谷歌Addy推智能体技能规范 渐进加载叫板MCP协议

Agent Skills | LIVE150 — Microsoft Developer

Microsoft Developer

大模型非确定性在生产环境面临严重安全隐患,软件研发必须通过TDD测试与确定性质检门禁约束AI生成代码。

AI-assisted summary of Agent Skills | LIVE150 — original source. Check the original for full context.

Source published:

Key ideas

  • Addy Osmani 提出将 Agent Skills 标准化封装并锚定在软件开发全生命周期(SDLC)的六大核心阶段(定义、规划、构建、验证、评审、发布),以规范工程纪律代替盲目的 AI 编写代码。 (5:14)
  • 在架构设计上,Agent Skills 凭借渐进式按需加载(Load on Demand)机制显著优于全量暴露工具定义的 MCP,仅在命中语义时加载详细指令,极大节省宝贵的上下文 Token。 (41:45)
  • 针对 AI 编程中的非确定性风险,讲师指出企业级生产代码不能仅依靠大模型自检,必须配合测试驱动开发(TDD)与确定性准入关卡(Deterministic Gates)进行安全签批与代码精简。 (35:46)
  • 在模型调度策略上,推荐在规划阶段使用低成本高速度的轻量模型(如 Flash 系列),而在具体实现与复杂重构时无缝切换至高推理能力的旗舰模型(如 Pro 或 Opus 系列)。 (40:08)

Detailed notes

## Background 本内容由频道 Microsoft Developer 于 2026 年 6 月 5 日在 YouTube 平台发布,属于 Microsoft Build 2026 大会 LIVE150 专题现场访谈。视频由 Burke Holland 主持,邀请了 Google Cloud 目录兼资深工程师 Addy Osmani 担任嘉宾,深入探讨了 Agent Skills 的核心概念、如何将资深工程师的工程判断力固化为标准工作流,以及如何利用这些技能让 AI 编码工具稳定输出生产级高质量代码。

## TL;DR Addy Osmani 详细拆解了自己开源的 Agent Skills 架构设计,主张将智能体能力紧密锚定在软件开发生命周期(SDLC)的六大核心阶段(定义、规划、构建、验证、评审、发布),而不是盲目依赖非确定性的“氛围编程”(Vibe Coding)。节目通过现场实操,演示了如何使用 `/refine` 澄清需求、通过 `/spec` 和 `/plan` 约束影响范围,并借助 TDD 红绿测试循环在 VS Code 中构建并验证一款基于浏览器 LocalStorage 的习惯打卡器(Streak)。此外,两人深入对比了低成本模型与旗舰模型的混用策略,并剖析了 Agent Skills 相比 MCP 在渐进式按需加载上下文与节省 Token 方面的显著架构优势。

## Atmosphere & style 整场对话充满技术老友重聚的轻松与默契,Burke 与 Addy 从远古的 jQuery 时代侃到当下的 AI Agent,穿插着微软“大眼夹”(Clippy)人偶服和家庭琐事的幽默自嘲,笑声不断。尽管气氛风趣随和,技术讨论却极具工程师的严谨与思辨深度,尤其在谈及“认知妥协”、代码爆炸半径以及大模型安全审查的信任危机时,双方犀利直击痛点,反思深刻。观看体验宛如坐在两位顶尖工程师身旁,一边喝咖啡一边观摩他们把玩前沿工程工具,兼具实战落地感与前瞻思考的张力。

## Bulletin - [05:14](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=314s) Addy Osmani 提出将 Agent Skills 标准化封装并锚定在软件开发全生命周期(SDLC)的六大核心阶段(定义、规划、构建、验证、评审、发布),以规范工程纪律代替盲目的 AI 编写代码。 - [41:45](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2505s) 在架构设计上,Agent Skills 凭借渐进式按需加载(Load on Demand)机制显著优于全量暴露工具定义的 MCP,仅在命中语义时加载详细指令,极大节省宝贵的上下文 Token。 - [35:46](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2146s) 针对 AI 编程中的非确定性风险,讲师指出企业级生产代码不能仅依靠大模型自检,必须配合测试驱动开发(TDD)与确定性准入关卡(Deterministic Gates)进行安全签批与代码精简。 - [40:08](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2408s) 在模型调度策略上,推荐在规划阶段使用低成本高速度的轻量模型(如 Flash 系列),而在具体实现与复杂重构时无缝切换至高推理能力的旗舰模型(如 Pro 或 Opus 系列)。

## Key takeaways - [01:17](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=77s) Agent Skills 本质上是为 AI Agent 赋予新能力与专业知识的标准化载体,类似于早期程序员互相分享的 dotfiles 配置文件,能够沉淀并复用资深工程经验。 - [05:14](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=314s) 技能体系严格围绕软件开发生命周期(SDLC)构建,划分为定义(Define)、规划(Plan)、构建(Build)、验证(Verify)、评审(Review)与发布(Ship)六大阶段。 - [07:15](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=435s) 每个标准化技能均遵循统一的设计模式模板,包含核心概述(Overview)、合理性理由(Rationales)、红线警示(Red Flags)及验证机制(Verification)。 - [10:45](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=645s) 在需求阶段运行 /refine 技能可通过结构化提问帮助收敛模糊创意,明确功能边界与非目标(Out of Scope),防止开发者陷入认知妥协并遏制范围蔓延。 - [20:47](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1247s) 通过 /plan 技能将技术规范细化为原子化任务切片,并显式指定允许修改的文件列表,是有效限制 Agent 越权修改、控制爆炸半径(blast radius)的关键工程手段。 - [28:25](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1705s) 智能体工程(Agentic Engineering)处于一个光谱的两端:一端是低严谨度、依赖试错修补的氛围编程(Vibe Coding),另一端则是面向企业级存量系统的高严谨度工程化流程。 - [31:16](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1876s) 验证技能(Verify)可驱动本地构建并调用 Playwright 或内嵌浏览器运行交互式检测,确保生成的前端应用在真实运行时无崩溃与控制台报错。 - [33:27](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2007s) 代码精简(Code Simplification)闭环依赖于前期 TDD 建立的测试红绿灯防护网,允许开发者命令 Agent 大胆重构压缩逻辑而不必担心引入业务回归。 - [35:46](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2146s) 大模型在审查代码时具备非确定性,极易忽略敏感密钥泄露或权限漏洞,生产上线前必须通过硬性的确定性准入关卡(Deterministic Gate)。 - [40:08](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2408s) 成本与性能优化的标准工作流是在规划(Planning)阶段调用低成本快速模型,进入具体实现(Implementation)阶段时再切换为高阶推理模型。 - [41:45](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2505s) 相较于 MCP 倾向于将所有工具元数据全量灌入上下文,Agent Skills 的渐进式加载(Progressive Loading)默认仅暴露名称与简述,按需载入关联文件,具有极高的 Token 效率。 - [41:38](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2498s) 在很多日常开发场景中,Agent 调用命令行工具(CLI)加上 Skill 比部署完整 MCP 服务更敏捷,而 MCP 的不可替代性主要体现在严苛的身份验证与权限隔离场景。

## Detailed walkthrough ### [00:06](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=6s) 开场寒暄:从 jQuery 时代到 AI Agent

主持人 Burke Holland 热情地宣布节目回归,并向观众隆重介绍了当期的重磅嘉宾——Google Cloud 目录(Director)、畅销书作者、AI 开发者体验与用户体验领域的资深专家 Addy Osmani。Burke 分享了一则有趣的家庭趣事:他最近在看彭博社(Bloomberg)关于人工智能的报道时正好看到 Addy 出镜,便兴奋地对妻子炫耀说“我认识这家伙”,结果妻子完全不相信他,冷淡回应“得了吧,你才不认识”,逗得 Addy 打趣道:“那可能反而是件好事,哈哈。”

两人回顾了彼此相识多年的深厚渊源。早在前端开发的 jQuery 时代,Addy 就已经活跃在技术前线,持续撰写技术文章、录制教学视频并公开发表演讲。多年来,他的工作重心从早期的 Web 性能优化(Web Performance),一路演进至当下炙手可热的 AI Agent(智能体)与 Agent Skills(智能体技能)。Burke 特别提到,Addy 近期开源的 Agent Skills 项目仓库已经数次登上 Hacker News 的头版,影响力巨大;Addy 则笑称自己最近尽量不刷 Hacker News,“因为你永远不知道上面的评价是夸你还是骂你”。

[01:17](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=77s) 什么是 Agent Skills:新时代的“dotfiles”与 Clippy 玩笑

Addy 正式切入主题,向观众普及什么是 Agent Skills。他在 Google 负责多个 Agent 核心项目(如 Agent Development Kit、Agent Platform 以及多项 Skills 相关的内部工程),对这一领域有着长期且深度的思考。针对究竟什么是 Agent Skills,Addy Osmani 做出了精炼的概括:“If you're not really sure what skills are, they're basically a standardized way to give AI agents new capabilities and expertise.”(如果你不太确定技能是什么,它们本质上就是一种为 AI Agent 赋予新能力和专业知识的标准化方式)。

为了让开发者更好地理解,Addy 将其类比为程序员早年热衷分享的 Shell 配置文件或 `dotfiles`。当时大家都会公开自己的环境配置,互相炫耀“这是我的独门秘籍”,别人看到会忍不住想照搬,但很快又会意识到每个人的工作流和工具习惯各不相同。Skills 同样如此:它们是工程经验的沉淀,既可以直接复制使用,也可以作为灵感范本去定制属于自己的最佳实践。

为了展示概念,Addy 演示了一个由自己“盲写/氛围编程”(vibe coded)的趣味 Web 桌面环境——在浏览器窗口中模拟经典的 Windows 桌面,底部却突兀地挂着 macOS 的 Dock 栏。更滑稽的是,屏幕上还贴着微软古早的 Office 助手“大眼夹”(Clippy)。Burke 随即调侃道,在微软 Build 大会期间官方其实是有“禁止提及 Clippy”的潜在禁令的,甚至现场准备了一套 Clippy 人偶服,“穿上人偶服的人是绝对不准开口说话的”。Addy 笑着接梗,表示既然规矩是自己打破的,那责任全在自己,引得全场会心一笑。

[03:17](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=197s) 技能架构与项目初衷:开源就像养孩子

在技术本质上,Agent Skills 是一种标准化的封装载体,用于打包模型本身并不具备的专业领域知识、业务上下文、标准工作流以及执行指令。它的基础结构非常简洁,核心要素包含 `name`(名称)与 `description`(描述)。与单次交互的 prompt(提示词)不同,Skills 面向的是高复现度、可跨项目重复调用的工程流程。

```mermaid flowchart TD accTitle: Agent Skills 按需加载机制 accDescr: 任务进入 Agent 后匹配元数据并动态载入步骤执行

subgraph Trigger ["任务触发"] A["传入开发者任务"] --> B["扫描可用技能元数据<br/>(name / description)"] end

subgraph Load ["动态加载"] B --> C{"是否命中技能语义?"} C -->|"是"| D["按需加载完整 Skills 步骤与上下文"] C -->|"否"| E["退回普通 Prompt 执行"] end

subgraph Execute ["执行流程"] D --> F["严格遵循工程指引与工作流"] F --> G["执行验证与交付"] end ```

这种机制的关键在于**按需加载(Load on Demand)**。Agent 在初始状态下无需将所有冗长的步骤全部塞入上下文,只需维护技能的名称与简要描述;一旦收到具体任务,系统会自动进行语义匹配,在命中相应技能后再动态拉取其具体的工作步骤并严格执行。

聊到该开源项目的诞生背景,Addy 坦言自己前几年放缓了参与开源的节奏。正如 Addy Osmani 所感叹的:“As you know, you create an open source project, it's a lot like having a kid.”(正如你所知,创建一个开源项目就像生养一个孩子一样,你必须持续维护它)。开发者必须极为审慎地决定何时向世界公开新项目。此前,Y Combinator 首席执行官 Garry Tan 发布了 G-Stack 工具栈并引发广泛讨论,这激发了 Addy 的创作欲,促使他下定决心将自己对 Agent Skills 的独特工程理解整理开源。

[05:14](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=314s) 围绕软件工程全生命周期(SDLC)构建技能体系

与其他社区常见的技能库相比,Addy 的体系有着极具辨识度的技术主张。Addy Osmani 明确指出:“I ground my agent skills around the software development life cycle.”(我将自己的 Agent Skills 牢牢锚定在软件开发生命周期上)。他主张严谨的 Agentic Engineering(智能体工程)与 AI 辅助工程方法论,绝不主张让模型毫无章法地胡乱写代码,而是强调全流程的严明纪律:清晰定义构建目标、层层验证生成物、时刻保障工程质量。

该项目将整个研发流程划分为六大核心阶段,每个阶段都配备了专属的技能组:

- **定义(Define)**:包含需求访谈与推演技能。如果开发者只有一个洗澡时灵光一闪的模糊点子,连 UI 和具体细节都没想清楚,该技能会通过结构化问答帮助其收敛思路,推进“规范驱动开发”(Spec-Driven Development)。 - **规划(Plan)**:负责将成型的规范与产品设想细化拆解为原子化的工程任务。 - **构建(Build)**:指导模型进行高水准的敏捷编码,覆盖优质的前端 UI 构造、合理的 API 设计及严密的接口契约设计。 - **验证(Verify)**:Addy 曾长期从事 Chrome 浏览器研发,极其重视在真实浏览器环境下的自动化验证与自动调试能力。 - **评审(Review)**:内置代码审查闭环,专注代码精简(Code Simplification)与安全合规审计。 - **发布(Ship)**:覆盖从持续集成(CI)、Git 工作流管理、开发文档编写到正式发布与上线的全链路操作。

[07:15](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=435s) 技能的设计模式与开发环境配置

为了保证模型在执行各阶段任务时输出稳定、不跑偏,Addy 为每一个 Skill 制定了标准化的设计模式模板: 1. **概述(Overview)**:清晰界定该技能的核心用途与触发场景。 2. **合理性理由(Rationales)**:明确说明“为什么应该使用该技能”以及“为什么在某些场景下不应使用”,为智能体提供清晰的思维护栏。 3. **红线警示(Red Flags)**:列出异常危险信号,让智能体在操作发生偏离时能立即自我警觉并制止错误。 4. **验证机制(Verification)**:提供可检验的具体标准,确保交付步骤高质量完成。

在开发工具落地层面,这些技能完全映射为标准的 Slash 快捷命令(如 `/refine`、`/simplify` 等),兼容 GitHub Copilot、VS Code Agents 视图等各类 Agent 编码工具。Addy 在演示项目中展示了工程脚手架的落地状态:代码库中引入了配置规范、Agent 定义文件、映射各技能的 prompts 模板。作为 Google 员工及 Gemini 研发团队的一员,Addy 在 Copilot 侧边栏中选用了 Gemini 3.5 Flash 模型,并高度评价其在 Agentic 编码与复杂长链路推理任务中的卓越性能,随即准备深入展示基于测试驱动开发(TDD)的具体实操。

[09:20](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=560s) 技能文件中的工程智慧:从测试金字塔到浏览器调试

Addy Osmani 详细拆解了技能(skills)配置文件内部包含的具体内容与组织逻辑。他指出,打开这些文件会发现大量详实的技术规范,尽管开发者可以根据上下文窗口(context window)的容量限制随时进行精简和针对性优化,但他个人倾向于保持极高的明确性与严密性。在测试驱动开发(TDD)这一技能中,他完整地刻画了整个周期,不仅界定什么是失败的测试、什么是通过的测试,还明确规定了重构时的思考模式。这些最佳实践很多直接源自谷歌大规模构建软件的工程经验,被沉淀并编码到了技能库中。

“Many of these patterns were ones that have been inspired by how we build software at scale at Google.” Addy 解释道。在文件中,开发者能够看到经典的测试金字塔(Test Pyramid)、决策指南,以及针对测试反模式(anti-patterns)的规避清单。更重要的是,技能构成了贯通上下游的“连接纽带(connective tissue)”:它不仅指导模型在编写代码时如何设立安全边界,还打通了端到端测试与浏览器调试等后续阶段。在 Addy 看来,这种刻意的严密性能够为整个开发流程带来不可替代的规范价值。

- 技能文件中完整编码了 TDD 循环的判定准则与重构思考框架 - 包含测试金字塔、决策指南以及需要明确避免的测试反模式 - 嵌入了针对浏览器端测试、调试与安全边界的具体检查规范

[10:45](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=645s) 启动习惯打卡器项目与 `/refine` 需求澄清

为了展示技能在实际工程中的落地效果,Addy 结合自己长期尝试优化个人生产力(并且常常以失败告终)的生活经历,提议动手构建一款习惯打卡应用(Habit Tracker)。该应用拟借鉴开发者每天都会看到的 GitHub 提交贡献热力图(contributions graph)作为核心可视化形态,记录用户长期坚持习惯的轨迹。为了模拟真实开发场景,Addy 故意只输入了一句非常粗略、高层级的初始想法:“GitHub 风格的习惯打卡器,无需数据库后端,完全在浏览器本地运行并存储”,并触发了工作流中的 `/refine` 技能命令。

```mermaid flowchart TD accTitle: 习惯打卡器需求精化与规格生成工作流 accDescr: 展示从初始高层想法经过 refine 技能澄清收敛,生成架构方向并推进至详细 spec 的完整工程生命周期流程。

subgraph Phase1["阶段 1:需求探索与澄清 (/refine)"] Raw["原始想法:GitHub 风格浏览器本地打卡器"] --> Refine["触发 /refine 技能"] Refine --> Qs["自动提问:目标人群、存储约束、概念边界、MVP标准"] Qs --> Answers["输入澄清答案 (Local Storage / 极简 UI)"] end

subgraph Phase2["阶段 2:方案权衡与架构决策"] Answers --> Dirs{"提供 3 种架构方向"} Dirs -->|方向 A| DirA["极简 GitHub 个人资料风格 (选中)"] Dirs -->|方向 B| DirB["键盘优先的 TUI 终端模式"] Dirs -->|方向 C| DirC["Markdown / SVG 数据导出工具"] end

subgraph Phase3["阶段 3:产品规格化 (/spec)"] DirA --> ScopeDoc["保存输出:Streak MVP 范围文档"] ScopeDoc --> Spec["触发 /spec 技能"] Spec --> TechSpec["生成技术规格与实施方案"] end ```

`/refine` 技能随即接管了对话,它不仅没有贸然直接写代码,反而主动向 Addy 抛出了一连串关键的澄清问题:目标受众是谁?对纯前端存储的具体技术选型(IndexedDB、localStorage 或 sessionStorage)与约束是什么?除了贡献网格之外,是否还要引入提交习惯、分支变体、Pull Request 等深入的 GitHub 隐喻?以及 MVP 的成功标准究竟是什么?Addy 明确回复:受众定位为开发者群体;存储选择最简单的 localStorage;拒绝过度复杂的 Git 隐喻,仅保留贡献网格;MVP 的唯一核心就是快速加载、界面整洁且具备响应式布局。这一步在短短几分钟内,就完成了通常需要撰写冗长产品说明书才能建立的技术约束。

- 初始提示词保持模糊,仅声明“GitHub 启发”、“纯浏览器端运行” - 技能自动化拆解需求,通过四组定向提问收敛功能边界 - 明确放弃云端同步与复杂社交属性,专注于纯本地运行的极简体验

[14:33](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=873s) 方案收敛、认知负债与 MVP 范围敲定

在收集到所有约束条件后,`/refine` 技能给出了三种清晰的技术方向供挑选:方向 A 是“开发者个人资料配置器(Dev Profile Configurator)”,即高度还原 GitHub Profile 风格的极简克隆版;方向 B 是“键盘驱动的习惯终端(TUI)”;方向 C 是“Markdown 与 SVG 导出工具”,更偏向纯文本数据管理。Burke Holland 在一旁打趣现在 TUI(终端用户界面)简直大受欢迎,但 Addy 最终选择了最符合直觉的方向 A。Burke 注意到模型并没有替 Addy 强行做决定,引发了两人关于“AI 建议与自主决策”的精彩辩论。Burke 坦言很多时候模型一旦给出选项并附带“如果是我我会选 X”,开发者就很容易丧失主见顺从模型;Addy 则对此深有共鸣,指出这正是关于“认知负债(cognitive debt)与认知妥协(cognitive surrender)”的典型现象。

确定选择方向 A 后,技能将该项目正式命名为“Streak”,并生成了一份详尽的范围文档。文档中不仅记录了问题陈述,还列举了后续需要验证的关键假设(例如工程师在桌面端配置但在移动端打卡的可用性、localStorage 的容量与支持度),并极为清晰地划定了“非目标(Not doing)”——不包含云同步、不包含复杂的社交功能。确认无误后,Addy 触发保存,使模糊的创意正式凝固成结构化的文档。

> “I have so much to say about cognitive debt and cognitive surrender.” —— Addy Osmani

- 方案 A(GitHub 资料克隆)、方案 B(TUI 终端)、方案 C(数据导出器)形成鲜明取舍 - 模型在技能约束下保持中立,避免因替开发者决策而引发“认知妥协” - 生成的项目范围清晰标注了明确的非目标(Out of Scope),规避范围蔓延(scope creep)

[17:15](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1035s) 衔接 `/spec` 阶段:从概念设计跨入工程架构

在完成产品概念精化后,工作流自然过渡到将高层级文档转化为可落地技术规格(Specification)的阶段。Addy 谈到,不同的工程师对软件生命周期的偏好各异,有些开发者习惯一步到位直接规划并开始实现,而他自己则极度看重每一步的精确度,偏好“提炼(Refine) -> 规格化(Spec) -> 规划(Plan) -> 实施(Implement)”的渐进式路径。

Addy 在终端中执行 `/spec` 命令,AI 代理即刻读取上一步生成的精化文档,并迅速输出技术栈骨架、成功判据以及细化的待定工程议题。Burke 惊叹于这套流程的反应速度极为敏捷(snappy),Addy 解释这得益于底层采用的快速模型(如 Gemini 3.5 Flash),并开玩笑称在 AI 领域技术日新月异,可能“四个小时后一切都会改变”。面对技术规格中关于热力图究竟是用“模块化动态 SVG 编组”还是“CSS Grid 布局”的提问,Addy 坦诚自己并非 SVG 专家,因而选择信任模型的建议,让其选出最优实现方式,正式推进技术方案落地。

> “Everybody's got their own workflow. Here you can see the file that it's generated, and this is going to be a starting point entry for the next step.” —— Addy Osmani

- `/spec` 命令自动消化 `/refine` 的产出,生成详细的技术栈架构与成功判据 - 核心技术分歧聚焦于热力图渲染选型:动态 SVG 编组 vs CSS Grid 元素布局 - 整个工程流水线遵循严密的分段式交付哲学,保证每一步上下文干净可追溯

[19:01](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1141s) 细化产品规范与技术栈的默认假设

在生成习惯追踪器的规格文档(spec)时,AI 提问新访客应该预设哪些默认习惯。Burke Holland 和 Addy Osmani 展开了轻松的讨论,半开玩笑地确认要追踪的是好习惯而不是坏习惯,并列举了锻炼、喝水、阅读与冥想。Burke 开玩笑地提议“刷手机(doom scrolling)”,Addy 笑着接话道:“做完刷手机之后再去冥想,大概会更好一点。”至于生成文件的保存位置,Addy 选择全权交由 Agent 决定。

生成完成的规格说明书直接呈现在 Copilot 侧边栏中。Addy 对这种无缝体验赞不绝口,指出无论开发者日常使用哪种 Agent 交互界面,都能直接在侧边栏中完成全套问答与规格制定,而无需切换到外部应用。新生成的 spec 比最初简略的想法详细得多,不仅列出了具体验收标准,还加入了诸如最大内容绘制(LCP)等前端性能指标,并自动锁定了技术栈。有趣的是,Agent 在没有主动询问的情况下就做出了技术选型:使用极简的 Vanilla JavaScript(纯原生 JS),搭配用于端到端与单元测试的 Vitest 和 Playwright,并规划了项目结构、代码风格与本地存储机制。对于这一预设,Addy 解释道:“它没有问我关于技术栈的事,而这也是你可以编码写进 Agent 技能内部的另一件事。”如果团队或个人有特定偏好(例如强制要求 React 或 TypeScript),完全可以通过配置 Skill 规则或后续对话进行调整。

```mermaid flowchart TD accTitle: 从灵感到落地规格的演进过程 accDescr: 习惯追踪器概念通过 Copilot 侧边栏转化为包含技术栈与指标的详细 Spec

subgraph UserInput["用户交互与澄清"] A["习惯列表讨论<br/>(锻炼/饮水/阅读/冥想)"] B["路径决策交由 Agent"] end

subgraph SpecGen["规范生成 (Spec Skill)"] C["明确验收标准与指标<br/>(如性能指标 LCP)"] D["默认技术选型<br/>(Vanilla JS + Vitest + Playwright)"] E["存储策略与项目架构约定"] end

UserInput --> SpecGen ```

[20:47](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1247s) 借助 Plan 技能拆解任务并控制爆炸半径

在明确了 spec 之后,下一步是将其拆解为便于执行的具体计划。Addy 强调,对于大型或复杂的工程,拆解是软件工程中最核心的思维方式;如果只是随手做个微型项目,直接上手写代码可能更省事,但在严谨开发中,运行 `/plan` 技能可以把庞大的规范转化为一系列可渐进实现的粒度化切片。此阶段 Agent 首先构建起项目的基本骨架(如 `package.json` 等样板配置),并建立起透明的任务清单(To-Do List)。

在生成的实施计划中,任务被清晰划分为不同阶段(Phases)与独立任务(Tasks)。例如 Phase 1 Task 1 专注于核心业务逻辑,要求先定义 TypeScript 接口与类型、编写计算连续打卡天数(streaks)及过去 365 天贡献总量的纯函数,以及实现底层 `localStorage` 抽象,完全剥离任何 UI 渲染层。每个任务都配有明确的验收标准和验证步骤,必须通过测试套件才能推进下一阶段。此外,计划中还会预先划定该任务预计修改的文件列表。Addy 谈到,任何有“氛围编码(vibe coding)”或智能体工程经验的人都明白控制影响范围的重要性:“如果你从事氛围编码或智能体工程已经有一段时间,你就会知道我们用来限制爆炸半径(blast radius)的方法之一,就是声明‘我只针对这几个具体的文件’。”这样能有效防止 Agent 越权修改那些与当前目标完全无关的代码。

[23:30](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1410s) 测试驱动开发(TDD)循环与审批权衡

进入构建阶段后,Addy 触发了 `/build task 1` 命令。Agent 自动读取预置的测试驱动开发(TDD)技能,首先创建待办事项并尝试安装依赖。在此期间,Burke Holland 指出了界面底部的“绕过审批(bypass approvals)”选项,提醒 Addy 可以开启该功能以避免 Copilot 频繁弹窗询问确认。Burke 坦白自己在所有个人项目里都会无脑开启绕过审批。Addy 采纳了这一建议,加快了 Agent 自主执行的步伐。

关于“是让 Agent 逐步推进阶段构建,还是直接一次性生成整个系统”,Addy 和 Burke 深入探讨了其中的工程权衡: - **一次性全量生成**:适合轻量的个人玩具项目或一次性工具,追求立竿见影的极速交付。 - **分阶段 TDD 交付**:每一步先写出失败的测试用例(红灯 Red),再补充最小化实现代码使其通过(绿灯 Green),虽然显得节奏稍慢,但每做一层(如逻辑层、数据层、UI 图表层)都能确保底座坚实不破损。

Burke 感叹这种分步验证虽然严谨,但让工程师重新介入循环也会拖慢 Agent 的极速节奏,直言“人类又成了瓶颈”。对此 Addy 总结道:“你最终必须做出权衡判断,决定在软件开发生命周期的哪个环节投入多少时间。”无论是前期花大力气雕琢规范、后期靠详尽测试与审查兜底,还是在开发流程中贯彻 TDD 实时验收,各具优劣,并没有唯一正确的标准。

[26:32](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1592s) Agent 自动编码时代的工程师心智与代码阅读

随着 Agent 依靠绕过审批功能顺畅运行红绿测试循环,两人的对话延伸到了 AI 时代工程师角色的转变:当 Agent 飞速生成大段代码时,坐在屏幕前的工程师究竟在做什么?Addy 观察到,很多工程师在等待时会习惯性切屏去开辟另一个 Agent 任务,但他自己逐渐放慢了节奏,转向关注 Agent 的思考轨迹(trajectory),去理解它为什么做出特定的设计假设,确认其思路是否与自身预期一致。

Burke 则坦言自己经常忍不住盯着屏幕上飞转的 Agent 进度条发呆:“我不知道其他人怎么样,但我就干看着 Agent 工作。我倒也不是在逐字阅读它正在做的每一件事,大部分时间我就是在盯着它看,而这时候我本该去做别的事情的。”

针对 Burke 提出的是否会去肉眼审查生成代码的疑问,Addy 给出了务实的区分: - **一次性抛弃型项目**:如果代码只为了满足当下某一个小时的临时需求,完全不需要深究细节,“如果我不懂代码,Agent 会去帮我修好的”。 - **长期维护项目**:若是预期要维护几周甚至几个月的项目,Addy 一定会亲自梳理软件架构并通读核心文件,确保在 Agent 偏离轨道或无力修复疑难杂症时,人类工程师依然具备完全接管并动手排错的能力。

“然而,如果这是我打算至少维护几周或几个月的东西,我通常会回头至少了解一下架构。”Addy Osmani 这样说道,并在说话间让 Agent 继续在后台按照 TDD 流程平稳推进代码实现。

[28:25](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1705s) 氛围编程(Vibe Coding)与智能体工程的光谱两极

两位讲师就测试驱动开发(TDD)展开了风趣的开场互动。Burke Holland 笑称自己在 SpecKit 出现之前甚至不知道“红绿测试”(Red-Green Testing,即先写失败的测试,再编写实现使其通过)的概念,并调侃自己活到快 45 岁才知道这个概念让人感到有些惭愧;Addy Osmani 则风趣地接梗说 Burke 看起来一点也不像超过 45 岁,Burke 顺势打趣称自己刚过完 445 岁生日。

随后,话题切入智能体工程(Agentic Engineering)最佳实践在行业中的偏差。Addy Osmani 指出,社交媒体(如 Twitter)上广泛传播的所谓“最佳实践”,大多来自于独立开发者(Solo Founder)或尚未拥有真实用户的初创团队,他们面对的是全新绿地(Evergreen)代码库;但对于必须维护庞大存量代码库(Legacy Brownfield)的企业团队而言,两者的规则完全不同。

```mermaid flowchart LR accTitle: Development Spectrum accDescr: A spectrum comparing Vibe Coding for greenfield prototypes to Agentic Engineering for enterprise production.

subgraph LowDiligence["低严谨度场景"] A["氛围编程 (Vibe Coding)"] -->|"试错修补"| B["小型初创 / 原型项目"] end

subgraph HighDiligence["高严谨度场景"] C["智能体工程 (Agentic Engineering)"] -->|"严格质量关卡"| D["企业级应用 / 存量系统"] end

LowDiligence -.->|"随着系统成熟度提升"| HighDiligence ```

Burke Holland 直言大多数开发者目前都渴望得到一个一劳永逸的现成方案(“到底该装什么?是 Agent Skills、Superpowers 还是 G-Stack?”)。他总结道,现在开发者的核心职责已经不再是机械地写代码,而是构建真正行之有效的工作流,甚至开玩笑说“大家现在仿佛都在麦肯锡打工”。对此,Addy Osmani 从工程哲学的高度对当前阶段进行了界定:

> “I acknowledge that agentic engineering we're, we're, we're now working on a spectrum, right? And there are going to be times when we're vibe coding, there's going to be times when we're agentic engineering. And the more diligence you have to apply to the process, the closer you are getting to agentic engineering.” > (我承认在智能体工程中,我们现在处于一个光谱上。有时我们在进行氛围编程,有时我们在进行智能体工程;你在过程中需要投入的严谨度越高,你就越接近真正的智能体工程。)

- 行业在社交平台上宣传的最佳实践过于一刀切,往往忽视了老旧系统与成熟业务的具体约束。 - 氛围编程允许开发者将控制权完全交给“感觉”(Vibes),出错时再由智能体逐步打补丁;但在生产系统中,必须深入理解系统底层运作。 - Burke Holland 补充对比指出:构建一个简单的习惯打卡应用(Habit Tracker)可以随意尝试,但如果要发布像 VS Code 这样拥有海量用户的重量级产品,就必须极为审慎,绝不能破坏既有逻辑。

---

[31:16](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1876s) 验证技能(Verify Skill):在 VS Code 内部进行自动化浏览器测试

由于分享时间仅剩大约 10 分钟,Addy Osmani 跳过了中间部分细节,直接演示了软件开发生命周期中的验证环节(Verify Step)。Verify 技能的核心职责是检查当前的代码实现(无论整体功能是否全部完成,或是仅完成部分模块)能否在真实浏览器中启动并执行预期的业务流程。

智能体在终端中自动触发 `npm run build`,紧接着执行 `npm run dev` 启动本地开发服务器。随后,VS Code 内部直接唤起了一个内嵌浏览器窗口,渲染出一个仿 GitHub 个人主页风格的界面,屏幕甚至奇妙地加载出了一张真实的外部用户头像。这一幕引发了全场爆笑,两位讲师开玩笑表示完全不知道大模型究竟从全球哪台服务器或哪个 GitHub 账户上扒下了一位可能只是平时喜欢烤饼干的普通用户的照片。在调侃之余,智能体在后台静默运行一系列交互式检测,逐项验证界面的各项交互是否会出现崩溃或控制台报错。

```mermaid flowchart TD accTitle: Verify Phase Workflow accDescr: How the Verify Skill compiles, launches, and tests the UI inside VS Code.

A["代码构建 (npm run build)"] --> B["启动开发服务 (npm run dev)"] B --> C["VS Code 内嵌浏览器加载界面"] C --> D{"自动化 UI 交互检测"} D -->|"控制台无报错 / 功能正常"| E["通过验证 (Pass)"] D -->|"交互崩溃 / 异常"| F["捕获失败并反馈修复"] ```

- **多样化自动化测试方案**:Addy Osmani 强调,自动化浏览器测试可以选用 Puppeteer、Playwright、Vercel 的 Agent Browser 等多种方案,重点在于为自己的技术栈挑选适宜的自动化代理工具。 - **全链路测试考量**:是否将每一个用户旅程(User Journey)都固化为端到端自动化测试,取决于项目自身的成熟度与团队需求。 - **Web 平台的技术红利**:Burke Holland 赞同并感叹,在原生应用(Native Apps)上执行同类端到端代理测试的门槛极高,Web 开发者在此领域拥有得天独厚的工具链优势。

---

[33:27](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2007s) 多维度代码审查与 TDD 驱动的代码精简循环

进入审查阶段(Review Phase),Addy Osmani 讨论了团队在工程文化层面的考量。即使在 Google 内部,团队依然高度依赖工程师进行人工代码复核,但借助智能体在本地先执行一轮或多轮复核(Local First Pass / Multi-pass),能够带来极大的提效价值。部分团队甚至会设计更加复杂的对抗性审查(Adversarial Code Review),或者采用模型交叉互审的方案(例如使用 Gemini 生成代码实现,换用 Claude Opus 或专用代码模型进行挑刺审查)。

在此次演示项目的审查报告中,智能体针对纯原生 JavaScript(Vanilla JavaScript)项目输出了一套严密的评估,涵盖正确性(单元测试全绿)、安全性(排查 XSS 跨站脚本漏洞)、可读性、架构规范与性能表现。此外,审查智能体还主动提出了一项让 Addy 自叹未曾预先考虑的无障碍建议——为贡献热力图(Contribution Graph)补充全键盘导航支持。Addy 特别强调了代码精简(Code Simplification)对于智能体编程的独特价值:

> “And very often what we'll do is we'll have an agent implement something. We'll verify, maybe you'll read the code, maybe you'll verify that, hey, it at least runs in the browser. Or, you know, if you're building a native app, hey, it at least runs, but you don't necessarily go back and ask yourself, hey, could this actually be simpler? And one of the wonderful things about TDD or having tests or quality gates around is that you can now go and do that code simplification loop and have something that can verify the rest of your logic still works.” > (我们经常让智能体实现某项功能,验证它至少能在浏览器里跑通,或者原生应用能够启动,但我们很少会停下来问自己:这代码能不能写得更精简?而 TDD、现成的测试用例或质量门禁最美妙的地方,就在于它允许你发起代码精简循环,并且有底气验证核心业务逻辑没有被改坏。)

- **审查的深度层级**:从单模型自检,到跨模型交叉审查、对抗性红蓝军审查,开发者可以按项目等级自定复杂度。 - **代码精简(Code Simplification)闭环**:借助前面步骤建立的自动化测试套件(红绿测试),开发者可以放心地命令智能体重构并压缩代码复杂度,确保重构过程不会引入逻辑回归。

---

[35:46](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2146s) 非确定性审查中的安全信任危机与确定性准入关卡

针对审查报告中显示的“零安全问题”,Burke Holland 表达了强烈的疑虑,直击大模型非确定性(Nondeterministic)用于安全把控时的信任痛点。他指出,界面卡顿或逻辑小 Bug 都可以后续修复,但安全漏洞(例如意外泄漏敏感密钥、产生 SQL 注入漏洞)会导致毁灭性的灾难后果,因此他绝不敢轻易相信一个大模型的随口保证。

Addy Osmani 承认大模型直接编写的代码确实极易出现离谱的安全反模式,例如灾难性地硬编码 API 密钥、权限认证逻辑存在严重数据泄露漏洞,或是缺乏速率限制(Rate Limiting)导致公共端点容易遭受暴力滥用。资深工程师通常能够凭借经验识别这些隐患,但初中级开发者或偷懒的工程师则很容易忽略。将这些安全检查规则明确固化在 Agent Skills 的结构化清单中,至少能提供一层关键的基线自检。

Burke Holland 进而指出,尽管大模型在挑刺边缘用例(Edge Cases)上非常敏锐,但关乎生死存亡的安全签批必须引入不可逾越的确定性关卡(Deterministic Gate):

> “All of this to me agents code should go through some deterministic gate that's like, yes, security sign off has been achieved because I don't trust—I'm scared to death to push anything live on Twitter and be like, 'here's what I built' and then have somebody be like, 'oh, and here's your Gemini key.'” > (在我看来,所有智能体编写的代码都必须通过某种确定性的准入关卡,明确打上‘安全签批已通过’的标记。因为我根本不放心——我害怕得要死,生怕自己刚在 Twitter 上兴奋地宣布‘看我做出了什么’,底下就有人回复‘顺便附上你泄露的 Gemini 密钥’。)

Addy Osmani 对此深表赞同,并归结道,这正是工程技能价值的核心体现:明确界定“何为良好代码(What does good mean)”与“何为交付完成(What does done mean)”,将对性能、安全性、质量与无障碍(Accessibility)的严谨标准体系化地融入到智能体的开发全生命周期中。

[38:05](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2285s) 代码简化、确定性质检门禁与成品演示

在进入问答环节之前,两人探讨了如何在项目中保障代码质量以及如何应对非确定性问题。Burke Holland 调侃道:“我们面对的是非确定性,那要怎么解决呢?用纯文本文件带来的更多非确定性来解决。”他指出业界目前仿佛将 Markdown 当作解决一切问题的灵丹妙药,但实际上开发者迫切需要更多确定性的质检门禁(deterministic gates),以确保不符合最佳实践的代码不会被随意合并。Addy Osmani 赞同这一观点,并表示技能(Skills)正是将这些工程规范编码到流程中的一种有效手段。

紧接着,Addy Osmani 谈到了代码简化(code simplification)的最佳实践。他习惯密切关注业内顶尖团队和实验室公开发表的博客与开源项目,吸收其精髓并将其提炼到自己的技能设计中。在这个简单的演示项目中,简化流程就已经找出了 3 到 4 处可以精简优化的地方。随后,Addy Osmani 快速跳过最后的发布步骤(Ship),向大家展示了之前构建好的完整应用——一个名为“Streak”的习惯追踪工具。该应用的底部拥有一个类似 GitHub 贡献图(contribution graph)的数据面板,用于直观呈现用户是否养成了良好习惯(如早晨留出无屏幕时间、制定工作日目标、进行每日复盘等)。通过浏览器开发者工具的 Application 面板可以看到,所有数据全部存储在本地的 LocalStorage 中,完全支持离线运行。

```mermaid flowchart TD accTitle: 习惯追踪应用架构与运行流程 accDescr: 展示 Streak 应用如何从本地 LocalStorage 读取习惯数据并在 GitHub 风格贡献图中渲染

subgraph Storage["数据存储层 (本地离线)"] LS["浏览器 LocalStorage"] Data["习惯打卡记录 (无屏幕/工作计划/反思)"] LS --- Data end

subgraph Client["前端展现层 (Vanilla JS)"] UI["Streak 应用界面"] Graph["GitHub 风格贡献图面板"] UI --> Graph end

Data -->|"读取/更新"| UI ```

- 该应用完全在本地运行,断网环境下也能正常使用 LocalStorage 读写数据。 - 演示应用预设的追踪习惯包括:早晨无屏幕时间(screen-free time)、规划当日工作目标、反思复盘(reflecting)。

---

[40:08](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2408s) 现场问答:低成本与高性能模型的混用策略

进入现场 Q&A 阶段后,观众 Anthony 提出了一个关于模型调度的问题:在日常开发工作流中,应该如何在轻量级模型(如 Flash 系列)与旗舰高性能模型(如 Pro 系列)之间拆分任务?是否应该在 Flash 中进行规划(Planning),而在 Pro 中进行具体实现(Implementation)?

Addy Osmani 明确证实了这种工作方式,并指出这正是他本人的标准工作流:“如果你想优化成本,那是一个非常好的切入点。”他解释道,在规划阶段使用低成本模型可以有效控制 Token 开销,而在进入代码实现阶段时,再切换到推理能力更强的模型(例如 Gemini Pro 系列、Claude Opus 或各种 Codex/代码专用模型)。Addy Osmani 补充道,包括 GitHub Copilot 在内的诸多现代开发工具,都支持在不同开发阶段无缝切换不同的底层模型,为开发者提供了极大的灵活性。

- **规划阶段(Planning)**:使用低成本、高速度的模型(如 Flash 类模型),以极低的 Token 成本整理需求、梳理步骤。 - **实现阶段(Implementation)**:切换为能力更强的高规格模型(如 Gemini Pro、Claude Opus),处理复杂的逻辑编写与代码重构。

---

[41:38](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2498s) MCP 与 Agent Skills 的对比:CLI 演进、认证边界与上下文窗口优势

Burke Holland 向 Addy Osmani 抛出了一个核心议题:在当前的工作流中,模型上下文协议(MCP, Model Context Protocol)处于什么样的位置?Addy Osmani 坦言自己对 MCP 有着鲜明且强烈的看法:“在早期,大家都在谈论 MCP 如何擅长在数据与 Agent 之间建立连接;但我认为人们后来发现,在很多情况下你真正想要的是一个 CLI,而不是一个 MCP。”由于 Agent 天生极其擅长调用命令行工具(CLI),在许多场景下直接调用 CLI 反而比暴露大量 MCP 工具更高效。因此,整个工作流目前仍在不断演变,业界正在重新摸索 MCP 与 CLI 各自的最佳边界。

Burke Holland 对此表示完全赞同。他提到自己曾公开表达过“你的 MCP 服务器大概率应该做成一个 Skill 加上一个 CLI”,但他转述了近期与 OpenCode 的 Reese 在 X 平台上交流时对方提出的反驳观点:MCP 的真正优势在于解决了严苛的身份验证(Authentication)与权限控制问题,而单纯依赖 CLI 很难精细化限制 Agent 的权限。尽管如此,Burke Holland 在日常开发中依然几乎全部依赖 Skills,仅在少数工具上使用 MCP:一个是微软生态内的 Work IQ,另一个则是用于实时读取技术文档的 Context7(他强烈推荐所有人立即安装 Context7 MCP,使 Agent 在写代码前强制查阅最新官方文档)。

Addy Osmani 进一步补充道,即使在 Google Cloud 等体系内,团队也开始发布并维护越来越多的技能包(Skill Packs)。因为无论底层模型的知识截止日期(Cutoff Date)停留在何时,通过技能包都可以动态为 Agent 注入最新鲜的文档、指引和工作流。最后,Burke Holland 重点指出了 Agent Skills 相比 MCP 在架构设计上的巨大优势——**渐进式加载(Progressive Loading)**。在上下文窗口极度宝贵且昂贵的背景下,MCP 必须把所有可用工具的元数据一股脑全部声明进上下文,极其浪费空间;而 Agent Skills 默认只会向模型暴露技能名称和简短描述,只有当模型判定需要该技能时,才会按需加载具体内容和关联文件,从而极大节省了 Token 开销。

```mermaid flowchart LR accTitle: MCP 全量声明对比 Agent Skills 渐进式加载 accDescr: 展示 MCP 工具全量占用上下文与 Skills 渐进式按需读取节省 Token 的机制区别

subgraph MCP["MCP 模式 (全量加载)"] direction TB M1["上下文窗口"] T1["工具 A 完整定义"] T2["工具 B 完整定义"] T3["工具 C 完整定义"] M1 --- T1 & T2 & T3 end

subgraph Skills["Agent Skills 模式 (渐进式加载)"] direction TB S1["上下文窗口仅注入元数据:<br/>技能名称 + 简要描述"] S2["模型触发判定"] S3["动态拉取技能主文件"] S4["按需拉取依赖与附随文件"] S1 --> S2 --> S3 --> S4 end ```

- Burke Holland 总结道:“技能是渐进式加载的。模型首先拿到的只是技能名称和一个简短的描述,然后再据此加载技能正文;如果该技能还指向其他文件,它才会继续把那些文件加载进来。” - 这种渐进式加载机制极为节省 Token,而在 AI 使用政策从“无限量随意使用”收紧至“严格限制可用 Token 配额”的今天,按需加载变得格外关键。 - 访谈在对 Addy Osmani 开源技能仓库的致谢中圆满结束。

## Notable quotes > [01:17](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=77s) If you're not really sure what skills are, they're basically a standardized way to give AI agents new capabilities and expertise. — Addy Osmani

> [05:14](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=314s) I ground my agent skills around the software development life cycle. — Addy Osmani

> [03:17](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=197s) As you know, you create an open source project, it's a lot like having a kid. — Addy Osmani

> [20:47](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1247s) 如果你从事氛围编码或智能体工程已经有一段时间,你就会知道我们用来限制爆炸半径(blast radius)的方法之一,就是声明‘我只针对这几个具体的文件’。 — Addy Osmani

> [23:30](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1410s) 你最终必须做出权衡判断,决定在软件开发生命周期的哪个环节投入多少时间。 — Addy Osmani

> [26:32](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1592s) 然而,如果这是我打算至少维护几周或几个月的东西,我通常会回头至少了解一下架构。 — Addy Osmani

> [41:38](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2498s) 在早期,大家都在谈论 MCP 如何擅长在数据与 Agent 之间建立连接;但我认为人们后来发现,在很多情况下你真正想要的是一个 CLI,而不是一个 MCP。 — Addy Osmani

> [41:38](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2498s) 技能是渐进式加载的。模型首先拿到的只是技能名称和一个简短的描述,然后再据此加载技能正文;如果该技能还指向其他文件,它才会继续把那些文件加载进来。 — Burke Holland

## Mentioned Addy Osmani, Burke Holland, Google, Google Cloud, Microsoft, Microsoft Build, GitHub Copilot, VS Code, Gemini 3.5 Flash, Gemini Pro, Claude Opus, Garry Tan, G-Stack, Hacker News, Bloomberg, Clippy, SpecKit, Context7, Work IQ, OpenCode, Reese, Vitest, Playwright, Puppeteer, Vercel Agent Browser, Vanilla JavaScript, TypeScript, Streak, MCP (Model Context Protocol)

## Video description In this session, Addy joins us to talk about what agent skills actually are, how they encode senior engineering judgment into workflows any AI agent can follow, and how to use them to get consistent, production-quality results out of your coding tools.

To learn more, please check out these resources: * https://aka.ms/AgentSkills-AO

𝗦𝗽𝗲𝗮𝗸𝗲𝗿𝘀: * Addy Osmani * Burke Holland

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

LIVE150 | English (US)

Broadcast Stage

#MSBuild

Chapters: 0:00 - Intro and Guest Introduction: Addy Osmani returns for a discussion on AI and Google Cloud. 00:05:14 - Structuring Agent Skills: Organizing skills around the software development life cycle (Define, Plan, Build, Verify, Review, Ship). 00:07:15 - Design Pattern for Skills: Overview of how Addy structures each skill with overviews, rationales, red flags, and verification steps. 00:11:03 - Introduction to habit tracker project idea 00:13:03 - Exploring GitHub-inspired analogies and defining MVP success 00:25:25 - Balancing test-driven and review-based workflows 00:34:35 - Security and performance review in vanilla JavaScript 00:35:11 - Emphasis on code simplification and iterative testing with TDD 00:36:01 - Discussion on trust and security in nondeterministic reviews

[Source](https://www.youtube.com/watch?v=Q6LR0mXArIQ)

中文简报

谷歌工程师Osmani将编码智能体绑定至SDLC以保障生产安全 生产级软件需要严格、测试驱动的工程护栏,因为当团队依赖非结构化的“氛围编码”时,概率性AI智能体会引入难以察觉的系统故障。 Addy Osmani详细阐述了智能体技能如何将生成式AI编码构建为规范的工作流,并以软件开发生命周期(SDLC)的六个阶段为基础:定义、规划、构建、验证、审查和发布。他摒弃了非正式的“氛围编码”,演示了如何利用VS Code和GitHub Copilot构建类似GitHub风格的习惯追踪器,展示了结构化技能如何强制执行测试驱动开发、自动化浏览器验证和多轮代码审查。该环节探讨了速度与架构严谨性之间的关键权衡,并详细说明了相比沉重的MCP工具架构,渐进式加载技能如何节省上下文预算。 Addy Osmani将智能体技能定义为便携且可复用的工程工作流、运行上下文及领域护栏捆绑包,可类似于开发者的dotfiles配置文件那样动态加载至编码智能体中。 (0:06) Osmani并未依赖无引导的对话式提示,而是围绕传统SDLC(定义、规划、构建、验证、审查和发布)来构建智能体技能,以强制执行工程规范并防止认知放弃。 (5:14) 与标准的模型上下文协议(MCP)工具架构相比,智能体技能通过渐进式披露提供了显著的Token经济优势,在活跃任务需要加载完整指令前,仅公开名称和简短描述。 (41:38) 针对拥有活跃用户的企业存量系统,Osmani对“氛围编码”提出警告,认为非确定性的模型评估必须汇入严格的确定性测试关口和红绿TDD循环中。 (28:25)

精炼阅读摘要

Google Cloud AI 总监 Addy Osmani 指出,Agent Skills 类似开发者时代的 dotfiles,能将专业领域知识与软件工程生命周期规范化封装,推动 AI 从松散的“氛围编码”转向严谨的工程化落地。 架构设计与渐进式上下文加载 (2:28) Addy 将 Agent Skills 视作可移植的工具包,类比 Unix dotfiles,用于打包模型本身缺乏的操作上下文、工作流指令与规范规则。与一次性临时提示词不同,Skill 旨在作为跨团队、跨代码库复用的工程资产。其核心架构由名称和意图描述等元数据定义,包含适用条件、正反向操作边界说明、异常警报及自动化验证退出标准等四部分约束。 在运行时机制上,Agent Skills 相比模型上下文协议(MCP)具有显著的 Token 经济性优势。MCP 往往需要在初始阶段将所有工具的完整 Schema 载入上下文,极易造成上下文膨胀;而 Agent Skills 采用渐进式披露策略,基础上下文仅暴露简短名称与描述,仅在任务语义匹配时才动态引入完整的逐步操作指南与关联文件,大幅缓解了在严格 Token 配额环境下的资源消耗。 锚定软件工程全生命周期的六大阶段 (5:14) Addy 强调,构建工程级系统的核心是将 Skills 深度锚定在经典软件开发生命周期(SDLC)中,即 Define、Plan、Build、Verify、Review 和 Ship。在实操演示中,针对构建 GitHub 贡献热力图风格的无后端习惯追踪应用“Streak”,系统通过交互式反问收敛需求规格(/refine),随后生成涵盖 LCP 性能指标与 Vanilla JS、Vitest、Playwright 技术栈的架构规范(/spec)。 进入实施阶段后,Plan Skill 会对技术规格实施颗粒化任务拆解,明确限制单次任务所允许修改的目标文件范围,以严格控制代码改动扩散范围(Blast Radius)。随后在 Build 阶段执行时,系统联动内置的测试驱动开发(TDD)规范,强制 Agent 经历先编写失败测试、再实现最小代码以通过测试的红绿循环,避免生成无法验证的死代码与功能回退。 验证闭环与多轮代码审查机制 (31:16) 当功能代码成型后,Verify Skill 会自动编译并在 VS Code 内嵌浏览器中启动本地服务,调用 Playwright 或 Puppeteer 等无头测试工具,在真实的运行时 DOM 环境中执行自动化冒烟测试与交互验证,确保应用不仅能通过静态编译,也能正常运行。 随后的 Review Skill 则展开多轮自动化代码审查,覆盖单元测试正确性、XSS 防护等前端安全扫描、代码模块化架构评估以及键盘导航等无障碍(a11y)标准。Addy 特别指出代码精简(Simplification)是当前最容易被忽视的场景,开发者完全可以依托已建立的 TDD 测试防线,放心地让 Agent 执行多轮重构与冗余清理,而无需担忧底层业务逻辑发生破坏。 非确定性挑战与混合工程实践 (35:46) 面对大语言模型天生的非确定性,Burke Holland 提出质疑,认为利用概率性的文本指令来修复模型的非确定性漏洞具有局限性,尤其在 SQL 注入或 API 密钥硬编码泄漏等高危安全领域,缺乏绝对保障。Addy 承认该风险并表示,尽管 Skills 能将高级工程规范编码为初级开发者与疲劳状态下的安全防线,但在关键的生产交付阶段,仍必须依靠严格的确定性门禁(Deterministic Gates)作为最终屏障。 在模型调度与工具集成方面,针对不同复杂度的任务,建议在规划阶段使用成本较低的轻量推理模型(如 Gemini Flash),而在具体编码实施阶段切换为高算力模型(如 Gemini Pro 或 Claude Opus)。关于 MCP 与 CLI 的取舍,虽然 MCP 具备更好的身份认证与细粒度权限控制,但在很多开发场景中,直接赋予 Agent 终端 CLI 操作权限往往速度更快、路径更短。 在绿地原型向现有棕地系统过渡的背景下,现代开发者的角色正从手写语法转向工作流编排;然而,如何在概率性 AI 生成与确定性代码质量门禁之间构建兼顾效率与安全的工程范式,仍是有待行业进一步探索的课题。

Detailed notes — zh

## Background 本内容由频道 Microsoft Developer 于 2026 年 6 月 5 日在 YouTube 平台发布,属于 Microsoft Build 2026 大会 LIVE150 专题现场访谈。视频由 Burke Holland 主持,邀请了 Google Cloud 目录兼资深工程师 Addy Osmani 担任嘉宾,深入探讨了 Agent Skills 的核心概念、如何将资深工程师的工程判断力固化为标准工作流,以及如何利用这些技能让 AI 编码工具稳定输出生产级高质量代码。 ## TL;DR Addy Osmani 详细拆解了自己开源的 Agent Skills 架构设计,主张将智能体能力紧密锚定在软件开发生命周期(SDLC)的六大核心阶段(定义、规划、构建、验证、评审、发布),而不是盲目依赖非确定性的“氛围编程”(Vibe Coding)。节目通过现场实操,演示了如何使用 `/refine` 澄清需求、通过 `/spec` 和 `/plan` 约束影响范围,并借助 TDD 红绿测试循环在 VS Code 中构建并验证一款基于浏览器 LocalStorage 的习惯打卡器(Streak)。此外,两人深入对比了低成本模型与旗舰模型的混用策略,并剖析了 Agent Skills 相比 MCP 在渐进式按需加载上下文与节省 Token 方面的显著架构优势。 ## Atmosphere & style 整场对话充满技术老友重聚的轻松与默契,Burke 与 Addy 从远古的 jQuery 时代侃到当下的 AI Agent,穿插着微软“大眼夹”(Clippy)人偶服和家庭琐事的幽默自嘲,笑声不断。尽管气氛风趣随和,技术讨论却极具工程师的严谨与思辨深度,尤其在谈及“认知妥协”、代码爆炸半径以及大模型安全审查的信任危机时,双方犀利直击痛点,反思深刻。观看体验宛如坐在两位顶尖工程师身旁,一边喝咖啡一边观摩他们把玩前沿工程工具,兼具实战落地感与前瞻思考的张力。 ## Bulletin - [05:14](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=314s) Addy Osmani 提出将 Agent Skills 标准化封装并锚定在软件开发全生命周期(SDLC)的六大核心阶段(定义、规划、构建、验证、评审、发布),以规范工程纪律代替盲目的 AI 编写代码。 - [41:45](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2505s) 在架构设计上,Agent Skills 凭借渐进式按需加载(Load on Demand)机制显著优于全量暴露工具定义的 MCP,仅在命中语义时加载详细指令,极大节省宝贵的上下文 Token。 - [35:46](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2146s) 针对 AI 编程中的非确定性风险,讲师指出企业级生产代码不能仅依靠大模型自检,必须配合测试驱动开发(TDD)与确定性准入关卡(Deterministic Gates)进行安全签批与代码精简。 - [40:08](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2408s) 在模型调度策略上,推荐在规划阶段使用低成本高速度的轻量模型(如 Flash 系列),而在具体实现与复杂重构时无缝切换至高推理能力的旗舰模型(如 Pro 或 Opus 系列)。 ## Key takeaways - [01:17](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=77s) Agent Skills 本质上是为 AI Agent 赋予新能力与专业知识的标准化载体,类似于早期程序员互相分享的 dotfiles 配置文件,能够沉淀并复用资深工程经验。 - [05:14](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=314s) 技能体系严格围绕软件开发生命周期(SDLC)构建,划分为定义(Define)、规划(Plan)、构建(Build)、验证(Verify)、评审(Review)与发布(Ship)六大阶段。 - [07:15](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=435s) 每个标准化技能均遵循统一的设计模式模板,包含核心概述(Overview)、合理性理由(Rationales)、红线警示(Red Flags)及验证机制(Verification)。 - [10:45](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=645s) 在需求阶段运行 /refine 技能可通过结构化提问帮助收敛模糊创意,明确功能边界与非目标(Out of Scope),防止开发者陷入认知妥协并遏制范围蔓延。 - [20:47](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1247s) 通过 /plan 技能将技术规范细化为原子化任务切片,并显式指定允许修改的文件列表,是有效限制 Agent 越权修改、控制爆炸半径(blast radius)的关键工程手段。 - [28:25](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1705s) 智能体工程(Agentic Engineering)处于一个光谱的两端:一端是低严谨度、依赖试错修补的氛围编程(Vibe Coding),另一端则是面向企业级存量系统的高严谨度工程化流程。 - [31:16](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1876s) 验证技能(Verify)可驱动本地构建并调用 Playwright 或内嵌浏览器运行交互式检测,确保生成的前端应用在真实运行时无崩溃与控制台报错。 - [33:27](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2007s) 代码精简(Code Simplification)闭环依赖于前期 TDD 建立的测试红绿灯防护网,允许开发者命令 Agent 大胆重构压缩逻辑而不必担心引入业务回归。 - [35:46](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2146s) 大模型在审查代码时具备非确定性,极易忽略敏感密钥泄露或权限漏洞,生产上线前必须通过硬性的确定性准入关卡(Deterministic Gate)。 - [40:08](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2408s) 成本与性能优化的标准工作流是在规划(Planning)阶段调用低成本快速模型,进入具体实现(Implementation)阶段时再切换为高阶推理模型。 - [41:45](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2505s) 相较于 MCP 倾向于将所有工具元数据全量灌入上下文,Agent Skills 的渐进式加载(Progressive Loading)默认仅暴露名称与简述,按需载入关联文件,具有极高的 Token 效率。 - [41:38](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2498s) 在很多日常开发场景中,Agent 调用命令行工具(CLI)加上 Skill 比部署完整 MCP 服务更敏捷,而 MCP 的不可替代性主要体现在严苛的身份验证与权限隔离场景。 ## Detailed walkthrough ### [00:06](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=6s) 开场寒暄:从 jQuery 时代到 AI Agent 主持人 Burke Holland 热情地宣布节目回归,并向观众隆重介绍了当期的重磅嘉宾——Google Cloud 目录(Director)、畅销书作者、AI 开发者体验与用户体验领域的资深专家 Addy Osmani。Burke 分享了一则有趣的家庭趣事:他最近在看彭博社(Bloomberg)关于人工智能的报道时正好看到 Addy 出镜,便兴奋地对妻子炫耀说“我认识这家伙”,结果妻子完全不相信他,冷淡回应“得了吧,你才不认识”,逗得 Addy 打趣道:“那可能反而是件好事,哈哈。” 两人回顾了彼此相识多年的深厚渊源。早在前端开发的 jQuery 时代,Addy 就已经活跃在技术前线,持续撰写技术文章、录制教学视频并公开发表演讲。多年来,他的工作重心从早期的 Web 性能优化(Web Performance),一路演进至当下炙手可热的 AI Agent(智能体)与 Agent Skills(智能体技能)。Burke 特别提到,Addy 近期开源的 Agent Skills 项目仓库已经数次登上 Hacker News 的头版,影响力巨大;Addy 则笑称自己最近尽量不刷 Hacker News,“因为你永远不知道上面的评价是夸你还是骂你”。 ### [01:17](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=77s) 什么是 Agent Skills:新时代的“dotfiles”与 Clippy 玩笑 Addy 正式切入主题,向观众普及什么是 Agent Skills。他在 Google 负责多个 Agent 核心项目(如 Agent Development Kit、Agent Platform 以及多项 Skills 相关的内部工程),对这一领域有着长期且深度的思考。针对究竟什么是 Agent Skills,Addy Osmani 做出了精炼的概括:“If you're not really sure what skills are, they're basically a standardized way to give AI agents new capabilities and expertise.”(如果你不太确定技能是什么,它们本质上就是一种为 AI Agent 赋予新能力和专业知识的标准化方式)。 为了让开发者更好地理解,Addy 将其类比为程序员早年热衷分享的 Shell 配置文件或 `dotfiles`。当时大家都会公开自己的环境配置,互相炫耀“这是我的独门秘籍”,别人看到会忍不住想照搬,但很快又会意识到每个人的工作流和工具习惯各不相同。Skills 同样如此:它们是工程经验的沉淀,既可以直接复制使用,也可以作为灵感范本去定制属于自己的最佳实践。 为了展示概念,Addy 演示了一个由自己“盲写/氛围编程”(vibe coded)的趣味 Web 桌面环境——在浏览器窗口中模拟经典的 Windows 桌面,底部却突兀地挂着 macOS 的 Dock 栏。更滑稽的是,屏幕上还贴着微软古早的 Office 助手“大眼夹”(Clippy)。Burke 随即调侃道,在微软 Build 大会期间官方其实是有“禁止提及 Clippy”的潜在禁令的,甚至现场准备了一套 Clippy 人偶服,“穿上人偶服的人是绝对不准开口说话的”。Addy 笑着接梗,表示既然规矩是自己打破的,那责任全在自己,引得全场会心一笑。 ### [03:17](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=197s) 技能架构与项目初衷:开源就像养孩子 在技术本质上,Agent Skills 是一种标准化的封装载体,用于打包模型本身并不具备的专业领域知识、业务上下文、标准工作流以及执行指令。它的基础结构非常简洁,核心要素包含 `name`(名称)与 `description`(描述)。与单次交互的 prompt(提示词)不同,Skills 面向的是高复现度、可跨项目重复调用的工程流程。 ```mermaid flowchart TD accTitle: Agent Skills 按需加载机制 accDescr: 任务进入 Agent 后匹配元数据并动态载入步骤执行 subgraph Trigger ["任务触发"] A["传入开发者任务"] --> B["扫描可用技能元数据<br/>(name / description)"] end subgraph Load ["动态加载"] B --> C{"是否命中技能语义?"} C -->|"是"| D["按需加载完整 Skills 步骤与上下文"] C -->|"否"| E["退回普通 Prompt 执行"] end subgraph Execute ["执行流程"] D --> F["严格遵循工程指引与工作流"] F --> G["执行验证与交付"] end ``` 这种机制的关键在于**按需加载(Load on Demand)**。Agent 在初始状态下无需将所有冗长的步骤全部塞入上下文,只需维护技能的名称与简要描述;一旦收到具体任务,系统会自动进行语义匹配,在命中相应技能后再动态拉取其具体的工作步骤并严格执行。 聊到该开源项目的诞生背景,Addy 坦言自己前几年放缓了参与开源的节奏。正如 Addy Osmani 所感叹的:“As you know, you create an open source project, it's a lot like having a kid.”(正如你所知,创建一个开源项目就像生养一个孩子一样,你必须持续维护它)。开发者必须极为审慎地决定何时向世界公开新项目。此前,Y Combinator 首席执行官 Garry Tan 发布了 G-Stack 工具栈并引发广泛讨论,这激发了 Addy 的创作欲,促使他下定决心将自己对 Agent Skills 的独特工程理解整理开源。 ### [05:14](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=314s) 围绕软件工程全生命周期(SDLC)构建技能体系 与其他社区常见的技能库相比,Addy 的体系有着极具辨识度的技术主张。Addy Osmani 明确指出:“I ground my agent skills around the software development life cycle.”(我将自己的 Agent Skills 牢牢锚定在软件开发生命周期上)。他主张严谨的 Agentic Engineering(智能体工程)与 AI 辅助工程方法论,绝不主张让模型毫无章法地胡乱写代码,而是强调全流程的严明纪律:清晰定义构建目标、层层验证生成物、时刻保障工程质量。 该项目将整个研发流程划分为六大核心阶段,每个阶段都配备了专属的技能组: - **定义(Define)**:包含需求访谈与推演技能。如果开发者只有一个洗澡时灵光一闪的模糊点子,连 UI 和具体细节都没想清楚,该技能会通过结构化问答帮助其收敛思路,推进“规范驱动开发”(Spec-Driven Development)。 - **规划(Plan)**:负责将成型的规范与产品设想细化拆解为原子化的工程任务。 - **构建(Build)**:指导模型进行高水准的敏捷编码,覆盖优质的前端 UI 构造、合理的 API 设计及严密的接口契约设计。 - **验证(Verify)**:Addy 曾长期从事 Chrome 浏览器研发,极其重视在真实浏览器环境下的自动化验证与自动调试能力。 - **评审(Review)**:内置代码审查闭环,专注代码精简(Code Simplification)与安全合规审计。 - **发布(Ship)**:覆盖从持续集成(CI)、Git 工作流管理、开发文档编写到正式发布与上线的全链路操作。 ### [07:15](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=435s) 技能的设计模式与开发环境配置 为了保证模型在执行各阶段任务时输出稳定、不跑偏,Addy 为每一个 Skill 制定了标准化的设计模式模板: 1. **概述(Overview)**:清晰界定该技能的核心用途与触发场景。 2. **合理性理由(Rationales)**:明确说明“为什么应该使用该技能”以及“为什么在某些场景下不应使用”,为智能体提供清晰的思维护栏。 3. **红线警示(Red Flags)**:列出异常危险信号,让智能体在操作发生偏离时能立即自我警觉并制止错误。 4. **验证机制(Verification)**:提供可检验的具体标准,确保交付步骤高质量完成。 在开发工具落地层面,这些技能完全映射为标准的 Slash 快捷命令(如 `/refine`、`/simplify` 等),兼容 GitHub Copilot、VS Code Agents 视图等各类 Agent 编码工具。Addy 在演示项目中展示了工程脚手架的落地状态:代码库中引入了配置规范、Agent 定义文件、映射各技能的 prompts 模板。作为 Google 员工及 Gemini 研发团队的一员,Addy 在 Copilot 侧边栏中选用了 Gemini 3.5 Flash 模型,并高度评价其在 Agentic 编码与复杂长链路推理任务中的卓越性能,随即准备深入展示基于测试驱动开发(TDD)的具体实操。 ### [09:20](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=560s) 技能文件中的工程智慧:从测试金字塔到浏览器调试 Addy Osmani 详细拆解了技能(skills)配置文件内部包含的具体内容与组织逻辑。他指出,打开这些文件会发现大量详实的技术规范,尽管开发者可以根据上下文窗口(context window)的容量限制随时进行精简和针对性优化,但他个人倾向于保持极高的明确性与严密性。在测试驱动开发(TDD)这一技能中,他完整地刻画了整个周期,不仅界定什么是失败的测试、什么是通过的测试,还明确规定了重构时的思考模式。这些最佳实践很多直接源自谷歌大规模构建软件的工程经验,被沉淀并编码到了技能库中。 “Many of these patterns were ones that have been inspired by how we build software at scale at Google.” Addy 解释道。在文件中,开发者能够看到经典的测试金字塔(Test Pyramid)、决策指南,以及针对测试反模式(anti-patterns)的规避清单。更重要的是,技能构成了贯通上下游的“连接纽带(connective tissue)”:它不仅指导模型在编写代码时如何设立安全边界,还打通了端到端测试与浏览器调试等后续阶段。在 Addy 看来,这种刻意的严密性能够为整个开发流程带来不可替代的规范价值。 - 技能文件中完整编码了 TDD 循环的判定准则与重构思考框架 - 包含测试金字塔、决策指南以及需要明确避免的测试反模式 - 嵌入了针对浏览器端测试、调试与安全边界的具体检查规范 ### [10:45](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=645s) 启动习惯打卡器项目与 `/refine` 需求澄清 为了展示技能在实际工程中的落地效果,Addy 结合自己长期尝试优化个人生产力(并且常常以失败告终)的生活经历,提议动手构建一款习惯打卡应用(Habit Tracker)。该应用拟借鉴开发者每天都会看到的 GitHub 提交贡献热力图(contributions graph)作为核心可视化形态,记录用户长期坚持习惯的轨迹。为了模拟真实开发场景,Addy 故意只输入了一句非常粗略、高层级的初始想法:“GitHub 风格的习惯打卡器,无需数据库后端,完全在浏览器本地运行并存储”,并触发了工作流中的 `/refine` 技能命令。 ```mermaid flowchart TD accTitle: 习惯打卡器需求精化与规格生成工作流 accDescr: 展示从初始高层想法经过 refine 技能澄清收敛,生成架构方向并推进至详细 spec 的完整工程生命周期流程。 subgraph Phase1["阶段 1:需求探索与澄清 (/refine)"] Raw["原始想法:GitHub 风格浏览器本地打卡器"] --> Refine["触发 /refine 技能"] Refine --> Qs["自动提问:目标人群、存储约束、概念边界、MVP标准"] Qs --> Answers["输入澄清答案 (Local Storage / 极简 UI)"] end subgraph Phase2["阶段 2:方案权衡与架构决策"] Answers --> Dirs{"提供 3 种架构方向"} Dirs -->|方向 A| DirA["极简 GitHub 个人资料风格 (选中)"] Dirs -->|方向 B| DirB["键盘优先的 TUI 终端模式"] Dirs -->|方向 C| DirC["Markdown / SVG 数据导出工具"] end subgraph Phase3["阶段 3:产品规格化 (/spec)"] DirA --> ScopeDoc["保存输出:Streak MVP 范围文档"] ScopeDoc --> Spec["触发 /spec 技能"] Spec --> TechSpec["生成技术规格与实施方案"] end ``` `/refine` 技能随即接管了对话,它不仅没有贸然直接写代码,反而主动向 Addy 抛出了一连串关键的澄清问题:目标受众是谁?对纯前端存储的具体技术选型(IndexedDB、localStorage 或 sessionStorage)与约束是什么?除了贡献网格之外,是否还要引入提交习惯、分支变体、Pull Request 等深入的 GitHub 隐喻?以及 MVP 的成功标准究竟是什么?Addy 明确回复:受众定位为开发者群体;存储选择最简单的 localStorage;拒绝过度复杂的 Git 隐喻,仅保留贡献网格;MVP 的唯一核心就是快速加载、界面整洁且具备响应式布局。这一步在短短几分钟内,就完成了通常需要撰写冗长产品说明书才能建立的技术约束。 - 初始提示词保持模糊,仅声明“GitHub 启发”、“纯浏览器端运行” - 技能自动化拆解需求,通过四组定向提问收敛功能边界 - 明确放弃云端同步与复杂社交属性,专注于纯本地运行的极简体验 ### [14:33](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=873s) 方案收敛、认知负债与 MVP 范围敲定 在收集到所有约束条件后,`/refine` 技能给出了三种清晰的技术方向供挑选:方向 A 是“开发者个人资料配置器(Dev Profile Configurator)”,即高度还原 GitHub Profile 风格的极简克隆版;方向 B 是“键盘驱动的习惯终端(TUI)”;方向 C 是“Markdown 与 SVG 导出工具”,更偏向纯文本数据管理。Burke Holland 在一旁打趣现在 TUI(终端用户界面)简直大受欢迎,但 Addy 最终选择了最符合直觉的方向 A。Burke 注意到模型并没有替 Addy 强行做决定,引发了两人关于“AI 建议与自主决策”的精彩辩论。Burke 坦言很多时候模型一旦给出选项并附带“如果是我我会选 X”,开发者就很容易丧失主见顺从模型;Addy 则对此深有共鸣,指出这正是关于“认知负债(cognitive debt)与认知妥协(cognitive surrender)”的典型现象。 确定选择方向 A 后,技能将该项目正式命名为“Streak”,并生成了一份详尽的范围文档。文档中不仅记录了问题陈述,还列举了后续需要验证的关键假设(例如工程师在桌面端配置但在移动端打卡的可用性、localStorage 的容量与支持度),并极为清晰地划定了“非目标(Not doing)”——不包含云同步、不包含复杂的社交功能。确认无误后,Addy 触发保存,使模糊的创意正式凝固成结构化的文档。 > “I have so much to say about cognitive debt and cognitive surrender.” —— Addy Osmani - 方案 A(GitHub 资料克隆)、方案 B(TUI 终端)、方案 C(数据导出器)形成鲜明取舍 - 模型在技能约束下保持中立,避免因替开发者决策而引发“认知妥协” - 生成的项目范围清晰标注了明确的非目标(Out of Scope),规避范围蔓延(scope creep) ### [17:15](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1035s) 衔接 `/spec` 阶段:从概念设计跨入工程架构 在完成产品概念精化后,工作流自然过渡到将高层级文档转化为可落地技术规格(Specification)的阶段。Addy 谈到,不同的工程师对软件生命周期的偏好各异,有些开发者习惯一步到位直接规划并开始实现,而他自己则极度看重每一步的精确度,偏好“提炼(Refine) -> 规格化(Spec) -> 规划(Plan) -> 实施(Implement)”的渐进式路径。 Addy 在终端中执行 `/spec` 命令,AI 代理即刻读取上一步生成的精化文档,并迅速输出技术栈骨架、成功判据以及细化的待定工程议题。Burke 惊叹于这套流程的反应速度极为敏捷(snappy),Addy 解释这得益于底层采用的快速模型(如 Gemini 3.5 Flash),并开玩笑称在 AI 领域技术日新月异,可能“四个小时后一切都会改变”。面对技术规格中关于热力图究竟是用“模块化动态 SVG 编组”还是“CSS Grid 布局”的提问,Addy 坦诚自己并非 SVG 专家,因而选择信任模型的建议,让其选出最优实现方式,正式推进技术方案落地。 > “Everybody's got their own workflow. Here you can see the file that it's generated, and this is going to be a starting point entry for the next step.” —— Addy Osmani - `/spec` 命令自动消化 `/refine` 的产出,生成详细的技术栈架构与成功判据 - 核心技术分歧聚焦于热力图渲染选型:动态 SVG 编组 vs CSS Grid 元素布局 - 整个工程流水线遵循严密的分段式交付哲学,保证每一步上下文干净可追溯 ### [19:01](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1141s) 细化产品规范与技术栈的默认假设 在生成习惯追踪器的规格文档(spec)时,AI 提问新访客应该预设哪些默认习惯。Burke Holland 和 Addy Osmani 展开了轻松的讨论,半开玩笑地确认要追踪的是好习惯而不是坏习惯,并列举了锻炼、喝水、阅读与冥想。Burke 开玩笑地提议“刷手机(doom scrolling)”,Addy 笑着接话道:“做完刷手机之后再去冥想,大概会更好一点。”至于生成文件的保存位置,Addy 选择全权交由 Agent 决定。 生成完成的规格说明书直接呈现在 Copilot 侧边栏中。Addy 对这种无缝体验赞不绝口,指出无论开发者日常使用哪种 Agent 交互界面,都能直接在侧边栏中完成全套问答与规格制定,而无需切换到外部应用。新生成的 spec 比最初简略的想法详细得多,不仅列出了具体验收标准,还加入了诸如最大内容绘制(LCP)等前端性能指标,并自动锁定了技术栈。有趣的是,Agent 在没有主动询问的情况下就做出了技术选型:使用极简的 Vanilla JavaScript(纯原生 JS),搭配用于端到端与单元测试的 Vitest 和 Playwright,并规划了项目结构、代码风格与本地存储机制。对于这一预设,Addy 解释道:“它没有问我关于技术栈的事,而这也是你可以编码写进 Agent 技能内部的另一件事。”如果团队或个人有特定偏好(例如强制要求 React 或 TypeScript),完全可以通过配置 Skill 规则或后续对话进行调整。 ```mermaid flowchart TD accTitle: 从灵感到落地规格的演进过程 accDescr: 习惯追踪器概念通过 Copilot 侧边栏转化为包含技术栈与指标的详细 Spec subgraph UserInput["用户交互与澄清"] A["习惯列表讨论<br/>(锻炼/饮水/阅读/冥想)"] B["路径决策交由 Agent"] end subgraph SpecGen["规范生成 (Spec Skill)"] C["明确验收标准与指标<br/>(如性能指标 LCP)"] D["默认技术选型<br/>(Vanilla JS + Vitest + Playwright)"] E["存储策略与项目架构约定"] end UserInput --> SpecGen ``` ### [20:47](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1247s) 借助 Plan 技能拆解任务并控制爆炸半径 在明确了 spec 之后,下一步是将其拆解为便于执行的具体计划。Addy 强调,对于大型或复杂的工程,拆解是软件工程中最核心的思维方式;如果只是随手做个微型项目,直接上手写代码可能更省事,但在严谨开发中,运行 `/plan` 技能可以把庞大的规范转化为一系列可渐进实现的粒度化切片。此阶段 Agent 首先构建起项目的基本骨架(如 `package.json` 等样板配置),并建立起透明的任务清单(To-Do List)。 在生成的实施计划中,任务被清晰划分为不同阶段(Phases)与独立任务(Tasks)。例如 Phase 1 Task 1 专注于核心业务逻辑,要求先定义 TypeScript 接口与类型、编写计算连续打卡天数(streaks)及过去 365 天贡献总量的纯函数,以及实现底层 `localStorage` 抽象,完全剥离任何 UI 渲染层。每个任务都配有明确的验收标准和验证步骤,必须通过测试套件才能推进下一阶段。此外,计划中还会预先划定该任务预计修改的文件列表。Addy 谈到,任何有“氛围编码(vibe coding)”或智能体工程经验的人都明白控制影响范围的重要性:“如果你从事氛围编码或智能体工程已经有一段时间,你就会知道我们用来限制爆炸半径(blast radius)的方法之一,就是声明‘我只针对这几个具体的文件’。”这样能有效防止 Agent 越权修改那些与当前目标完全无关的代码。 ### [23:30](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1410s) 测试驱动开发(TDD)循环与审批权衡 进入构建阶段后,Addy 触发了 `/build task 1` 命令。Agent 自动读取预置的测试驱动开发(TDD)技能,首先创建待办事项并尝试安装依赖。在此期间,Burke Holland 指出了界面底部的“绕过审批(bypass approvals)”选项,提醒 Addy 可以开启该功能以避免 Copilot 频繁弹窗询问确认。Burke 坦白自己在所有个人项目里都会无脑开启绕过审批。Addy 采纳了这一建议,加快了 Agent 自主执行的步伐。 关于“是让 Agent 逐步推进阶段构建,还是直接一次性生成整个系统”,Addy 和 Burke 深入探讨了其中的工程权衡: - **一次性全量生成**:适合轻量的个人玩具项目或一次性工具,追求立竿见影的极速交付。 - **分阶段 TDD 交付**:每一步先写出失败的测试用例(红灯 Red),再补充最小化实现代码使其通过(绿灯 Green),虽然显得节奏稍慢,但每做一层(如逻辑层、数据层、UI 图表层)都能确保底座坚实不破损。 Burke 感叹这种分步验证虽然严谨,但让工程师重新介入循环也会拖慢 Agent 的极速节奏,直言“人类又成了瓶颈”。对此 Addy 总结道:“你最终必须做出权衡判断,决定在软件开发生命周期的哪个环节投入多少时间。”无论是前期花大力气雕琢规范、后期靠详尽测试与审查兜底,还是在开发流程中贯彻 TDD 实时验收,各具优劣,并没有唯一正确的标准。 ### [26:32](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1592s) Agent 自动编码时代的工程师心智与代码阅读 随着 Agent 依靠绕过审批功能顺畅运行红绿测试循环,两人的对话延伸到了 AI 时代工程师角色的转变:当 Agent 飞速生成大段代码时,坐在屏幕前的工程师究竟在做什么?Addy 观察到,很多工程师在等待时会习惯性切屏去开辟另一个 Agent 任务,但他自己逐渐放慢了节奏,转向关注 Agent 的思考轨迹(trajectory),去理解它为什么做出特定的设计假设,确认其思路是否与自身预期一致。 Burke 则坦言自己经常忍不住盯着屏幕上飞转的 Agent 进度条发呆:“我不知道其他人怎么样,但我就干看着 Agent 工作。我倒也不是在逐字阅读它正在做的每一件事,大部分时间我就是在盯着它看,而这时候我本该去做别的事情的。” 针对 Burke 提出的是否会去肉眼审查生成代码的疑问,Addy 给出了务实的区分: - **一次性抛弃型项目**:如果代码只为了满足当下某一个小时的临时需求,完全不需要深究细节,“如果我不懂代码,Agent 会去帮我修好的”。 - **长期维护项目**:若是预期要维护几周甚至几个月的项目,Addy 一定会亲自梳理软件架构并通读核心文件,确保在 Agent 偏离轨道或无力修复疑难杂症时,人类工程师依然具备完全接管并动手排错的能力。 “然而,如果这是我打算至少维护几周或几个月的东西,我通常会回头至少了解一下架构。”Addy Osmani 这样说道,并在说话间让 Agent 继续在后台按照 TDD 流程平稳推进代码实现。 ### [28:25](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1705s) 氛围编程(Vibe Coding)与智能体工程的光谱两极 两位讲师就测试驱动开发(TDD)展开了风趣的开场互动。Burke Holland 笑称自己在 SpecKit 出现之前甚至不知道“红绿测试”(Red-Green Testing,即先写失败的测试,再编写实现使其通过)的概念,并调侃自己活到快 45 岁才知道这个概念让人感到有些惭愧;Addy Osmani 则风趣地接梗说 Burke 看起来一点也不像超过 45 岁,Burke 顺势打趣称自己刚过完 445 岁生日。 随后,话题切入智能体工程(Agentic Engineering)最佳实践在行业中的偏差。Addy Osmani 指出,社交媒体(如 Twitter)上广泛传播的所谓“最佳实践”,大多来自于独立开发者(Solo Founder)或尚未拥有真实用户的初创团队,他们面对的是全新绿地(Evergreen)代码库;但对于必须维护庞大存量代码库(Legacy Brownfield)的企业团队而言,两者的规则完全不同。 ```mermaid flowchart LR accTitle: Development Spectrum accDescr: A spectrum comparing Vibe Coding for greenfield prototypes to Agentic Engineering for enterprise production. subgraph LowDiligence["低严谨度场景"] A["氛围编程 (Vibe Coding)"] -->|"试错修补"| B["小型初创 / 原型项目"] end subgraph HighDiligence["高严谨度场景"] C["智能体工程 (Agentic Engineering)"] -->|"严格质量关卡"| D["企业级应用 / 存量系统"] end LowDiligence -.->|"随着系统成熟度提升"| HighDiligence ``` Burke Holland 直言大多数开发者目前都渴望得到一个一劳永逸的现成方案(“到底该装什么?是 Agent Skills、Superpowers 还是 G-Stack?”)。他总结道,现在开发者的核心职责已经不再是机械地写代码,而是构建真正行之有效的工作流,甚至开玩笑说“大家现在仿佛都在麦肯锡打工”。对此,Addy Osmani 从工程哲学的高度对当前阶段进行了界定: > “I acknowledge that agentic engineering we're, we're, we're now working on a spectrum, right? And there are going to be times when we're vibe coding, there's going to be times when we're agentic engineering. And the more diligence you have to apply to the process, the closer you are getting to agentic engineering.” > (我承认在智能体工程中,我们现在处于一个光谱上。有时我们在进行氛围编程,有时我们在进行智能体工程;你在过程中需要投入的严谨度越高,你就越接近真正的智能体工程。) - 行业在社交平台上宣传的最佳实践过于一刀切,往往忽视了老旧系统与成熟业务的具体约束。 - 氛围编程允许开发者将控制权完全交给“感觉”(Vibes),出错时再由智能体逐步打补丁;但在生产系统中,必须深入理解系统底层运作。 - Burke Holland 补充对比指出:构建一个简单的习惯打卡应用(Habit Tracker)可以随意尝试,但如果要发布像 VS Code 这样拥有海量用户的重量级产品,就必须极为审慎,绝不能破坏既有逻辑。 --- ### [31:16](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1876s) 验证技能(Verify Skill):在 VS Code 内部进行自动化浏览器测试 由于分享时间仅剩大约 10 分钟,Addy Osmani 跳过了中间部分细节,直接演示了软件开发生命周期中的验证环节(Verify Step)。Verify 技能的核心职责是检查当前的代码实现(无论整体功能是否全部完成,或是仅完成部分模块)能否在真实浏览器中启动并执行预期的业务流程。 智能体在终端中自动触发 `npm run build`,紧接着执行 `npm run dev` 启动本地开发服务器。随后,VS Code 内部直接唤起了一个内嵌浏览器窗口,渲染出一个仿 GitHub 个人主页风格的界面,屏幕甚至奇妙地加载出了一张真实的外部用户头像。这一幕引发了全场爆笑,两位讲师开玩笑表示完全不知道大模型究竟从全球哪台服务器或哪个 GitHub 账户上扒下了一位可能只是平时喜欢烤饼干的普通用户的照片。在调侃之余,智能体在后台静默运行一系列交互式检测,逐项验证界面的各项交互是否会出现崩溃或控制台报错。 ```mermaid flowchart TD accTitle: Verify Phase Workflow accDescr: How the Verify Skill compiles, launches, and tests the UI inside VS Code. A["代码构建 (npm run build)"] --> B["启动开发服务 (npm run dev)"] B --> C["VS Code 内嵌浏览器加载界面"] C --> D{"自动化 UI 交互检测"} D -->|"控制台无报错 / 功能正常"| E["通过验证 (Pass)"] D -->|"交互崩溃 / 异常"| F["捕获失败并反馈修复"] ``` - **多样化自动化测试方案**:Addy Osmani 强调,自动化浏览器测试可以选用 Puppeteer、Playwright、Vercel 的 Agent Browser 等多种方案,重点在于为自己的技术栈挑选适宜的自动化代理工具。 - **全链路测试考量**:是否将每一个用户旅程(User Journey)都固化为端到端自动化测试,取决于项目自身的成熟度与团队需求。 - **Web 平台的技术红利**:Burke Holland 赞同并感叹,在原生应用(Native Apps)上执行同类端到端代理测试的门槛极高,Web 开发者在此领域拥有得天独厚的工具链优势。 --- ### [33:27](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2007s) 多维度代码审查与 TDD 驱动的代码精简循环 进入审查阶段(Review Phase),Addy Osmani 讨论了团队在工程文化层面的考量。即使在 Google 内部,团队依然高度依赖工程师进行人工代码复核,但借助智能体在本地先执行一轮或多轮复核(Local First Pass / Multi-pass),能够带来极大的提效价值。部分团队甚至会设计更加复杂的对抗性审查(Adversarial Code Review),或者采用模型交叉互审的方案(例如使用 Gemini 生成代码实现,换用 Claude Opus 或专用代码模型进行挑刺审查)。 在此次演示项目的审查报告中,智能体针对纯原生 JavaScript(Vanilla JavaScript)项目输出了一套严密的评估,涵盖正确性(单元测试全绿)、安全性(排查 XSS 跨站脚本漏洞)、可读性、架构规范与性能表现。此外,审查智能体还主动提出了一项让 Addy 自叹未曾预先考虑的无障碍建议——为贡献热力图(Contribution Graph)补充全键盘导航支持。Addy 特别强调了代码精简(Code Simplification)对于智能体编程的独特价值: > “And very often what we'll do is we'll have an agent implement something. We'll verify, maybe you'll read the code, maybe you'll verify that, hey, it at least runs in the browser. Or, you know, if you're building a native app, hey, it at least runs, but you don't necessarily go back and ask yourself, hey, could this actually be simpler? And one of the wonderful things about TDD or having tests or quality gates around is that you can now go and do that code simplification loop and have something that can verify the rest of your logic still works.” > (我们经常让智能体实现某项功能,验证它至少能在浏览器里跑通,或者原生应用能够启动,但我们很少会停下来问自己:这代码能不能写得更精简?而 TDD、现成的测试用例或质量门禁最美妙的地方,就在于它允许你发起代码精简循环,并且有底气验证核心业务逻辑没有被改坏。) - **审查的深度层级**:从单模型自检,到跨模型交叉审查、对抗性红蓝军审查,开发者可以按项目等级自定复杂度。 - **代码精简(Code Simplification)闭环**:借助前面步骤建立的自动化测试套件(红绿测试),开发者可以放心地命令智能体重构并压缩代码复杂度,确保重构过程不会引入逻辑回归。 --- ### [35:46](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2146s) 非确定性审查中的安全信任危机与确定性准入关卡 针对审查报告中显示的“零安全问题”,Burke Holland 表达了强烈的疑虑,直击大模型非确定性(Nondeterministic)用于安全把控时的信任痛点。他指出,界面卡顿或逻辑小 Bug 都可以后续修复,但安全漏洞(例如意外泄漏敏感密钥、产生 SQL 注入漏洞)会导致毁灭性的灾难后果,因此他绝不敢轻易相信一个大模型的随口保证。 Addy Osmani 承认大模型直接编写的代码确实极易出现离谱的安全反模式,例如灾难性地硬编码 API 密钥、权限认证逻辑存在严重数据泄露漏洞,或是缺乏速率限制(Rate Limiting)导致公共端点容易遭受暴力滥用。资深工程师通常能够凭借经验识别这些隐患,但初中级开发者或偷懒的工程师则很容易忽略。将这些安全检查规则明确固化在 Agent Skills 的结构化清单中,至少能提供一层关键的基线自检。 Burke Holland 进而指出,尽管大模型在挑刺边缘用例(Edge Cases)上非常敏锐,但关乎生死存亡的安全签批必须引入不可逾越的确定性关卡(Deterministic Gate): > “All of this to me agents code should go through some deterministic gate that's like, yes, security sign off has been achieved because I don't trust—I'm scared to death to push anything live on Twitter and be like, 'here's what I built' and then have somebody be like, 'oh, and here's your Gemini key.'” > (在我看来,所有智能体编写的代码都必须通过某种确定性的准入关卡,明确打上‘安全签批已通过’的标记。因为我根本不放心——我害怕得要死,生怕自己刚在 Twitter 上兴奋地宣布‘看我做出了什么’,底下就有人回复‘顺便附上你泄露的 Gemini 密钥’。) Addy Osmani 对此深表赞同,并归结道,这正是工程技能价值的核心体现:明确界定“何为良好代码(What does good mean)”与“何为交付完成(What does done mean)”,将对性能、安全性、质量与无障碍(Accessibility)的严谨标准体系化地融入到智能体的开发全生命周期中。 ### [38:05](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2285s) 代码简化、确定性质检门禁与成品演示 在进入问答环节之前,两人探讨了如何在项目中保障代码质量以及如何应对非确定性问题。Burke Holland 调侃道:“我们面对的是非确定性,那要怎么解决呢?用纯文本文件带来的更多非确定性来解决。”他指出业界目前仿佛将 Markdown 当作解决一切问题的灵丹妙药,但实际上开发者迫切需要更多确定性的质检门禁(deterministic gates),以确保不符合最佳实践的代码不会被随意合并。Addy Osmani 赞同这一观点,并表示技能(Skills)正是将这些工程规范编码到流程中的一种有效手段。 紧接着,Addy Osmani 谈到了代码简化(code simplification)的最佳实践。他习惯密切关注业内顶尖团队和实验室公开发表的博客与开源项目,吸收其精髓并将其提炼到自己的技能设计中。在这个简单的演示项目中,简化流程就已经找出了 3 到 4 处可以精简优化的地方。随后,Addy Osmani 快速跳过最后的发布步骤(Ship),向大家展示了之前构建好的完整应用——一个名为“Streak”的习惯追踪工具。该应用的底部拥有一个类似 GitHub 贡献图(contribution graph)的数据面板,用于直观呈现用户是否养成了良好习惯(如早晨留出无屏幕时间、制定工作日目标、进行每日复盘等)。通过浏览器开发者工具的 Application 面板可以看到,所有数据全部存储在本地的 LocalStorage 中,完全支持离线运行。 ```mermaid flowchart TD accTitle: 习惯追踪应用架构与运行流程 accDescr: 展示 Streak 应用如何从本地 LocalStorage 读取习惯数据并在 GitHub 风格贡献图中渲染 subgraph Storage["数据存储层 (本地离线)"] LS["浏览器 LocalStorage"] Data["习惯打卡记录 (无屏幕/工作计划/反思)"] LS --- Data end subgraph Client["前端展现层 (Vanilla JS)"] UI["Streak 应用界面"] Graph["GitHub 风格贡献图面板"] UI --> Graph end Data -->|"读取/更新"| UI ``` - 该应用完全在本地运行,断网环境下也能正常使用 LocalStorage 读写数据。 - 演示应用预设的追踪习惯包括:早晨无屏幕时间(screen-free time)、规划当日工作目标、反思复盘(reflecting)。 --- ### [40:08](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2408s) 现场问答:低成本与高性能模型的混用策略 进入现场 Q&A 阶段后,观众 Anthony 提出了一个关于模型调度的问题:在日常开发工作流中,应该如何在轻量级模型(如 Flash 系列)与旗舰高性能模型(如 Pro 系列)之间拆分任务?是否应该在 Flash 中进行规划(Planning),而在 Pro 中进行具体实现(Implementation)? Addy Osmani 明确证实了这种工作方式,并指出这正是他本人的标准工作流:“如果你想优化成本,那是一个非常好的切入点。”他解释道,在规划阶段使用低成本模型可以有效控制 Token 开销,而在进入代码实现阶段时,再切换到推理能力更强的模型(例如 Gemini Pro 系列、Claude Opus 或各种 Codex/代码专用模型)。Addy Osmani 补充道,包括 GitHub Copilot 在内的诸多现代开发工具,都支持在不同开发阶段无缝切换不同的底层模型,为开发者提供了极大的灵活性。 - **规划阶段(Planning)**:使用低成本、高速度的模型(如 Flash 类模型),以极低的 Token 成本整理需求、梳理步骤。 - **实现阶段(Implementation)**:切换为能力更强的高规格模型(如 Gemini Pro、Claude Opus),处理复杂的逻辑编写与代码重构。 --- ### [41:38](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2498s) MCP 与 Agent Skills 的对比:CLI 演进、认证边界与上下文窗口优势 Burke Holland 向 Addy Osmani 抛出了一个核心议题:在当前的工作流中,模型上下文协议(MCP, Model Context Protocol)处于什么样的位置?Addy Osmani 坦言自己对 MCP 有着鲜明且强烈的看法:“在早期,大家都在谈论 MCP 如何擅长在数据与 Agent 之间建立连接;但我认为人们后来发现,在很多情况下你真正想要的是一个 CLI,而不是一个 MCP。”由于 Agent 天生极其擅长调用命令行工具(CLI),在许多场景下直接调用 CLI 反而比暴露大量 MCP 工具更高效。因此,整个工作流目前仍在不断演变,业界正在重新摸索 MCP 与 CLI 各自的最佳边界。 Burke Holland 对此表示完全赞同。他提到自己曾公开表达过“你的 MCP 服务器大概率应该做成一个 Skill 加上一个 CLI”,但他转述了近期与 OpenCode 的 Reese 在 X 平台上交流时对方提出的反驳观点:MCP 的真正优势在于解决了严苛的身份验证(Authentication)与权限控制问题,而单纯依赖 CLI 很难精细化限制 Agent 的权限。尽管如此,Burke Holland 在日常开发中依然几乎全部依赖 Skills,仅在少数工具上使用 MCP:一个是微软生态内的 Work IQ,另一个则是用于实时读取技术文档的 Context7(他强烈推荐所有人立即安装 Context7 MCP,使 Agent 在写代码前强制查阅最新官方文档)。 Addy Osmani 进一步补充道,即使在 Google Cloud 等体系内,团队也开始发布并维护越来越多的技能包(Skill Packs)。因为无论底层模型的知识截止日期(Cutoff Date)停留在何时,通过技能包都可以动态为 Agent 注入最新鲜的文档、指引和工作流。最后,Burke Holland 重点指出了 Agent Skills 相比 MCP 在架构设计上的巨大优势——**渐进式加载(Progressive Loading)**。在上下文窗口极度宝贵且昂贵的背景下,MCP 必须把所有可用工具的元数据一股脑全部声明进上下文,极其浪费空间;而 Agent Skills 默认只会向模型暴露技能名称和简短描述,只有当模型判定需要该技能时,才会按需加载具体内容和关联文件,从而极大节省了 Token 开销。 ```mermaid flowchart LR accTitle: MCP 全量声明对比 Agent Skills 渐进式加载 accDescr: 展示 MCP 工具全量占用上下文与 Skills 渐进式按需读取节省 Token 的机制区别 subgraph MCP["MCP 模式 (全量加载)"] direction TB M1["上下文窗口"] T1["工具 A 完整定义"] T2["工具 B 完整定义"] T3["工具 C 完整定义"] M1 --- T1 & T2 & T3 end subgraph Skills["Agent Skills 模式 (渐进式加载)"] direction TB S1["上下文窗口仅注入元数据:<br/>技能名称 + 简要描述"] S2["模型触发判定"] S3["动态拉取技能主文件"] S4["按需拉取依赖与附随文件"] S1 --> S2 --> S3 --> S4 end ``` - Burke Holland 总结道:“技能是渐进式加载的。模型首先拿到的只是技能名称和一个简短的描述,然后再据此加载技能正文;如果该技能还指向其他文件,它才会继续把那些文件加载进来。” - 这种渐进式加载机制极为节省 Token,而在 AI 使用政策从“无限量随意使用”收紧至“严格限制可用 Token 配额”的今天,按需加载变得格外关键。 - 访谈在对 Addy Osmani 开源技能仓库的致谢中圆满结束。 ## Notable quotes > [01:17](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=77s) If you're not really sure what skills are, they're basically a standardized way to give AI agents new capabilities and expertise. — Addy Osmani > [05:14](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=314s) I ground my agent skills around the software development life cycle. — Addy Osmani > [03:17](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=197s) As you know, you create an open source project, it's a lot like having a kid. — Addy Osmani > [20:47](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1247s) 如果你从事氛围编码或智能体工程已经有一段时间,你就会知道我们用来限制爆炸半径(blast radius)的方法之一,就是声明‘我只针对这几个具体的文件’。 — Addy Osmani > [23:30](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1410s) 你最终必须做出权衡判断,决定在软件开发生命周期的哪个环节投入多少时间。 — Addy Osmani > [26:32](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=1592s) 然而,如果这是我打算至少维护几周或几个月的东西,我通常会回头至少了解一下架构。 — Addy Osmani > [41:38](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2498s) 在早期,大家都在谈论 MCP 如何擅长在数据与 Agent 之间建立连接;但我认为人们后来发现,在很多情况下你真正想要的是一个 CLI,而不是一个 MCP。 — Addy Osmani > [41:38](https://www.youtube.com/watch?v=Q6LR0mXArIQ&t=2498s) 技能是渐进式加载的。模型首先拿到的只是技能名称和一个简短的描述,然后再据此加载技能正文;如果该技能还指向其他文件,它才会继续把那些文件加载进来。 — Burke Holland ## Mentioned Addy Osmani, Burke Holland, Google, Google Cloud, Microsoft, Microsoft Build, GitHub Copilot, VS Code, Gemini 3.5 Flash, Gemini Pro, Claude Opus, Garry Tan, G-Stack, Hacker News, Bloomberg, Clippy, SpecKit, Context7, Work IQ, OpenCode, Reese, Vitest, Playwright, Puppeteer, Vercel Agent Browser, Vanilla JavaScript, TypeScript, Streak, MCP (Model Context Protocol) ## Video description In this session, Addy joins us to talk about what agent skills actually are, how they encode senior engineering judgment into workflows any AI agent can follow, and how to use them to get consistent, production-quality results out of your coding tools. To learn more, please check out these resources: * https://aka.ms/AgentSkills-AO 𝗦𝗽𝗲𝗮𝗸𝗲𝗿𝘀: * Addy Osmani * Burke Holland 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 LIVE150 | English (US) Broadcast Stage #MSBuild Chapters: 0:00 - Intro and Guest Introduction: Addy Osmani returns for a discussion on AI and Google Cloud. 00:05:14 - Structuring Agent Skills: Organizing skills around the software development life cycle (Define, Plan, Build, Verify, Review, Ship). 00:07:15 - Design Pattern for Skills: Overview of how Addy structures each skill with overviews, rationales, red flags, and verification steps. 00:11:03 - Introduction to habit tracker project idea 00:13:03 - Exploring GitHub-inspired analogies and defining MVP success 00:25:25 - Balancing test-driven and review-based workflows 00:34:35 - Security and performance review in vanilla JavaScript 00:35:11 - Emphasis on code simplification and iterative testing with TDD 00:36:01 - Discussion on trust and security in nondeterministic reviews [Source](https://www.youtube.com/watch?v=Q6LR0mXArIQ)

Source quotes

[1:17] Addy Osmani: If you're not really sure what skills are, they're basically a standardized way to give AI agents new capabilities and expertise. [5:14] Addy Osmani: I ground my agent skills around the software development life cycle. [3:17] Addy Osmani: As you know, you create an open source project, it's a lot like having a kid. [20:47] Addy Osmani: 如果你从事氛围编码或智能体工程已经有一段时间,你就会知道我们用来限制爆炸半径(blast radius)的方法之一,就是声明‘我只针对这几个具体的文件’。 [23:30] Addy Osmani: 你最终必须做出权衡判断,决定在软件开发生命周期的哪个环节投入多少时间。 [26:32] Addy Osmani: 然而,如果这是我打算至少维护几周或几个月的东西,我通常会回头至少了解一下架构。 [41:38] Addy Osmani: 在早期,大家都在谈论 MCP 如何擅长在数据与 Agent 之间建立连接;但我认为人们后来发现,在很多情况下你真正想要的是一个 CLI,而不是一个 MCP。 [41:38] Burke Holland: 技能是渐进式加载的。模型首先拿到的只是技能名称和一个简短的描述,然后再据此加载技能正文;如果该技能还指向其他文件,它才会继续把那些文件加载进来。