(侠盗猎车手),引发现场哄堂大笑。 随后话题转入严肃应用,Burke 提出不能再把精力局限在贪吃蛇这样的小玩具上,而应当用 AI 解决真实世界的需求。他在社交平台 X 上看到一条真实用户的发帖痛点:“市面上有没有像 Google Docs 那样、但是专门面向 Markdown 的工具?我需要一个基于云端的协同 Markdown 编辑器。” 这条推文直接成为了当天的终极对决赛题:现场利用 AI 智能体打造一个**支持云端多人协同的 Markdown 编辑器**。 ```mermaid flowchart TD accTitle: 编程挑战演进与目标 accDescr: 对比去年的单体游戏挑战与今年面向真实协作场景的云端协同编辑器赛题。 subgraph LastYear ["去年 Build 大会"] A["GPT-4 时代"] --> B["构建 Frogger 像素游戏"] end subgraph ThisYear ["今年 Build 大会"] C["新一代强大模型"] --> D["解决真实场景痛点"] D --> E["云端多人协同 Markdown 编辑器"] end ``` --- ### [03:52](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=232s) 参赛选手阵容与多智能体工具矩阵 为全方位展示当前多元化的智能体开发形态,现场设立了四位参赛选手,各自代表一种不同的 VS Code 智能体交互载体与工作流: 1. **Julia Kasper**(来自 VS Code 团队):使用 VS Code 原生桌面端及其内置的 Local Agent。 2. **Christian Reddington**(远道从英国赶来):使用 Copilot CLI 命令行界面进行操作。 3. **Pierce Boggan**(VS Code 产品经理):使用全新的 Copilot App。 4. **Harald Kirschner**:使用全新的专用 Agent App。 Burke 宣布了统一的起跑规则:所有选手必须将上述推文中的真实需求原封不动作为第一个 Prompt 提交给各自的智能体,后续如何引导和修改则完全自由发挥。随着 Burke 一声令下,四位参赛者各自在各自的客户端中按下回车,比赛正式计时开始。 --- ### [05:39](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=339s) 观众投票应用构思与安全沙箱环境 在四名选手全神贯注推进协同编辑器开发的同时,Burke 与 Kent 承担起另一项并行的实战任务——为现场观众开发一套全功能的实时投票系统,以便在比赛尾声让现场数百名观众扫码为最佳作品投票。 Burke 阐述了他们为何选择在 GitHub Codespaces 纯云端环境中开发的原因。他直言不讳地指出了自主 Agent 的潜在风险: > “The really the only way to be productive with an agent is to put it into allow all or Yolo mode and just let it do its thing. But a lot of organizations won't let you do that because that's inherently unsafe.” > —— Burke Holland 为了防范全自动模式(YOLO 模式)可能带来的环境破坏与密钥泄露(Exfiltration)隐患,Codespaces 提供了严密的沙箱与凭据保护。此外,开发服务器启动后可直接开启端口公共访问,让现场观众无缝直连开发环境并进行投票。 两人随后确立了投票系统的核心产品功能边界: - 必须是一个轻量级 Web 页面。 - 界面需要列出 1 到 4 号选手的选项。 - 能够实时动态刷新并展示每个选项的计票状态。 - 提供最终决出和展示胜者的交互机制。 --- ### [08:00](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=480s) 产品工程思维、AI 迭代模型与极简技术栈抉择 针对只剩 36 分钟的紧迫倒计时,Kent C. Dodds 提出了“产品工程师”(Product Engineer)的核心交付思维。他主张必须切成细粒度、可即时发布的交付切片(Shippable chunks):第一步绝不是追求一步到位,而是快速生成一个最简主页并跑在 Codespaces 上,通过生成二维码确保全网通路打通,然后再逐步累加核心逻辑。 谈及原型设计过程,Kent 将软件工程开发模型的演进做了生动的对比: - **瀑布模式(Waterfall)**:全程像黑盒,直到最终交付才发现根本不是客户想要的。 - **敏捷模式(Agile)**:从滑板到滑板车再到汽车,形态逐步渐进变化。 - **AI 氛围编程(AI Vibe Coding)**:AI 往往一上来就给你生成一辆堆满复杂零件的“超级大卡车”(Mega car),开发者随后要做的是做减法,把多余的代码剔除并收敛到实际需要的部分。 在确定技术栈时,底层的 AI Agent 自动进入规划模式(Planning mode),甚至提议引入 Next.js 等全栈框架。Kent 果断拒绝引入复杂臃肿的框架,明确表态对于这种极简且时间敏感的单页面需求,直接使用原生技术(Vanilla HTML/JS/CSS)配合基础服务即可胜任,尽量避免不必要的框架抽象包袱。 - 关键考量:避免现代 Web 框架的打包与依赖开销,在受限时限内最大化执行稳定性。 - 战略打法:初期 Prompt 保持高容错度,让 Agent 自由生成后由人类进行雕琢与收敛。 ### [10:08](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=608s) 极简前端与“对话即计划”哲学 在现场演示的这一阶段,演讲者们一边看着 AI 代理生成投票应用的首页,一边探讨现代前端开发的复杂度问题。当前的应用非常轻量,根本不需要复杂的 Tree Shaking、模块打包流水线,甚至没有热模块替换(HMR),这反而让人重温了当年直接写原生 HTML 和 JavaScript 就能构建网页的纯粹感。当被问及为什么直接跳过了显式的架构规划阶段时,演讲者分享了他在 AI 代理辅助编程中截然不同的工作模式:对全新的小项目而言,前期长篇大论的静态计划是不必要的,“对话本身就是计划”。 在大型、包含数十万甚至数百万行代码的代码库中构建功能时,这种协作模式更加精细。开发者不会盲目要求模型直接写代码,而是先向 AI 代理提出一系列自己其实已知答案的问题,借此将架构设计、底层系统与核心原语(Primitives)准确注入上下文。通过多轮对话校准事实,等上下文完全充实且符合预期后,再下达最终执行指令。屏幕上生成的页面呈现出浓郁的“AI 典型设计风格”——标志性的深色背景搭配亮紫色渐变色调。他们打趣要给场下的挑战团队留出几分钟冲刺时间,随后回到了投票系统的核心功能需求上:如何让现场观众直接用手机参与投票。 ```mermaid flowchart LR accTitle: 对话即计划迭代工作流 accDescr: 展示开发者如何通过与代理问答注入系统上下文,确认后再触发执行生成代码的流程。 subgraph ContextBuilding["上下文对齐阶段"] A["开发者提问已知架构问题"] --> B["代理检索并回答系统原语"] B --> C["上下文包含完整架构约定"] end subgraph Execution["代码执行阶段"] C --> D["开发者下发明确执行指令"] D --> E["代理生成极简 Vanilla 前端代码"] end ``` - 架构理念:面对小型工具应用时抛弃笨重的打包与构建工具,采用极简的 Vanilla HTML/JS/CSS,降低运行环境开销。 - 代理交互范式:正如演讲者所论述的,“对话本身就是计划,你通过在此基础上不断迭代来达到最终成果。”(“The conversation is the plan. And you iterate on that to get to the ultimate end result.”) --- ### [12:00](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=720s) 现场动态生成二维码与 Unpkg 排错折磨 为了让现场所有参会者通过手机端进入应用投票,首要任务是在首页上展示一个访问二维码。虽然页面上还有一些多余的登录按钮等残余组件,但首要优先级是连通性。在传递目标网页链接时,原本计划手动硬编码 URL,但同伴指出完全没必要:直接告知代理利用前端脚本读取 `window.location` 动态生成即可。由于项目坚持使用最轻量的纯前端技术栈,AI 代理没有从头手写整个二维码生成算法,而是通过 `<script>` 标签从第三方 CDN 引入了 `qrcode.js`。 然而代码在浏览器运行后直接抛出异常,二维码并未显示。打开开发者工具(macOS 快捷键 `Command + Option + I`)后,Console 面板报错 `QRCode is not defined`,Network 面板清晰记录着该脚本的 HTTP 404 资源未找到错误。为了快速修复,开发者指示代理改用著名的 npm 镜像分发服务 Unpkg。但刷新页面后,整个界面甚至变得空空如也,连原先的元素都消失了。两人不得不重新翻出古老的“查看网页源代码(View Source)”排查手段。通过在浏览器中点击并截断 Unpkg 的包目录链接(保留版本路径末尾的斜杠以浏览目录树结构),他们惊愕地发现包内的构建产物竟然缺失文件扩展名。在现场排障陷入僵局的关头,主讲人决定将二维码库的修复任务交给同伴,自己则下台去巡视检查其他三组挑战者的进度。 - 调试要点:CDN 资源拉取失败导致全局变量未挂载,代理直接采用默认 URL 容易踩中过时版本的路径变动坑。 - Unpkg 使用经验:Unpkg 是极其便利的免安装测试 CDN,但缺乏正式的企业级 SLA 保证;开发者调侃现场硬刚排错是“我们现在正在拿一切冒险”。 --- ### [15:44](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=944s) 巡视各路特工:高推理模型与多代理编排实验 主讲人来到台下检查其他开发者的进度。第一位登场的是负责 VS Code 各类模型集成的核心成员 Julia。她正处于本地 VS Code 的 Azure 模式下,挑选了最新的 GPT-5.5,并开启了高推理(High Reasoning)设置。Julia 解释道,OpenAI 在观察到社区里充斥着过多由 Claude Opus 生成的前端 UI 风格后,专门对新一代模型的前端开发能力做了针对性优化,因此她决定用 Vite 脚手架对 GPT-5.5 的高推理能力做一次极限单次(One-Shot)生成测试。模型先是规划了一份 `idea.md` 说明书,随后便自主开展全程编写,整个过程仍在持续运算中。 接着主讲人转向 Chris。Chris 正在开发一款支持实时协作与 Markdown 编辑的工具。他的工作流展现了一种经典的“编排者与子代理(Orchestrator & Sub-agents)”架构模式。令人意外的是,他没有使用复杂的外部多代理框架,而是纯粹依靠精确的 Prompting 和多工作区切换实现了跨模型协同:选择推理极其深度的 Claude Opus 作为主架构规划者(Planner),制定功能蓝图并下发子任务,而底层具体的代码编写与接口实现则交由专门的 Codec 模型落地。此时主讲人借机向现场观众郑重介绍了 Julia 的幕后贡献——VS Code 与 GitHub Copilot 中每次上线新的大模型背后都离不开她无数个熬夜攻坚的夜晚,全场随即响起了热烈的掌声。 ```mermaid flowchart TD accTitle: Chris的多模型多代理协作拓扑 accDescr: 展示Claude Opus作为规划编排者,搭配Codec模型执行代码落地的架构。 subgraph OrchestrationLayer["编排规划层"] A["开发者提示词 Prompt"] --> B["规划代理: Claude Opus (高推理能力)"] B --> C["系统设计与分解任务规划"] end subgraph ExecutionLayer["执行落地层"] C --> D["子代理: Codec (专业代码生成)"] D --> E["实现 Markdown 编辑器基础骨架"] end ``` - Julia 的前沿选型:在 VS Code 中直接使用 GPT-5.5 开启 High Reasoning 模式,对模型的前端布局能力进行单指令端到端(One-Shot)压力测试。 - Chris 的分层编排:正如 Chris 描述自己常用的多代理实践所说:“我通常使用的一种模式是让一个代理来做规划并构建方案,然后再由几个子代理来执行。”(“That's kind of a pattern I use typically is have someone that does like a plan and builds it out and then you have some sub agents.”) - 跨模型配合策略:利用 Opus 的上下文推理与架构抽象能力做 Planner,换用针对性优化过的 Codec 模型承担具体编码,实现成本与准确率的最优解。 --- ### [18:16](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1096s) “VS Code 本身就是答案”:计划模式的实战落差 主讲人最后来到了第三组开发者(Burke 与 Pierce)的工位前。Pierce 一见到主讲人便半开玩笑地发难,指出主讲人给出的挑战需求是“实时、多人、协作式的 Markdown 编辑器”,而作为每天在 VS Code 生态内工作的工程师,这个轮子早就完美存在了——那就是“VS Code 本身加上 Live Share 扩展”,根本不需要重新发明一遍。现场一片欢声笑语,主讲人连忙打断并调侃大家别顺着他的话偷懒。 Pierce 随后展示了他通过 GitHub Copilot 应用内的“计划模式(Plan Mode)”所做的尝试。同样搭载了 GPT-5.5 High Reasoning,系统迅速构想出了一整套实现方案。然而作为 VS Code 团队成员,Pierce 对 AI 提出的规划表达了小小的失望:代理完全没有推荐微软自家的 Monaco Editor(即 VS Code 底层的代码编辑器引擎)作为基石,反而一连推荐了 CodeMirror 等另外五款开源编辑器,迫使他必须介入干预。更具戏剧性的是现场效果的“虚假繁荣”——虽然界面上已经渲染出了双栏编辑器与预览排版,但当他实际在输入框里打字时,右侧的文本根本没有产生任何联动与同步。这直观展现了自主代理在当前阶段的现实状态:能够极其迅速地拼装出具有迷惑性的前端静态外壳,但深层的事件监听、状态同步和业务逻辑依然漏洞百出,距离真正可用仍有繁重的工作要攻关。 - 计划模式对基础设施的偏见:尽管使用了顶级模型,Copilot 的 Plan Mode 在搭建代码编辑应用时并没有首选底座生态内最强的 Monaco Editor,而是默认转向了更通用的第三方开源组件如 CodeMirror。 - 代理原型与生产逻辑脱节:正如 Pierce 指出界面表象与真实绑定的割裂时所言:“但这一切全是假的;比如我走到这边来,这里和那里根本不是一回事,所以我们还有得忙。”(“Oh, whoa. But this is all fake. Like I went over here and this is not the same as this. So we have work to do.”) ### [19:29](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1169s) Harald 的调研与设计探索 Agent 在调侃完“实时协作应该很容易,这都是已经解决的老问题”之后,主持人和台上的讲者转向了 Harald Kirschner。Harald 介绍了自己在过去几分钟内启动的工作流程:他没有直接动手写代码,而是首先指派了一个 Agent 进行前沿调研,查询市面上现有的 Markdown 编辑器是如何运行的。对于这种借鉴思路的做法,现场打趣道:“这是要做一份研究报告,把所有好点子全抄过来,还是根据现有成果挑最好的?” Harald 坦率地回应:“特别是在你需要在 45 分钟内交付上线的情况下,就更该这么做。” 紧接着,Harald 派出了一个专门的设计探索 Agent(Design Agent),一口气生成了三种不同的 UI/UX 设计方案(A、B、C)。设计方案各有侧重:有的侧重于如何优雅地管理会话;有的则给出了一整套设计原理,旨在让代码评审变得更容易、使会话的演进与编辑逻辑更加顺畅。Harald 强调,在 multi-agent 协作中管理上下文是核心痛点,当系统把开发者重新扔回某个执行计划时,开发者需要极其充分的上下文信息。在展示生成的 UI 原型时,大家注意到方案 A 上甚至附带了一个精致的便利贴(Post-it)小标记,虽然某个方案在当前屏幕上的排版还不够完美,但大家对能直接把评论做成便利贴的设计感到非常惊艳。 - Harald 的调研 Agent 负责收集既有 Markdown 编辑器的实现与最佳实践。 - 设计 Agent 并发产出了三套设计草图(Mocks),用于权衡会话管理与审查流程的交互。 --- ### [21:01](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1261s) 投票页上线、候选人录入与轻量模式之争 镜头切回 Kent C. Dodds 的进度,他在 GitHub Codespaces 中搭建的投票应用已经生成了现场观众可以直接扫描的 QR 码。在现场观众的一阵掌声中,大家纷纷掏出手机扫码。Kent 提醒大家,扫码打开页面时会看到一个连接到 Codespace 的小免责声明,“直接点掉就行,别去细读”。为了让页面更纯粹、更快速地投入使用,Kent 直接删掉了登录页面,并坚决将应用改成了浅色模式(Light Mode),Kent 对此直言:“我把它改成了浅色模式,因为浅色模式就是最好的模式。”(“I made it light mode because light mode is the best mode.”) 在交互逻辑上,生成代码的 Agent 原本预设了多场挑战赛的复杂流程,但本次比赛只有一场,因此 Kent 要求将其精简为单页应用(One-pager)。此时 Agent 在对话框中主动提问:观众需要投票的四个选项是什么?是团队名、项目标题,还是先用占位符?台上商量后决定直接输入四位参赛选手的名字:Julia、Chris、P-Bog(Pierce Boggan)和 Harald。随后台上还讨论起是否应该允许每个人重复多次投票(刷票),观众席对公平性反响不一,有人觉得不该多投,也有人调侃后面有观众已经跃跃欲试准备写脚本刷票了。 ```mermaid flowchart TD accTitle: 现场投票应用架构流程图 accDescr: 展示从用户扫码到数据持久化及未来 WebSocket 推送的架构流程 subgraph ClientSide ["客户端 (手机浏览器)"] Scan["观众扫码访问 Codespace"] VoteAction["点击选手卡片发起投票"] end subgraph ServerSide ["服务端 (Node.js 模块)"] ReqHandler["请求处理模块"] EventEmitter["单租户 EventEmitter"] JSONStore[("votes.json 文件持久化")] WSModule["未来接入: WebSocket 推送"] end Scan --> VoteAction VoteAction -->|"发送投票请求"| ReqHandler ReqHandler -->|"写入数据"| JSONStore ReqHandler -->|"触发变更事件"| EventEmitter EventEmitter -.->|"广播更新"| WSModule WSModule -.->|"实时刷新柱状图"| ClientSide ``` --- ### [23:22](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1402s) 模型选择的玄学:从 Opus 4.6、GPT-5.5 到 Codespaces 限制 在 Agent 消化新指令并重新编译投票界面的间隙,台上聊起了底层使用的 AI 大模型。Kent 当前的界面默认停留在 Claude Opus 4.6 上。讨论中提到,平时大家更倾向于使用 GPT-5.5,或者在 Cursor 里使用基于 Kimi 的 Composer 2.5。Kent 发现当前环境里只有 GPT-5.4,便继续留在了 Opus。之所以没能直接切到更新的 GPT-5.5,是因为他们当前正运行在 GitHub Codespaces 容器内,并未登录具有最新模型权限的生产账号。 这段插曲引发了大家对大模型迭代周期的感叹——仅仅两个月前的顶级模型,在快节奏的 AI 工具链中已经让人产生了一种“来自遥远过去(blast from the past)”的怀旧感。讲者们还开玩笑说,私底下对 Opus 4.6、4.7 和 4.8 之间的细微表现差异有着很多深刻看法,不过这些“只能等闭麦之后再聊”。随后大家检查了页面渲染效果,确认卡片在手机端响应式排版正常,但一刷新页面数据就会丢失,暴露出尚未实现持久化存储(Persistence)的缺陷。 - 模型偏好对比:日常主力偏向 GPT-5.5 或 Cursor Composer 2.5(Kimi 内核),当前环境受限使用 Opus 4.6。 - 手机端检查:投票选项支持单页响应式排版,但急需解决刷新数据重置的问题。 --- ### [25:00](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1500s) 极速架构决策:JSON 文件持久化与 WebSocket 设计 此时距离整场比赛结束只剩下 18 分钟(扣除评审时间,实际可用编码时间只有大约 12 分钟)。在如此紧迫的时间压力下,他们必须在数据存储方案上做减法。面对 SQLite 还是 JSON 文件的抉择,Kent 指出在当前的简单业务场景下,SQLite 相比直接读写 JSON 文件没有任何明显优势,因为运行环境本身就带有本地文件系统。 更关键的挑战在于让现场所有人的屏幕能实时同步票数变化。这意味着后端需要一个“发布-订阅(Pub/Sub)”通知机制,最终必须借助 WebSocket。为了让 Agent 能够分步骤稳妥构建,Kent 采取了渐进式提示词策略:先指示 Agent 编写一个 Node.js 服务端模块,专门负责把投票持久化保存到 `votes.json` 中,并在数据发生变更时维护状态追踪;同时在提示词里埋下伏笔——“告诉它我们稍后会把这个模块与 WebSocket 对接”。这样 Agent 会在架构设计上提前预留出单租户的事件发射器(Event Emitter),从而在一轮对话内就搭建好了可供实时系统复用的底层架构。 --- ### [26:50](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1610s) 现场观众调查与 LLM 交互技巧:别再删错别字了 在等待 Agent 写入文件系统的间歇,主持人对现场观众的技术栈进行了即兴调查:台下有大量观众正在 Visual Studio 和 VS Code 中深度使用各种开发 Agent,也有不少人举手表示昨天刚体验了全新的 GitHub Copilot 独立应用,还有部分开发者偏好 VS Code 内置的 Agent 功能以及命令行 CLI 工具。 看到 Agent 准确地用单租户 EventEmitter 实现了持久化接口,Kent 准备进行下一步:暂时不直接接入复杂的 WebSocket,而是先打通前端点击卡片向服务端发送记录投票请求的链路。借着打提示词的过程,Kent 给所有使用自然语言编程的开发者分享了一条至关重要的实用建议:“顺便提醒一句,我在这里没用语音输入是因为这是在 Codespace 里,我没提前装好语音模块。但如果你是在给 Agent 打字,根本没必要回头去改打错的单词。不知道你们注意到了没有,我打出来的很多词甚至都算不上是单词,但这根本无所谓。大语言模型极其擅长理解语言,这就是它们的本行。所以如果你还在不停按退格键修改错字,别再那样做了。你不需要写得完全准确;如果你的母语不是英语,直接用母语跟它对话就行,效果非常惊人。” 随着话题展开,主持人提到自己看过一部 AI 纪录片,里面预言未来的 AI 之间为了极致的效率,会演化出人类根本无法理解的语言进行通信。他随即向全场抛出一个思考题:“对 AI 来说,用来交流的最高效语言到底是什么?”台下观众给出了各种大胆的猜想,包括世界语(Esperanto)和中文普通话(Mandarin)。主持人表示中文在榜单上能排到前列(但不是第一),并故弄玄虚地表示自己手中已有确切答案。 ### [29:14](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1754s) 英语作为 Agent 提示词语言的优势与选手巡视开始 在等待各路选手构建作品的间隙,主持人闲聊起为什么当前给 Agent 写指令时英语依然是默认的最佳语言。核心原因在于英语具有极强的语义承载力(semantically heavy),比如像“bucolic”(田园风光的、乡村风味的)这样的词汇,能够直接给 Agent 传递非常丰富且微妙的语义上下文,再加上模型训练数据中英文语料占据了极大比例,这让英文成为目前指导 Agent 的最合理语言。随后,主持人打趣自己只是在拖延时间,并决定兵分两路前往各选手的工位检查进度。此时比赛只剩下大约 10 分钟。 --- ### [29:41](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1781s) Julia 的多用户协同编辑器与模型切换策略 巡视的第一站是 Julia。面对仅剩 10 分钟的紧迫时间,Julia 表现得非常自信,但她坦言在刚才的实现过程中不得不中途更换了模型:“GPT-5.5 表现非常出色,然后把我的 UI 弄乱了一点点。”(“The GPT-5.5 did a great job and then it messed up a little bit of my UI.”)为了收拾界面上的烂摊子,她切换到了 Claude Opus 4.6 来完成最后的 UI 修补。 Julia 展示了她目前的成果:屏幕上并排开着两个分屏窗口,清晰地模拟了两个不同在线用户的协同场景。系统已经能够检测到用户上线,她在其中一个窗口输入文字,另一侧响应迅速、动作敏捷。不过她也注意到了一点小缺陷——界面上的用户名目前显示得像是同一个人,接下来需要更新成两个不同的用户名。此外,她还内置了类似实时分享链接(Share Link)的功能,整体架构基本上是通过“一发命中(one-shot)”完成的,这令主持人大为赞叹。 ```mermaid flowchart LR accTitle: Julia 的模型协同修复流 accDescr: 展示 GPT 5.5 负责基础构建与 Opus 4.6 负责界面修复的分步流程 subgraph Phase1["第一阶段:核心构建"] A["初始需求提示词"] --> B["GPT-5.5 核心逻辑生成"] end subgraph Phase2["第二阶段:UI 修补"] B -->|"UI 出现排版混乱"| C["切换至 Claude Opus 4.6"] C --> D["双窗口协同编辑器 UI 修复"] end ``` --- ### [30:45](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1845s) Christian 与 Pierce:从终端 Markdown 渲染到 Copilot SDK “范围蠕变” 来到第二位选手 Christian 的工位前,主持人确认他完全是在命令行界面(CLI)中进行开发。Christian 实时展示了他的控制台应用,画面看起来就像是一个运行在终端里的 Google Docs Markdown 实时预览器。虽然排版在视觉上还谈不上精致,但能够把输入的原始 Markdown 内容直接在终端中进行结构化渲染,已经让主持人和台下观众印象深刻。 紧接着视线转向了 Pierce。Pierce 正在 GitHub App 内置的浏览器环境中工作,构建带有实时预览的 Markdown 编辑器,并且已经实现了实时协同响应。当被问及下一步计划时,Pierce 展现了十足的野心: - **表情快捷输入**:添加类似 `:smile:` 的冒号 Emoji 语法支持,他坚称“任何条形码演示要是没有这个就不算完整”。 - **内置虚拟宠物**:在编辑器中植入类似 VS Code Pets 的互动小挂件。 - **文档一键生成**:结合 Copilot SDK 自动生成文档内容,好让自己能够“更彻底地享受 Vibe 编程”。 主持人笑着吐槽 Pierce 正在对所有人进行赤裸裸的“需求范围蠕变(Scope Creeping)”,功能越堆越多,让现场充满了紧张又欢脱的竞争气氛。 --- ### [32:03](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1923s) Harald 的极致多 Agent 竞赛:架构研究与三路 Git Worktree 并行 来到 Harald 的工位时,他抛出了一句语惊四座的话:“已经做完了。”(“It's already done.”)原来他在动手之前就跑了三个前置原型,挑选了自己心仪的功能组合成一个整合原型,同时还启动了一个独立的研究型提示词(research query)来专门分析系统架构。 Harald 将架构调研报告与前置原型结合,直接派生出三个 Agent,在不同的 Git 工作树(worktree)中并行实现,甚至让它们进行内部竞标,看看最终哪一个版本胜出。这三个 Agent 拿着略微不同的 Prompt,比如有的要求“基于 Copilot CLI 会话历史提取全部计划”,有的则侧重不同切入点;底层模型也各不相同——两个跑在 GPT 上,另一个跑在 Claude Opus 4.6 上,直接形成了跨模型的竞技场。面对主持人关于他“对成本完全不敏感、为什么开 3 个而不是开 12 个”的调侃,Harald 幽默地表示上次比赛他也用了这招,虽然最后没赢,但在自己心里他已经赢了。 Harald 还分享了他在编写 `AGENTS.md` 规范文件时的独特心得。面对其他选手的标准操作,他特别强调自己的 `AGENTS.md` 明确规定了不要过度将它当成正式产品去建构,否则重构起来就如同搞复杂的数据库迁移一般痛苦;他的核心原则是必须保持极度敏捷,一旦业务需要调头转向,随时可以把所有的东西彻底推倒重来。 --- ### [34:00](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2040s) 现场投票器演练与“海报板”设计体系的 Agent 批量生成 在台上,主持人 Kent Dodds 和 Burke Holland 正在争分夺秒地搭建供现场观众互动的实时投票 Web 页面。他们通过向本地 JSON 文件写入投票数据,并指挥 Agent 接入了 WebSocket 实现了双窗口即时通信测试。但为了让页面在正式公开时不显得太简陋,Burke 决定用自己的专属设计系统将应用彻底“美化升级”(make this app pop)。 Burke 掏出了基于 Claude Opus 4.6 的个性化定制 Skill,该技能封装了他长年使用的一套名为“海报板(Poster Board)”的美术设计体系: - 严格限定的调色板(Color Palette)与排版规范(Typography)。 - 明确禁止 AI 使用的俗套样式负面提示。 - 让项目保持高度统一的家族化视觉风格(无论是白昼还是暗黑主题)。 Burke 在命令行中执行了 `fleet` 命令,尝试让多个子 Agent 并行并发工作,他的指令非常干脆:“给我生成这个网站的 10 个设计模型,放在同一个文件里,采用 Poster Board 美学风格。”(“Give me 10 mocks for this site. Put them in the same file. Use the poster board aesthetic.”)虽然底层路由机制由于所有生成内容都要写进单一文件而判定无法拆解为并行并发任务,退回到了单智能体常规模式,但 Burke 强调了这种工作流的核心——一次性让模型吐出 10 套方案,人工挑出最满意的一版,再让 Agent 围绕该方案裂变出下 10 版,层层筛选打磨出最佳设计,让不会画画的开发者也能秒变专业设计师。 ```mermaid flowchart TD accTitle: Poster Board 迭代筛选工作流 accDescr: 展示利用 Agent 一次性产出十个原型方案并循环迭代至终稿的流程 A["输入设计需求 + Poster Board Skill (配色/字体/避坑点)"] --> B["Agent 生成 10 套页面原型 (集中在单文件)"] B --> C["人工快速视觉比对,挑选最优方案"] C --> D{"达到预期效果?"} D -- 否 --> E["基于选定方案要求 Agent 再裂变 10 套衍生方案"] E --> B D -- 是 --> F["锁定最终界面实施上线"] ``` 在等待设计生成的倒计时 7 分钟里,舞台上的紧张感逐渐让位于轻松的寒暄。两位主持人向台下观众打听今晚是否有派对或上映的新电影,并聊起了前一晚在 Microsoft Build 现场举办的 The Chainsmokers(烟鬼组合)音乐狂欢派对。音响系统震耳欲聋、声浪直冲胸膛的火爆场面,成了科技展会高强度脑力对决之余最生动的谈资。 ### [38:18](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2298s) 幕后轶事与现场投票服务部署 在黑客松计时收尾阶段,主持人们在台上聊起了大会主题演讲(Keynote)幕后的趣事。有人回忆在后台楼梯旁和 Kayla 聊天时,看到一群人围着两个男生,走近才发现竟然是著名音乐组合 The Chainsmokers(烟鬼组合),大家纷纷打趣当时错过了击掌、合影以及“走向出名”的机会。现场的气氛随即转回舞台上的 Agent 开发竞技,主持人打趣道:“This is the era we're in where we just watch agents cook.”(我们现在所处的时代,就是坐看智能体在那里‘大火爆炒’做开发)。 为了让现场观众参与最终评审,主持团队开始配置实时投票服务。他们利用 GitHub Codespaces 快速将本地运行的端口(如端口 4000)设为公开访问(Public Port Visibility),并生成供全场扫描的 QR 码。在链接生效后,投票数据即刻开始在手机端联动,后台甚至立刻收到了针对 Julia 和 Harald 的初始测试票。主持人和台下观众开起玩笑,探讨是否存在防重复投票机制,或者大家是否能通过“狂刷刷新网页”来给自己支持的选手灌票。 ```mermaid flowchart LR accTitle: 现场观众实时投票工作流 accDescr: 展示 GitHub Codespaces 端口公开到观众手机扫码投票的链路 subgraph Host["主持人环境 (Codespaces)"] A["运行投票服务<br/>(Port 4000)"] --> B["端口可见性设为 Public"] B --> C["生成新访问链接与 QR 码"] end subgraph Audience["观众端互动"] C --> D["现场手机扫码打开 Web 端"] D --> E["实时提交投票数据并刷新计数"] end ``` --- ### [40:01](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2401s) 倒计时混乱与 Julia 的极简分屏原型 比赛进入最后 4 分钟倒计时,工作台出现了一些突发的技术小混乱。主持人在尝试通过 VS Code 预览生成的模型原型文件(`mocks.html`)时遭遇卡顿,文件在终端报告已创建后未能立刻刷新显示。面对仅剩 3 分钟的紧迫时间,大家决定放弃在编辑器里深究预览按钮为何失灵,直接进入选手现场演示环节,每位选手限时 20 秒快速展示多 Agent 协同构建的产物。 Julia 第一个登台展示她的工作成果。她构建了一个极简风格(Minimalistic)的协作编辑器,主要特性包括: - **分屏视图与工作区管理**:支持分屏操作,用户可以任意重命名工作区并极其轻松地新建文件。 - **个性化与氛围营造**:用户不仅可以更改自己的显示昵称,还能自由挑选更换各色 Emoji 表情以调节协同氛围。 - **编辑轨迹追踪**:加入了历史追踪功能,点击特定按钮即可查看“某段修改是由谁在何时以何种方式完成的”。 - **一键分享**:页面顶部提供快捷分享链接,方便快速拉入团队成员。 --- ### [42:14](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2534s) Chris 的 GitHub Primer 风格编辑器与 Pierce 的踩坑历程 随后轮到 Chris 展示。他的界面引入了完整的侧边栏架构,支持多文件切换与新建,核心编辑区则是一个所见即所得(WYSIWYG)的 Markdown 编辑器。在样式上,他借助多 Agent 调度引入了 GitHub 的官方 Primer 设计库,打造出正统的 GitHub 风格主题;顶部还展示了代表各个协作者的用户头像卡片(Tiles)。Chris 提到,后台甚至有一个 Agent 专门利用 Playwright 在无头浏览器中截取页面评估视觉渲染,并试图自主修补缺失的依赖包。 轮到 Pierce 时,现场气氛变得十分欢快而戏剧性。Pierce 在上一轮中尝试大改逻辑,结果遇到了 API 崩溃的危机,幸亏在 Chris 演示的几十秒内系统终于重新启动完毕。Pierce 自嘲道:“I was like, I've added emojis and regressed all the functionality.”(我当时心里直犯嘀咕:我不过是加了几个 Emoji,结果把整个功能全都给搞退化了)。虽然未能套上精美的 Primer 库,但他成功展示了文本选中后跳转、滚动以及添加内嵌评论(Comments)的交互流程,被主持人调侃为功能完全可用(Serviceable)的实用主义原型。 --- ### [44:01](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2641s) Harald 的 Plan.md 驱动架构与终局夺冠 比赛进入倒计时最后 1 分钟,压轴出场的 Harald 拿出了极为硬核的原型展示。Harald 强调自己在产品经理的视角下,核心目标是摆脱传统手动修改 Markdown 的低效:“I don't want to edit markdown anymore. I want my agent to edit markdown.”(我再也不想自己去编辑 Markdown 了,我想让我的智能体去编辑 Markdown)。他构建的系统展现出高度的自动化与多 Agent 协同能力: - **读取 Plan.md 自动化生成**:系统包含多达 22 个迭代版本,后台直接扫描本地已有的 `plan.md` 任务计划书,将构建原型的设计过程自动反哺成协作界面。 - **类 Google Docs 的富协作体验**:界面集成了活跃历史日志(Activity Log)、划词批注系统,并内置快捷提示词功能(Quick Prompts)与交互式修改建议。 - **多原型融合**:后台原计划派发给 3 个 Agent 并行探索的不同设计方向,最终在演进中被提炼合并进统一方案。 在时间跳至负数(超载 23 秒)时,全场进入手机实时投票环节。主持人调出端口 4000 的统计大盘,Harald 的得票数一路领跑。主持团队随即宣布 Harald 赢得本次黑客松冠军:“I think we're going to have to say it was Harold. He won in his heart and with the votes.”(我们必须宣布胜者是 Harald,他不仅赢得了选票,也赢得了大家的心)。全场对顶住压力现场编码的所有选手致以热烈掌声,并在对后续关于 MCP(Model Context Protocol)与 GitHub Copilot 相关专题议程的预告中圆满结束了本次演讲。 ## Notable quotes > [05:39](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=339s) The really the only way to be productive with an agent is to put it into allow all or Yolo mode and just let it do its thing. But a lot of organizations won't let you do that because that's inherently unsafe. — Burke Holland > [44:01](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=2641s) I don't want to edit markdown anymore. I want my agent to edit markdown. — Harald Kirschner > [26:50](https://www.youtube.com/watch?v=n-ifKF4tn-4&t=1610s) 大语言模型极其擅长理解语言,这就是它们的本行。所以如果你还在不停按退格键修改错字,别再那样做了。你不需要写得完全准确;如果你的母语不是英语,直接用母语跟它对话就行,效果非常惊人。 — Kent C. Dodds ## Mentioned Burke Holland, Kent C. Dodds, Julia Kasper, Christian Reddington, Pierce Boggan, Harald Kirschner, Visual Studio Code, Microsoft Build, OpenAI, GPT-4, GPT-5.4, GPT-5.5, Claude Opus, Claude Opus 4.6, Codec, Cursor, Composer 2.5, Kimi, GitHub Codespaces, GitHub Copilot, Copilot CLI, Live Share, Monaco Editor, CodeMirror, Vite, Next.js, Node.js, WebSocket, Unpkg, GitHub Primer, Playwright, The Chainsmokers, Model Context Protocol ## Video description Building with one agent is familiar. Orchestrating a fleet of them in parallel across local, background, and cloud surfaces is where it gets real. You'll see the decisions that matter, how to decompose work across agents, when to fork vs. delegate, and how to verify quality when agents outnumber you. Leave with patterns for multi-agent workflows you can apply to your own codebase tomorrow. Seating for this session is first-come, first-served. Add it to your schedule to plan your day and arrive early to secure a spot. To learn more, please check out these resources: * https://aka.ms/build26/BRK201 𝗦𝗽𝗲𝗮𝗸𝗲𝗿𝘀: * Julia Kasper * Harald Kirschner * Burke Holland * Kent Dodds * Christian Reddington * Pierce Boggan 𝗦𝗲𝘀𝘀𝗶𝗼𝗻 𝗜𝗻𝗳𝗼𝗿𝗺𝗮𝘁𝗶𝗼𝗻: This is one of many sessions from the Microsoft Build 2026 event. View even more sessions on-demand and learn about Microsoft Build at https://build.microsoft.com BRK201 | English (US) | Developer tools & frameworks Breakout | (300) Advanced #MSBuild [Source](https://www.youtube.com/watch?v=n-ifKF4tn-4)

Source quotes

[5:39] Burke Holland: The really the only way to be productive with an agent is to put it into allow all or Yolo mode and just let it do its thing. But a lot of organizations won't let you do that because that's inherently unsafe. [44:01] Harald Kirschner: I don't want to edit markdown anymore. I want my agent to edit markdown. [26:50] Kent C. Dodds: 大语言模型极其擅长理解语言,这就是它们的本行。所以如果你还在不停按退格键修改错字,别再那样做了。你不需要写得完全准确;如果你的母语不是英语,直接用母语跟它对话就行,效果非常惊人。