AI Engineer
AI编码工具的瓶颈已从模型算力转移至人类注意力,开发者须通过信号隔离、工作区解耦与自检门禁将自身抽离为监督者,否则高并发代理只会成倍加速脑力枯竭。
AI-assisted summary of Your Attention Is the Bottleneck, Not Your Agents — Zack Proser, WorkOS — original source. Check the original for full context.
Source published:
Key ideas
- 人类注意力已成为当前软件开发的核心硬约束:Agent 具有近乎无限的低边际成本横向扩展能力,但人类顶层审查带宽无法持续承载超额负荷,盲目并发极易导致职业倦竭。 (3:36)
- 语音优先流相比传统键盘输入(约 90 WPM)能够实现高达 184 WPM 的指令吞吐率,不仅大幅压缩沟通延迟,更为顶层并发调度多个 IDE 窗口奠定了基础。 (5:13)
- 通过 Claude Code 的 `--remote-control` 功能与 `git worktree` 文件隔离,开发者可以在启动任务后彻底合上电脑,利用移动设备进行远程监控与 PR 审查,践行发散思维的“洗澡效应”。 (8:15)
- 建立包含底层测试编译、Chrome 真实交互点击以及宪法级 Critic Agent 的三级安全验证门禁,是赋予 Agent 自主修复与闭环验证并让人类放心离开工位的前提。 (11:13)
Detailed notes
## Background 该视频由 YouTube 频道“AI Engineer”于 2026 年 6 月 11 日发布。视频内容为 WorkOS 的 Zack Proser 在大会上的演讲,针对开发者因并发运行多个 AI 代理而过早精力耗尽的行业痛点,分享了如何通过语音优先、远程控制、自动化验证门禁以及生理健康集成等手段构建可持续的开发工作流。
## TL;DR Zack Proser 指出,AI 开发的真正瓶颈不再是工具的扩展能力,而是人类有限且不可伸缩的注意力带宽。为防止开发者陷入身心俱疲的倦怠状态,他提出了由信号过滤层、184 WPM 语音优先输入、利用 git worktree 与 `--remote-control` 脱离工位的远程控制,以及严密的三级验证门禁组成的架构体系。此外,该流程还利用定时 Agent 分析本地 JSONL 对话日志以实现工具自我进化,并通过 MCP 接入 Oura 智能戒指关注生理状态,实现高效交付与身心健康的平衡。
## Atmosphere & style 演讲现场氛围坦诚而极具共鸣,Zack 毫不避讳地承认自己被多 Agent 轰炸到上午 11 点就精神虚脱的真实窘境,迅速拉近了与台下工程师的距离。叙事风格幽默自嘲且极其务实,在讲述“边林间漫步边审 PR”的松弛感与“被 Oura 戒指通过 Claude 强制要求睡觉”的滑稽细节之间游刃有余。整场分享从直面技术焦虑的压抑开局,自然过渡到构建稳健系统后的从容与通透,充满前沿工程实践的启发感。
## Bulletin - [03:36](https://www.youtube.com/watch?v=so9l_MwS2yg&t=216s) 人类注意力已成为当前软件开发的核心硬约束:Agent 具有近乎无限的低边际成本横向扩展能力,但人类顶层审查带宽无法持续承载超额负荷,盲目并发极易导致职业倦竭。 - [05:13](https://www.youtube.com/watch?v=so9l_MwS2yg&t=313s) 语音优先流相比传统键盘输入(约 90 WPM)能够实现高达 184 WPM 的指令吞吐率,不仅大幅压缩沟通延迟,更为顶层并发调度多个 IDE 窗口奠定了基础。 - [08:15](https://www.youtube.com/watch?v=so9l_MwS2yg&t=495s) 通过 Claude Code 的 `--remote-control` 功能与 `git worktree` 文件隔离,开发者可以在启动任务后彻底合上电脑,利用移动设备进行远程监控与 PR 审查,践行发散思维的“洗澡效应”。 - [11:13](https://www.youtube.com/watch?v=so9l_MwS2yg&t=673s) 建立包含底层测试编译、Chrome 真实交互点击以及宪法级 Critic Agent 的三级安全验证门禁,是赋予 Agent 自主修复与闭环验证并让人类放心离开工位的前提。
## Key takeaways - [00:00](https://www.youtube.com/watch?v=so9l_MwS2yg&t=0s) 当前软件开发的主要矛盾在于工具进化到了核武级别,而人类开发者的生理和神经系统仍然停留在远古阶段,极易在多 Agent 高频切换中耗尽精力。 - [01:08](https://www.youtube.com/watch?v=so9l_MwS2yg&t=68s) 通过 MCP 为 Agent 接入 Linear 与 Slack 权限,并赋予“必须亲自验证工作且通过前不得停下”的硬性指令,可实现无需人工二次提醒的完整 Bug 修复闭环。 - [03:36](https://www.youtube.com/watch?v=so9l_MwS2yg&t=216s) 根本瓶颈已从 Agent 能力不足转移为人类认知注意力;单纯线性堆叠并发任务只会导致开发者过早陷入精神虚脱。 - [05:13](https://www.youtube.com/watch?v=so9l_MwS2yg&t=313s) 应对注意力危机的可持续架构包含四大模块:信号过滤层、语音优先流、远程控制解耦以及基于对话日志的系统自进化机制。 - [05:13](https://www.youtube.com/watch?v=so9l_MwS2yg&t=313s) 信号层通过让 Agent 自动循环轮询 Slack 和 Linear,充当噪音防护屏障,避免开发者因主动打开沟通工具而陷入严重的上下文切换损耗。 - [05:13](https://www.youtube.com/watch?v=so9l_MwS2yg&t=313s) 语音编程可达到 184 WPM 的吞吐速度,使开发者能够从容地同时向 Cursor、Codex 和 Claude 等多个并行工具口述分派任务。 - [08:15](https://www.youtube.com/watch?v=so9l_MwS2yg&t=495s) “洗澡效应”表明专注模式容易产生思维盲点,离开工位进入发散模式才能激发更具创造性的解题思路,而远程控制技术首次让人类在进入发散模式的同时不中断生产流程。 - [11:13](https://www.youtube.com/watch?v=so9l_MwS2yg&t=673s) 速度必须建立在安全之上:通过代码构建测试、Chrome 浏览器行为验证以及宪法级独立审查 Agent 这三级门禁,确保 Agent 生成的代码不会破坏核心功能。 - [12:05](https://www.youtube.com/watch?v=so9l_MwS2yg&t=725s) 移动端 GitHub Mobile 结合大语言模型使工程师能在散步途中用自然语言进行代码审查,完成从“键盘苦力”向“顶层掌舵者”的身份转换。 - [13:22](https://www.youtube.com/watch?v=so9l_MwS2yg&t=802s) 本地存储的 JSONL 对话记录是提升效率的金矿,通过定时 Agent 扫描思考 token 消耗过大和多轮拉扯的痛点,可自动化生成并迭代所需的新技能或 MCP 接口。 - [15:31](https://www.youtube.com/watch?v=so9l_MwS2yg&t=931s) 借助 MCP 将 Oura 智能戒指接入 Claude,使模型能够根据睡眠生理数据主动建议停工休息,警示开发者避免在身心俱疲的状态下加速自我消耗。 - [17:35](https://www.youtube.com/watch?v=so9l_MwS2yg&t=1055s) 初级开发者应恪守“永远不要用 AI 去做自己还不会做的事”,必须先通过亲身实践建立扎实的肌肉记忆与心智模型,同时可将 AI 当作测验自身盲点的极佳导师。 - [20:07](https://www.youtube.com/watch?v=so9l_MwS2yg&t=1207s) 优化对话日志无需让大模型硬啃庞大的原始文件,而应在任务完成或 PR 合并时通过 Hook 自动沉淀卡点信息与结构化复盘摘要。 - [21:30](https://www.youtube.com/watch?v=so9l_MwS2yg&t=1290s) 构建基于看板的确定性流转中枢(如每 15 分钟轮询标记为 `agent-ready` 的 Linear 任务),可将不可靠的夜间 Agent 执行收敛在严格的测试门禁之内。 - [22:17](https://www.youtube.com/watch?v=so9l_MwS2yg&t=1337s) 在架构构思与方案探索阶段,使用高频双向的实时语音交互能够高效倾倒思维,并在对话结束时一键沉淀为精练的文字设计规范。 - [23:39](https://www.youtube.com/watch?v=so9l_MwS2yg&t=1419s) 应对跨技术栈的大型复杂特性时,核心在于使用 `git worktree` 彻底隔离物理工作区,并由明确规范(Spec)与严苛 CI 门禁约束多 Agent 梯队协同推进。
## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=so9l_MwS2yg&t=0s) AI 编程带来的精力枯竭与上下文切换危机
在演讲开场中,来自 WorkOS 应用 AI 团队(Applied AI team)的 Zack Proser 向全场观众致意,并简要介绍了 WorkOS 提供的开箱即用型 API(旨在帮助客户将软件推向高端市场,签下更大的企业级客户)。然而,他话锋一转,指出自己今天想深入探讨的主题是如何在面对层出不穷、令人眼花缭乱的新工具时,找回开发者自身的心理与生理平衡。他现场向观众提问:最近在使用 Agent 辅助写代码时,是否常常感到精疲力竭、整天都在大量分泌肾上腺素?现场许多人纷纷举手表示共鸣。
Zack 坦言,这也是他自己近期每天最真实的体验。尽管现在的产出比以往任何时候都多,但到了每天下班甚至刚到上午 11 点,整个人就已经彻底被掏空。过去在传统的开发中,上下文切换(context switching)就极其昂贵且耗费精力,而在当下这种多窗口、多 Agent 并行运转的环境下,这种开销不仅没有降低,反而成倍恶化。开发者的技能比以往任何时刻都更受欢迎、手中的工具也展现出前所未有的强大威能,但人们却普遍在上午 11 点就面临精神虚脱。
- 现象:“尽管产出超越以往任何时候,一天结束时整个人完全耗尽,肾上腺素不断狂飙。” - 核心矛盾:开发工具进化到了核武级别,而人类的生理与神经系统依然停留在远古阶段。
---
[01:08](https://www.youtube.com/watch?v=so9l_MwS2yg&t=68s) 闭环 Bug 修复案例:赋予 Agent 自主验证能力
为了将这种工作流具象化,Zack 分享了一个近期的真实案例。他在 WorkOS 应用 AI 团队负责构建一个 Slack 机器人,其设计初衷是让团队内部撰写统一规格的博客文章变得平民化(democratize uniform blogging),确保哪怕是从没写过博客的同事,只要在 Slack 频道里提出简单需求,就能自动生成符合格式规范的优质博文。然而,同事在使用中提交了一个 Bug 反馈:博客内容必须遵循“首字母大写句式”(sentence case),但当前负责校验和转换的逻辑在处理大写缩写词时出现了破坏,把诸如 SCIM 和 SSO 等行业核心缩写词全给改坏了。
按照传统的习惯,开发者通常会陷在各个窗口反复跳转的噩梦里。但这次 Zack 尝试了一个微小却极其震撼的调整:他使用自己目前最青睐的工作载体 Claude Code,通过 MCP(Model Context Protocol)赋予了它读写 Slack 的权限,同时它原本就具备访问 Linear 工单系统的能力。Zack 给了它明确指令:修复这个 Bug,并且必须亲自验证修改结果,在未完成验证前绝对不许停下来。
终端在左侧运行,Claude Code 领命后不仅修改了本地工作区内的博客机器人代码,还直接通过 MCP 连接向指定的博客测试频道发送消息触发运行,待本地代码走完相关步骤后,Claude 亲自去检查验证最终输出结果。当它确认无误后,才在终端汇报任务彻底解决。Zack 回到屏幕前时,看到的是一个已经完成自我验证的完整闭环,完全无需人类再去提示“这里还没修好”。这种自主性令人惊叹,但也同时让他感到一丝恐惧:这套系统的威力几乎没有上限。
```mermaid flowchart LR accTitle: Claude Code 闭环 Bug 修复流程 accDescr: 展示 Claude Code 接取 Linear 工单、修改代码、经由 Slack 触发并自主验证的闭环路径。
subgraph Input ["输入与派发"] T["Linear 错误工单<br/>(缩写词 SCIM / SSO 损坏)"] CC["Claude Code 任务调度"] T --> CC end
subgraph Execution ["执行与自测闭环"] DEV["本地工作目录<br/>(修改格式化逻辑)"] SLACK["Slack 测试频道<br/>(通过 MCP 发送测试请求)"] BOT["博客机器人<br/>(执行业务流程)"]
CC --> DEV DEV --> SLACK SLACK --> BOT BOT -->|"读取输出并自检"| CC end ```
- 测试案例:在强制推行 sentence case 时保护关键企业认证协议缩写词(如 SCIM、SSO)。 - 工作流关键点:为 Agent 配置环境读写权限(Slack API + Linear),并施加硬性约束:“验证你自己的工作,在完成验证之前不要停止。”
---
[03:36](https://www.youtube.com/watch?v=so9l_MwS2yg&t=216s) 根本瓶颈:无限扩展的 Agent 与肉身注意力的硬约束
成功构建出这样一个自主闭环后,Zack 立即意识到一个严峻的问题:既然能修一个 Bug,为什么不干脆把这个框架堆叠起来,每天让 Agent 修 150 个 Bug 呢?从技术角度来看,只要提供足够的上下文、正确的验证指标以及自测工具,Agent 确实有能力做到这一点(特别是演讲前一天夜间 Claude API 正式上线了此类功能,使 Agent 的横向扩展变得轻而易举)。但现实的悬崖在于,人类开发者根本无法在顶层持续承载如此庞大的审查负荷,不仅质量无法保障,如果试图连续几天进行 8 小时的强行对齐,人类会在精神层面上彻底崩溃。
Zack 强调,当前的根本瓶颈已经发生转移:瓶颈不再是 Agent,而是人类自己。Agent 能够无限循环、无限扩展,直到彻底满足人类设定的目标准则;然而人类的注意力依然受限于“肉身物理世界”(meat space),在超额负荷下会迅速衰减并恶化。正如著名开发者 Simon Willison 在演讲上一周公开提到的:他同时启动 4 个并行运行的 Agent,结果刚到上午 11 点整个人就被榨干了。人类在当前工作模式下不能再一味进行线性的工作量堆砌,否则等待开发者的只有极速的职业倦竭(burnout)。
> “工具现在是核武级别的,而我们的神经系统仍然相对远古。” —— Zack Proser
> “Agent 现在并不是瓶颈,而且我认为这种情况会越来越明显,真正的瓶颈是我们自己。” —— Zack Proser
- 核心矛盾:计算资源与 Agent 并发能够以极低边际成本无限扩展,但人类认知带宽是绝对的不可伸缩硬约束(hard constraint)。 - 角色重新分工:Agent 负责不知疲倦地穷举循环并逼近验收指标,人类则必须保留判断力、品味(taste),用以洞察问题是否真正从业务与人性层面得到了妥善解决。
---
[05:13](https://www.youtube.com/watch?v=so9l_MwS2yg&t=313s) 应对新时代的架构栈:信号层、语音优先与远程控制
为了让人类开发者在这场技术冲击中重构内在平衡,Zack 总结出了一套正在实践并迭代的方法论技术栈,主要拆解为四个关键模块: 1. **信号层(Signal Layers)**:用于对抗各类通知与沟通噪音,过滤上下文切换带来的损耗。 2. **语音优先流(Voice-first Flows)**:以极高语速输入并驱动多进程并行。 3. **远程控制(Remote Control)**:利用工具机制让开发者离开屏幕,借助潜意识突破思维盲区。 4. **系统自进化(Self-improving System)**:通过归档消息与对话历史,让后台 Agent 定期对习惯和技能缺陷进行模式挖掘。
在谈到“信号层”时,Zack 提到他在修复日常 Bug 时最大的痛点是自己主动进入 Slack:一旦手动打开 Slack,有 80% 的概率会顺着别的消息线程分心,或者被突如其来的新提问带偏原定目标。为此,他将 Claude Code 配置为能够自动循环读取 Slack 的状态,主动巡查是否有人 @提及、是否有私信,或者是否存在需要立即采取行动的高优先级诉求;同时它通过 MCP 联通 Linear,进行诉求的去重并自动找到真正的关联工单。这就形成了一道坚实的“保护门面(facade)”,挡在开发者与外围剧增的噪音之间,守护住人类最宝贵的核心专注力。
在“语音优先流”方面,Zack 强烈建议尚未尝试的开发者立即体验。他自嘲三岁起就习惯在键盘上敲打,巅峰时期用自己奇特的非标准手势和“香肠般粗壮的手指”最多能打到 90 WPM(每分钟字数)。但转入语音输入模式后,日常输入速度稳步维持在惊人的 184 WPM。这种速度带来的不仅是单任务提速,更催生了多任务并行的开发姿势:开发者可以站在顶层,用极高语速同时对着三个不同的 Cursor 窗口、Codex 以及多个 Claude 标签页分别口述下发指令。当传统开发者还在敲击第一条 Prompt 时,这几个并行任务已经在全面推进。
- 速度对比:键盘打字极限 ~90 WPM vs. 语音编程日常 ~184 WPM。 - 架构价值:高吞吐量语音不仅压缩了沟通延迟,更为后续彻底离开工位、走向低强度的离散办公打下了基础。
---
[08:15](https://www.youtube.com/watch?v=so9l_MwS2yg&t=495s) 洗澡效应(The Shower Principle)与脱离工位的远程控制
谈及从工位前解脱,Zack 重点剖析了著名的认知心理学现象——“洗澡效应”(The Shower Principle)。人类有两种截然不同的思考模式:当全身心埋在 IDE 中疯狂打字、追踪符号定义时,人类处于“专注模式”(Focus Mode)。这种模式适合在脑海中已经拥有极清晰技术蓝图时推进代码落地,但致命缺点是会带来严重的思维盲点(blind spots),压制发散创意并提升心理抑制;相反,当你起身离开电脑,去遛狗、带孩子去公园散步或是去洗个热水澡时,人类进入“发散模式”(Diffuse Mode),大脑潜意识在后台持续消化复杂难题,往往会毫无预兆地闪现出完整而极具创造性的解决方案。
过去几十年来,无数书籍都在讨论洗澡效应,但以往离开书桌进入发散模式,在客观上就等于“停止工作”。而当下以 Claude Code 的“远程控制(Remote Control)”特性为代表的新范式彻底打破了这一桎梏。开发者在办公室或书房的工作机上启动 Claude Code 会话时,只需传入 `--remote-control` 标志或在配置文件中将其启用,Agent 就能继承本地开发机完整的文件系统与执行上下文。随后,开发者大可合上电脑走出家门,甚至断开家庭 Wi-Fi,换到移动网络的手机上去监控与驱动远端的工作流。
> “潜意识其实一直在后台咀嚼那些最困难的难题。因此只要你迈步走开、放开视线并降低心理抑制,发散模式就能让你快速捕捉到更具创造性的解决方案。” —— Zack Proser
- 模式转换:专注模式(擅长执行确定性图纸,容易产生思维盲点) vs. 发散模式(潜意识持续运算,激发顿悟灵感)。 - 质的飞跃:以往开启发散模式必须停下生产流程;远程控制(Remote Control)使得机器端保持高强度执行与环境访问,人类得以物理断联、以极低注意力成本随行监督。
[10:00](https://www.youtube.com/watch?v=so9l_MwS2yg&t=600s) 走出工位:用远程控制实现“林间写代码”
Zack Proser 描绘了一个极具吸引力的开发者场景:即便人远在数英里之外的山林步道上,依然可以通过手机查看正在运行的 agent 会话,向它发送指令甚至“戳它一下”(poke it)。之所以要这么做,是因为最绝妙的灵感和解题思路往往是在远离办公桌的那一瞬间涌现的。与其整天坐在椅子上忍受重复性劳损(RSI)和各种久坐带来的身体损伤,不如采取一种全新的作息:早晨进入深度专注状态,把当天最重要的核心任务全部加载起来,让 agents 满负荷运转,确保一切按预期推进,然后果断起身离开工位。
为了证明这绝非空谈,Zack 提到自己去年甚至专门拍摄了一部时长 32 分钟的影片,完整记录并证实了人类完全可以只拿着一部连着 LTE 网络的手机,一边在树林里漫步,一边审查 GitHub 上的 PR。当你在手机上给运行在本地机器上的 Claude Code 发送消息时,它依然享有完整的本地执行权限。如果你散步时突然灵光一闪想通了某个绝佳的架构设计,只需直接发消息交代给它,完全无需强迫自己记着“等回工位再弄”;当你走回桌前时,那个设计方案早就被 agent 实现并落地了。
- 远程连接能力:通过手机直接交互本地运行的 Claude Code 会话,享有完整的本地环境权限。 - 走出办公室的好处:吸入新鲜氧气、减少手部及手腕劳损(RSI)、在走动中催生更好的工程灵感。 - 实测佐证:Zack 曾制作一部 32 分钟的实测影片,展示在林间依靠手机端 LTE 审查并推进 PR。
[11:13](https://www.youtube.com/watch?v=so9l_MwS2yg&t=673s) 速度必须建立在安全之上:三级验证防护门
要想放心地把工作托付给 agent 并转身离开,就必须构建坚固的安全验证机制。正如 Zack Proser 所言:“I often say that speed requires safety.”(我常说,速度需要建立在安全之上。)随着 Chrome 操作能力和 Computer Use 等新技术的落地,验证层正变得越来越精密。Zack 将验证机制划分为三个层级:
```mermaid flowchart TD accTitle: 三级验证防护门架构 accDescr: 展示从代码基础门控、浏览器操作门控到宪法级代理审查门控的三级防护体系
subgraph Gates["验证防护层级 (Verification Gates)"] G1["第一道门:代码层验证<br/>(Git hooks / Lint / Build / Unit Tests)"] G2["第二道门:浏览器操作验证<br/>(Claude Code + Chrome Click-through)"] G3["第三道门:宪法级智能体验证<br/>(Constitutional AI Critic Pass)"] end
Dev["开发者发起任务"] --> G1 G1 -->|"通过"| G2 G2 -->|"验证未破坏登录等流程"| G3 G3 -->|"符合规范"| PR["生成就绪 PR 并推送移动端"] G3 -.->|"不符合规范"| DevBack["批评回传 / 自动修复循环"] ```
第一道门属于底层的基本功,利用各类钩子在代码层面强制执行 Lint、编译构建(Build)和单元测试,要求 agent 必须在底层代码跑通后才能算数。第二道门则更进一步,直接借助 Claude Code 的浏览器控制能力(例如传入 `--chrome` 参数),让 agent 像真实用户一样在浏览器里点击交互,切实核验功能,确保没有意外搞垮登录流程等关键链路。第三道门则借鉴了 Anthropic 的“宪法级 AI”(Constitutional AI)理念:预先设定好任务执行的“宪法规范”,引入另一个独立的审查 agent(Critic Agent)来核验当前成果;一旦发现不合规之处,直接给出必须整改的反馈意见。
[12:05](https://www.youtube.com/watch?v=so9l_MwS2yg&t=725s) 全新的平衡工作流:手机 Review 与天然语言纠错
整合了上述技术后,软件工程师一天的日常发生了根本性重塑。开发者的一天可以这样开始:在清晨精力最充沛时开启一段深度专注时段,梳理 GitHub 上的全部积压任务,把繁琐的软件开发生命周期琐事排队投喂给 Codex 等后台工具;对于真正关心的核心特性,则在 IDE 或 Claude Code 里亲自推进起步。一旦这几条工作流都平稳跑起来,开发者就可以从容地离开工位去散步或透气。
在外漫步或依靠移动蜂窝网络(LTE)时,手机端 GitHub Mobile 成为了新的操作台。伴随着前沿大语言模型能力的跃升,开发者甚至可以直接在手机上给 PR 留下一句自然的口语化评论,艾特 `@Claude`、`@Cursor Agent` 或 `@Vercelbot` 明确指出“这里需要修改”。大多数情况下,模型都能心领神会并精准修好。这形成了一个完美的正向循环:你在键盘前死磕的时间越来越短,身体避免了劳损,呼吸着新鲜空气还能不断产生更好的想法,同时依然牢牢把控着工程航向,持续交付成果。
[13:22](https://www.youtube.com/watch?v=so9l_MwS2yg&t=802s) 系统自我进化:将 JSONL 对话记录变为“技能炼金石”
在摸索这套工作流的早期,Zack 遇到了一个常见困境:周一干劲十足、产出惊人;周二同样高效;到了周中,各种临时塞进来的杂活把节奏彻底打乱;等熬到周五,整个人精疲力竭,完全想不起自己到底忙了些什么,虽然确实交付了代码,但过程杂乱无章。后来在他的同事 Nick 的提醒下,Zack 意识到了一个被忽视的宝藏:Claude Code 在本地将所有的交互记录都完整保存在 JSONL 文件中。
这些对话日志绝不是用完即弃的垃圾,而是提炼生产力的金矿。开发者可以安排一个定时执行的 agent,在每周(甚至每天)结束时回头遍历这些 JSONL 记录,重点扫描那些消耗了大量思考 token(thinking tokens)、或者人机之间来回拉扯多轮才消除歧义的痛点场景。Agent 会主动分析:“到底缺失了什么工具、哪个 MCP 服务器或者哪项具体技能(Skill),才导致了这场多余的沟通?如果下周补齐这个缺口,循环是否就能大幅收紧?”现如今 Claude Code 已经内置了不仅能自我构建技能、还能评估与优化技能的机制,只需一段自然语言提示词就能定制新技能。
- JSONL 归档:对话记录本地持久化,是系统自我分析与进化的核心语料。 - 痛点识别:针对多轮沟通和思考 token 消耗过大的节点,提炼缺失工具与 MCP 接口。 - 技能自动化:借助内置技能库,直接用自然语言自动生成与迭代专属 skills。
[15:31](https://www.youtube.com/watch?v=so9l_MwS2yg&t=931s) 全局视野与健康警报:连上 Oura 智能戒指的 MCP
Zack 进一步强调,无论开发者使用的是 Zed、Cursor 还是终端里的 Claude Code,千万不要随意丢弃积累起来的上下文。用高级模型对这些日志进行一次复盘,往往就能挖掘出能让下周开发效率翻倍的关键技能。除了代码与工具,Zack 还分享了一个兼具趣味与实用价值的真实实验:他将自己佩戴的 Oura 智能戒指通过开源 MCP 项目接入了 Claude。
接入生理数据后,发生了一件令人捧腹的趣事:有一次 Zack 在深夜跟 Claude 就某个项目方案据理力争时,Claude 突然读取了 Oura 的睡眠监测数据,冷冷地回复道:“你昨晚根本就没睡觉。所以今天我们只处理这个项目的第一部分,剩下的不做了,明天再说。”尽管 Zack 当时笑着回怼了一句“去你的,你只是个机器,赶紧照我说的做”,但他坦言,那一刻他确实认真思考了停下来休息的必要性。
正如 Zack 所总结的:“The tools are nuclear now. Our nervous systems are still ancient. And so what I'm thinking about these days is trying to find some developer balance.”(如今工具的力量已经堪比核能,但我们的神经系统依然停留在远古时代。因此我最近思考的,正是如何找回开发者的平衡。)如果不加节制,LLM 只会让开发者以“涡轮加速”(turbo)的方式更快地走向身心崩溃;而有意识的工作流则是让 agents 承担繁琐细节,把人类从久坐中解放出来去公园野餐、散步、遛狗,同时牢牢守住软件质量与交付底线。
[17:35](https://www.youtube.com/watch?v=so9l_MwS2yg&t=1055s) 问答环节:职业初期的技能打磨与 AI 依赖之争
在演讲后的提问环节,一位刚入行不久的年轻开发者提出了心中的焦虑:早期职业生涯的核心是技能培养与深度钻研,自己是通过踩坑、排除故障、跨越一个个技术障碍才学会编程的;而这种由 AI 主导的自动化工作流,让他产生了一种“技能赤字”(skill deficit)的恐慌,感觉自己被剥夺了真正打磨硬技能的机会,不知道该如何平衡。
Zack 对此深表赞同,并给出了他在这个议题上见过的最深刻建议:“The best piece of advice I saw for that was basically, don't use AI to do something that you don't know how to do already.”(我见过的最好的建议基本上是:永远不要用 AI 去做那些你自己还不会做的事情。)
- 资深经验构筑防御工事:Zack 坦言自己之所以能自信地指挥 AI 编写 TypeScript 系统、RAG 架构以及部署 AWS,是因为他在过去多年里全是用最原始的笨办法硬趟过来的,满身都是“战斗伤疤”(battle scars)。正因如此,当 Claude 出现幻觉或给出荒谬建议的瞬间,他能立刻察觉并叫停。 - 基础绝不可跳过:初学者必须去经历手写代码的痛苦,建立扎实的肌肉记忆与心理模型。只有在对某一领域建立起充分信任与胜任力之后(比如已经亲手交付过大量的 Ruby 应用),才适合交出部分控制权,用 AI 来加速交付。 - 将 AI 转化为极限导师:AI 同样可以成为加速掌握深层技能的利器。初学者完全可以命令 AI:“来考考我,指出我哪里理解得不对,我目前的思维模型还有哪些漏洞。”过去自学时往往“不知道自己不知道什么”,连提问都无从下手;而现在有了 LLM,只要保持诚实,反而能比以往更快、更深地摸清技术本质。
[20:07](https://www.youtube.com/watch?v=so9l_MwS2yg&t=1207s) 处理与提炼 JSONL 对话日志的实践策略
在问答环节中,一位听众提到了分析历史对话记录的难点:直接让 AI 去回溯和分析那些充斥着大量冗余、杂乱信息的 JSONL 历史文件时,体验往往极差,因为这些文件本质上并不是设计给 AI 直接读取的。提问者询问 Zack Proser 是否直接让大模型硬啃这些原始文件,还是在中间引入了某种解析或预处理步骤。
Zack Proser 回应道,虽然他曾经直接把文件丢给模型去读取,但更优雅、高效的做法是使用钩子机制(Hooks)在编码过程的节点自动沉淀结构化数据。具体而言,可以在每个编码 Session 结束、确认任务完成或者代码 PR 合并时触发 Hook,让模型提炼出关键信息,特别是标记出开发过程中遇到卡点、耗费过量时间的地方,然后转存到外部数据源中。
```mermaid flowchart TD accTitle: 编码历史提炼与分析流水线 accDescr: 展示从编码交互到 Hook 提炼,再到持久化存储与周末反思分析的完整流向。
subgraph Coding["编码阶段"] A["Claude Code 交互 Session"] -->|"任务完成 / PR 合并"| B["触发 Hook 机制"] end
subgraph Extraction["信息提取与提炼"] B --> C["提示词提取:识别卡点与低效环节"] C --> D["生成精简结构化总结"] end
subgraph Storage["数据沉淀与复盘"] D --> E["写入独立存储<br>(Obsidian / 周度 Markdown / 归档)"] E --> F["周末运行分析 Agent<br>产出针对性技能与优化规则"] end ```
这种机制避免了在周末让 Agent 逐字扫描数万行底层的交互 dump,而是把提炼工作分摊到了日常的每一次代码合并中。针对提炼逻辑,Zack Proser 强调关键在于 Prompt 的导向:直接给 AI 明确的任务指令,“让它在提示词中专门搜寻未来可以提升效率的事项,或是找出表明开发陷入困境的蛛丝马迹”。
- 提取沉淀的存储介质非常灵活,可以直接写入 Obsidian 知识库、当周专用的扁平 Markdown 文件,或者单纯的文本归档库。 - 触发时机通常绑定在具有业务语义的节点,例如用户下发“已完成”指令、或者 Git PR 被成功合并的瞬间。 - 最终在周末启动的优化 Agent,只需聚焦于这些高度精炼的结构化复盘摘要,以此沉淀为长效系统配置。
---
[21:30](https://www.youtube.com/watch?v=so9l_MwS2yg&t=1290s) 夜间轮询:Agent 自动值守与打标签工作流
现场观众接着询问 Zack Proser 是否会为自己的 Agent 安排“夜班”(Night shift),让它们在工程师睡觉时全天候自主跑任务。Zack 明确表示自己一直在进行这类实践,例如借助开源工具 OpenClaw 配合定时任务(cron jobs),让 Agent 在夜间自动执行内容生成或其他自动化脚本。他半开玩笑地描述了早晨醒来时的场景:“我早上醒来,大概看一眼,然后抓狂大叫,接着最终挑出其中一小部分勉强合格的合并进去。”
为了摆脱这种每天清晨对着一堆低质量输出“咆哮”的窘境,Zack 正在将整个流程升级为基于工程看板的确定性流转体系。他的构想是将所有需求、Bug 和子任务全部打散为具体的 Linear Issue,并在准备就绪的任务上打上一个特定标签。
```mermaid flowchart LR accTitle: Linear 任务驱动的 Agent 循环流程 accDescr: 展示以 Linear 为中枢的任务分发、Agent 抓取及验证合并流。
A["Linear 任务看板<br>(Bugs / Features)"] -->|"打上标签"| B["标记为 agent-ready"] B --> C["后台轮询 Loop<br>(每 15 分钟触发一次)"] C --> D["Agent 领取并执行任务"] D --> E["严苛验证与测试门禁"] E --> F["早间人工审查并 Merge"] ```
Zack 计划通过一个每 15 分钟运行一次的高频循环,日夜不休地自动扫视带有 `agent-ready` 标签的票据并交由后台 Agent 执行,同时覆盖个人项目与日常工作。这种模式将原先散乱的无监督执行,收敛到了标准化测试门禁能够约束的边界之内。
- 当前的夜间 Agent 主要依靠 cron jobs 驱动 OpenClaw 执行内容和简单维护任务,但仍存在合格率偏低的问题。 - 未来的核心是建立规范化的任务中枢:把 Linear 作为统一状态机,依靠精细化的子任务划分确保上下文收敛。 - 持续轮询与强测试门禁结合,将把人类工程师的角色从“全流程盯梢”转变为清晨的“成果抽检与审核者”。
---
[22:17](https://www.youtube.com/watch?v=so9l_MwS2yg&t=1337s) 语音交互全景:从实时对话散步到本地离线接入
针对观众关于“你究竟是让 Agent 用语音把内容念给你听,还是纯靠肉眼阅读”的提问,Zack 阐述了他对于多模态语音交互的分层使用偏好。在实际编程场景中,他最常用的组合是:对着 Claude Code 口述下发指令,但返回结果依然保持文字形式,由自己用眼睛快速扫读。
然而在构思与设计阶段,Zack 会极度重度地使用 OpenAI 的 Advanced Voice Mode(高级语音模式)。他直言这是自己如今极少数会优先选用 ChatGPT 而不是 Claude 的核心场景。他会戴着耳机出门散步两小时,全程与模型进行高频双向语音探讨,通过自然对话把抽象的架构构思磨砺清晰,并在散步结束时发出最终指令:“把刚才聊的所有内容整理成一份精练的文字摘要或架构设计,方便我直接粘贴使用。”
关于 Zack 对这一模式的偏好,他特别强调了语音作为思考界面的高转化率: > “我会出门散步两个小时,进行思维倾倒(brain dump),来回对话以磨砺想法,然后在那之后说:‘好,现在把这变成一个我可以粘贴的精简速记或架构。’”
此外,语音生态的发展速度也让 Zack 感到兴奋。他提到就在前一天晚上,他还发现了一个名为 Ghost Pepper 的开源项目,其本质是基于本地运行的 Whisper 流程,无需任何外部 API 调用即可实现低延迟听写。在移动端与远程控制方面,他还将 OpenClaw 与 Twilio 电话服务打通;在夜间,他可以直接选择接听由系统主动拨打过来的电话,在通话中梳理并口头交代次日要让 Agent 推进的任务。
---
[23:39](https://www.youtube.com/watch?v=so9l_MwS2yg&t=1419s) 应对跨技术栈的大型复杂特性:工作区隔离与团队协作
在问答的最后,一位听众抛出了困扰许多全栈开发者的痛点:当前的 Agent 流程在处理小修复、UI 微调等独立零碎任务时表现极佳,并且能够高度并发;但一旦面对庞大而繁重的特性(Chunky Feature)——即那些同时贯穿前后端、需要重构核心逻辑、改动整套应用运作方式的任务时,整个并行化体系往往瞬间停摆。提问者请教 Zack 是如何处理这类大型复合型任务的。
Zack 坦承这是全行业当前普遍面临的瓶颈。对于涉及分布式云系统或全栈贯穿的大型项目,单纯依靠单个 Agent 一步登天是行不通的。他的首要解法是利用 `git worktree` 机制为不同的 Agent 划分完全独立的文件系统工作区,确保在底层工作目录上互不干扰、实现物理层面的并行隔离。
```mermaid flowchart TD accTitle: 大型复杂特性的 Agent 协同架构 accDescr: 展示将宏大特性拆解到多个 Git Worktree,并通过规范与反馈循环驱动的整体架构。
A["大型跨技术栈特性需求"] --> B["架构拆解与细分规范 (Spec)"]
subgraph ParallelWorktrees["Git Worktrees 隔离执行环境"] B --> C["Agent Team A (后端接口/服务)"] B --> D["Agent Team B (前端状态/UI)"] end
subgraph FeedbackLoop["闭环验证与人工反馈"] C --> E["持续集成 (CI) 与全套单元测试门禁"] D --> E E --> F{"是否通过 Spec 验证?"} F -->|否| G["注入人工反馈与修正意见"] G --> ParallelWorktrees F -->|是| H["自动化集成合并"] end ```
在分工上,Zack 强调必须使用由明确清晰 Prompt 约束的 Agent 团队(Agent Teams),让不同代理各司其职,且全部对齐一份精准的 Spec(功能规范)。在这一过程中,安全验证门禁与自动化单元测试的权重被成倍放大。
Zack 幽默地形容了自己在这套流程中的角色定位:“他们根据规范持续构建代码,我则负责将我的辱骂和愤怒持续反馈回系统中,然后系统一边挨骂一边在线修复它。”他总结道,尽管目前这一过程依然伴随着痛苦与摩擦,但随着基础模型能力的跃升,针对大型特性的标准化控制框架(Harnesses)必然会演进得越来越稳健和完备。
- 处理复合特性的基石是底层的环境解耦,`git worktree` 能彻底杜绝多 Agent 协作时对工作区文件产生的并发写冲突。 - 架构复杂任务要求高度严密的细化 Prompt 与多 Agent 梯队协同,不能期待单个模型自主端到端解决。 - 严密的 CI 验证、覆盖全链路的单元测试以及由人类主导的密集反馈修正,构成了降服复杂特性的核心闭环。
## Notable quotes > [03:36](https://www.youtube.com/watch?v=so9l_MwS2yg&t=216s) Agent 现在并不是瓶颈,而且我认为这种情况会越来越明显,真正的瓶颈是我们自己。 — Zack Proser
> [03:36](https://www.youtube.com/watch?v=so9l_MwS2yg&t=216s) 工具现在是核武级别的,而我们的神经系统仍然相对远古。 — Zack Proser
> [08:15](https://www.youtube.com/watch?v=so9l_MwS2yg&t=495s) 潜意识其实一直在后台咀嚼那些最困难的难题。因此只要你迈步走开、放开视线并降低心理抑制,发散模式就能让你快速捕捉到更具创造性的解决方案。 — Zack Proser
## Mentioned Zack Proser, WorkOS, Simon Willison, Claude, Claude Code, Anthropic, Linear, Slack, Model Context Protocol (MCP), Cursor, Codex, GitHub, GitHub Mobile, Oura, Zed, OpenClaw, Twilio, Whisper, Ghost Pepper, OpenAI, ChatGPT, Obsidian, Vercelbot
## Video description Simon Willison fires up four parallel agents and is wiped out by 11am. That is the problem Zack Proser is solving: not that the tools are too slow but that human attention is still the hard constraint. His loop: voice brief at 184 words per minute, agent dispatched to an isolated git worktree, laptop closed, progress checked from a phone on LTE miles away via remote control.
The talk covers four layers that make this sustainable: signal agents that read Slack and Linear on a loop so you never open them yourself, verification gates from lint and build up to browser click through and critic passes, a weekly agent run over your JSONL conversation history to surface inefficiencies and generate missing skills, and an Oura ring connected via MCP so Claude can tell you that you did not sleep last night. You can ignore it. But at least you thought about it.
Speaker info: - https://linkedin.com/in/zackproser - https://github.com/zackproser
Timestamps: 0:00 Introduction and the problem of AI developer burnout 1:08 A concrete example of using AI agents for bug fixing 3:36 The bottleneck: human attention vs. infinite agent scalability 5:13 The proposed stack for sustainable AI development 6:03 The Signal Layer: Managing notifications and context switching 7:04 Voice-first flows for coding efficiency 8:15 The Shower Principle and Remote Control for agents 11:13 Safety, verification, and testing gates 12:05 The new, balanced developer workflow 13:22 System self-improvement using conversation history 15:31 Holistic well-being (Oura ring integration) 17:35 Q&A: Addressing skill development early in a career 20:07 Q&A: Managing JSONL history and long-term conversation logs 21:30 Q&A: Night shift/background agent execution 22:17 Q&A: Voice interaction and audio feedback 23:39 Q&A: Handling complex, multi-stack features
---
Watch along with the corrected transcript, summary, timestamps and resources on this talk's official AIE page: https://ai.engineer/talks/so9l_MwS2yg-your-attention-is-the-bottleneck-not-your-agents-zack-proser-workos
Join our upcoming AI Engineer conferences (see https://ai.engineer landing page):
- AIEi Shanghai, November 5–6 — the first for meeting top Chinese labs and engineers - AIE CODE in SF, November 10–12 — the top AI Coding conference returns - AIEi Sydney, December 7–8 — the first AIEi run alongside NeurIPS 2026 in Sydney
---
[Source](https://www.youtube.com/watch?v=so9l_MwS2yg)