Grok Engineer Shares AI Coding Playbook Behind 3,000 Monthly PRs
SpaceXSI principal engineer Lauren Tan shared the Grok Bot team's AI coding practices at AI Engineer CODE, revealing she alone filed 3,000 PRs in a month out of 11,000 team-wide with only a 0.5% revert rate. Her core method is a 'trust inverted pyramid' that leans on deterministic checks like architecture, lint and type systems rather than piling rules into AGENTS.md, backed by cloud agents that fuzz-test and auto-fix PRs.
Full Report
Contents8 sections
程浅 发自 凹非寺
量子位 | 公众号QbitAI
「所有代码都是一坨(除了我的)。」
SpaceXSI首席工程师土豆姐(Lauren Tan),带着这个狂得没边的演讲标题登上了AI Engineer CODE大会,于是演讲内容全网疯传。
土豆此前在Cursor工作,目前从事Grok Bot开发,被称为「全网最会用Grok Bot的人」。
据她说,上月她一个人就提交了3000个PR。
啥概念呢?上个月,整个Grok Bot团队一共提交了交付了1.1万个PR(撤回率只有0.5%)。

**△**Youtube《All Code Is Slop (Except Mine) 》
演讲不长,但是土豆子给大家讲了不少AI编程Tips。
「 AI犯错的时候,先别往AGENTS.md里加规则。」
「直接禁掉99%的代码注释。」
「如果你AI编程的产出就是一坨,那么将这套流程自动化也只会制造出更多垃圾。」
Potato AI coding小课堂开课了(敲黑板)。

尽可能保持自己的代码库干净整洁
如今软件工程师最重要的工作,是找到一种方法,在生产力大幅提高的同时,维持甚至提升代码质量。
土豆姐认为,与其说这是搭建一座「软件工厂」,不如把它简单理解为一个「信任问题」。
也就是「把一个低信任度的Agent工作环境,改造成一个高信任度环境」的问题。
为此她提出了**「信任倒金字塔模型」**。

倒金字塔最上方、占比最大的是代码本身,包括API设计、软件架构和代码重构;往下一层,是Lint规则、类型系统、编译器和自动化测试等确定性检查工具。
再往下,才是运行时验证、形式化验证,以及Rules、Skills、AGENTS.md等自然语言指导。
土豆姐认为,最值得投入精力的应该是最上方的两层。
她把代码库比作一座花园。
如果代码库里充满了临时补丁、废弃代码、反模式和各种技术债,Agent就会把它们当成既有规范,继续模仿并「发扬光大」。
所以软件工程师变得越来越像园艺师,不断清理杂草,为新代码的生长提供良好的环境。

那么具体怎么清理呢?
首先直接禁掉99%的代码注释。
这是土豆姐在Cursor工作期间吃亏后总结出的经验。
当时Cursor客户端采用Electron架构,其中VS Code的命令式编程风格与React的声明式编程风格存在冲突。
Agent很喜欢使用setTimeout、requestAnimationFrame、requestIdleCallback等定时器,给这些架构问题打补丁。
大量定时器被反复创建、销毁,引发频繁的垃圾回收(Garbage Collection),导致应用卡顿。
不仅如此,Agent还会在代码旁边写上一大堆注释,解释自己为什么非得这么写。
后来的Agent工作时看到这些代码和注释,又会觉得很有道理,于是接着照葫芦画瓢。
就这样临时补丁越来越多,应用性能也受到影响。
所以土豆姐目前在Grok Bot中干脆禁止了约99%的代码注释。
取而代之会使用Lint规则,直接检查代码是否存在问题,并通过明确的错误提示,引导Agent修复根本原因。
其次,不让Agent去写它容易写错的功能。
在Grok Bot团队开发的客户端框架Dune中就有不少这样的设计。
土豆姐将Dune形容为「Electron应用的Next.js」。它可以将团队开发过程中积累的经验变成可强制执行的架构约束和Lint规则。
比如团队发现,一些需要细致判断才能正确使用的功能,很容易被Agent误用。
React的useEffect就是典型代表。这个Hook可以用来处理副作用,但要正确使用,需要仔细考虑依赖关系、清理逻辑等问题。以至于「要想用好useEffect得先读个博士」。
故Grok Bot团队的解决办法很简单,直接在产品代码中禁用useEffect,只允许在Dune框架内部的特定API中使用。一了百了。
最后,每一次Agent犯错,都要尽可能把教训变成自动检查。
土豆姐强调(划重点),很多人遇到Agent写错代码,第一反应就是打开AGENTS.md补上一句「以后不要xxx」。但自然语言规则需要Agent自行理解和遵守,这么做用处不大。
她的做法是尽可能把这些要求转化为确定性检查。

**△**团队不断积累针对Agent错误的工程约束
比如针对错误的代码引用增加Lint规则,利用类型系统约束不合法的调用;如果某个API总是被误用,就重新设计它,从架构上消除这种可能性。之后再把代码库里已经存在的同类问题清理干净。
如此循环,Agent能够犯的重复性错误就越来越少了。
让Agent自己验证
当倒金字塔的最上面两层足够干净整洁了,就该看怎么验证了。
土豆姐介绍,Grok Bot团队已经把很大一部分代码审查工作,转移到了验证(Verification)环节。
他们现在审查时主要看的是截图、录屏、状态图,以及形式化验证结果。
具体而言,首先从运行时验证(Runtime Verification)入手。
Grok Bot团队会为Agent提供运行应用的能力,以及Chrome DevTools Protocol(CDP)等人类开发者常用的调试工具。
团队还给Agent设计了一张功能地图,类似网站的Sitemap,但是是在用户视角。
如此一来Agent就不用再猜测你说的「左边侧边栏下面的那个东西」是什么了。
此外,团队还把一些操作能力封装成了自定义CLI和驱动程序,放进验证Skills中。这样Agent每次执行验证任务都可以复用同一套工具,节省Token的同时,这些工具本身也可以独立测试。

其次是形式化验证(Formal Verification)。
土豆介绍,Grok Bot团队最近开始引入两种数学验证工具,TLA+和Lean。
其中,TLA+主要用于模型检查,分析系统在不同状态下是否满足预期约束。另一种工具Lean,则可以通过形式化证明,验证特定算法的正确性。

除此外,他们还引入了Bombadil,对用户界面开展基于属性的测试(Property-Based Testing)。
如此将不只是检查预先指定的操作结果,而是会围绕程序应当满足的性质,检查更多可能的输入和状态。
土豆姐表示,身边有开发者70%的Token都花在验证上了,而她自己目前也差不多。

**△**软件从开发到上线后的各类测试与验证手段
在她看来,静态分析、自动化测试、形式化验证,这些方法都不新鲜,只不过过去理解、编写和维护这些工具的成本太高了。
而现在,「软件测试与验证的黄金时代正在到来」。
One More Thing
那么,经过这一系列丝滑小技巧,Grok Bot团队现在的开发效率咋样了?
今年10月,整个团队提交1.1万个PR,平均每天超过350个。并且随着开发速度不断提高,团队的PR撤回率反而下降,目前稳定在0.5%左右。
客户端的发布频率也随之提高,现在几乎每天都会推出一个新的稳定版本。

**△**Grok Bot团队的PR交付量持续增长
团队现在已经实现了一套相当疯狂的自动化开发流程。每当Grok Bot发布新版本,系统就会自动启动一个新的Cursor项目,调用云端Agent对整个应用进行模糊测试。
这些Agent会像真实用户一样运行和操作软件寻找Bug。找到问题后,它们会自动创建修复PR,甚至直接完成合并。
实现这一点,土豆花了整整六个月。
据她透露,现在团队合入的大部分产品代码,已经不再需要人类进行深入的代码审查。