Anthropic Engineer Outlines Coding Agent Management Playbook
Addy Osmani, an engineer on Anthropic's Claude Code team, argues that engineers who heavily use coding agents are effectively becoming managers, where the key skill is task delegation, automated verification and acceptance rather than prompt engineering. He recommends letting agents verify their own work and building CI-like quality gates instead of line-by-line code review.
Related Entities
Full Report
Contents4 sections
编译|林绮蓓
编辑|蔡芳芳
以前,工程师的一天可能从打开 IDE、阅读代码开始。如今,一些深度使用 Coding Agent 的工程师,每天要做的第一件事,可能是查看几个 AI Agent 的工作进度:哪些任务已经完成、哪些测试没通过、哪些 PR 等待审查,以及哪些工作需要重新分配。
代码是 AI 写的,但工程师的工作似乎并没有因此变得简单。

11 月 8 日,Anthropic Claude Code 团队工程师 Addy Osmani 在 X 上发表长文《Your Coding Agents Made You a Manager》(《你的编程智能体让你成为了一名管理者》),提出了一个有意思的观点:当工程师开始频繁使用 Coding Agent,他实际上已经在做管理工作了。
选择任务、编写指令、分配工作、跟进进度、评估结果,最后决定哪些代码能够上线。这些工作,与管理一支工程团队有着惊人的相似之处。
但问题也随之而来:如果一个 Agent 写出的几百行代码,工程师根本没有时间逐行检查,该如何判断它是否可靠?同时运行五个 Agent,就一定能获得五倍的生产力吗?当 Agent 能自己制定计划、执行任务、修复错误时,工程师又该在哪些环节介入?
Addy 认为,真正擅长使用 Coding Agent 的工程师,未必是最擅长提示词工程的人,而是那些懂得如何让 Agent 自主完成工作,同时建立有效验证机制的人。
这对许多工程师而言或许有些讽刺。他们选择个人贡献者(IC)的职业道路,原本就是为了专注技术,避免成为整天开会、分配任务的管理者。如今,Coding Agent 却让他们重新面对任务交接、工作监督和成果验收的问题。
结合 Claude Code 的开发与使用经验,Addy 总结了一套管理 Coding Agent 的实践方法,涉及任务分配、自动验证、人机协作、多 Agent 并行和最终决策。InfoQ 对原文进行了编译整理,供大家参考。
让 Agent 自己证明工作完成了
如何在不逐行检查代码的情况下,确保 Agent 持续产出高质量的工作?
Addy 认为,答案可以从成熟工程团队的管理方式中寻找。经验丰富的工程经理不会亲自检查每个人写下的每一行代码,而是依靠持续集成(CI)、自动化测试和代码审查建立质量保障机制。管理 Coding Agent 也是如此:工程师需要建立一套让 Agent 自行验证结果的机制,而不是让自己成为所有任务的最终测试员。
首先,要让 Agent 学会验证自己的工作,而不是把所有检查任务留给工程师。这项建议中,Addy 给出了一份 Claude Code 的最佳实践指南。他指出,如果没有验证机制,Agent 往往会在任务“看起来完成”时停止。因此,开发者应该提供测试套件、构建检查、Linter 等工具,让 Agent 自行发现并修复错误。对于 UI 任务,还可以让它打开浏览器检查实际效果。
验证机制也可以融入日常工作流。例如,在 CLAUDE.md 中记录测试命令,使用 /goal 在每轮执行后检查目标是否达成,通过 Stop Hook 阻止未通过类型检查的任务结束,或使用 /code-review 让独立的子 Agent 审查代码。这样,工程师只需关注 Agent 无法自行验证的问题。
其次,要提供明确的任务上下文,但不必重复 Agent 能自己发现的信息。如今的 Coding Agent 已经能够快速理解代码结构、开发规范和测试配置。工程师更应该说明代码仓库中没有的信息,例如任务为什么重要、有哪些约束,以及如何判断成功。
例如,与其要求“让仪表盘更快”,不如明确要求:将万人规模组织的 /team 仪表盘 p95 加载时间降至两秒以内,不修改数据库 Schema 和 API 响应结构,并通过指定脚本验证优化效果。对于尚不明确的需求,也可以先让 Agent 通过提问整理规格说明,再开始开发。
再者,让每次纠错都能积累经验。如果同一个问题已经纠正两次,就应该将相关规则记录到 CLAUDE.md,或将重复工作封装为 Skill。Addy 建议重点记录验证命令、容易误解的代码、仓库中没有的重要决策,以及反复出现的错误,而不是让每次会话都从头开始。
不过,这并不意味着 CLAUDE.md 中的规则越多越好。Addy 此前也曾专门讨论过 Agent 指令文件的维护问题*(https://addyosmani.com/blog/audit-your-agent-files/)*:随着模型能力和项目环境变化,过去有用的指令也可能变得冗余,开发者应定期清理失效规则,避免经验沉淀逐渐演变为新的维护负担。
最后,当 Agent 的能力越来越强,工程师反而应该减少对它的干预。这个建议可能有些反直觉,Addy 借鉴英特尔前 CEO Andy Grove 的管理理念,认为监督程度应该与执行者在具体任务上的能力相匹配。对于已经能够自主完成的工作,过多的指令、规则和过程干预,未必能提高质量,反而可能限制 Agent 的发挥。
在 Claude Code 中,提示词、CLAUDE.md 和 Skills 主要用于指导模型,Hooks、Deny Rules 等则可以用于强制执行要求。因此,只有“禁止修改生成代码”“必须运行指定检查”等不可妥协的要求,才需要强制约束。对于一般偏好,应尽量让 Agent 自主判断。
随着模型能力提升,过去反复强调“think harder”“don't be lazy”等习惯也可能不再必要。在 Addy 看来,不断增加规则和干预,可能只是把人类管理中的“微观管理”搬到了 Agent 身上。
可以委派任务,但不能委派判断
当 Agent 已经能够独立完成任务,工程师还需要决定何时介入、如何纠偏,以及哪些决定必须由自己负责。
Addy 提出了一条重要原则:可以委派任务,但不能委派判断。具体来说,工程师既要帮助 Agent 在执行前明确方向,也要在关键节点及时纠偏,并为最终交付结果负责。
首先,应该先制定计划,再让 Agent 编写代码。对于复杂任务,Addy 建议先进入 Claude Code 的 Plan Mode,与 Agent 反复讨论方案,检查其中未经验证的假设,再开始开发。对于规模更大的任务,还可以开启第二个会话,让另一个 Agent 以资深工程师的视角审查计划。相比代码完成后再返工,设计阶段发现问题的成本通常更低。
任务拆分也可以交给 Agent。Claude Code 的 /batch 可以将大型代码修改拆分为 5 至 30 个相对独立的任务,在确认执行计划后,通过独立的 Git Worktree 并行执行,并根据运行环境和任务结果创建 PR。
但工程师仍需检查任务边界,确保不同 Agent 的工作没有重叠,共享接口也已优先确定。否则,五个 Agent 同时开发,不一定带来五倍产出,反而可能制造更多合并冲突。
其次,要尽早纠偏,而不是反复追加指令。对于需要人工跟进的任务,Addy 建议在 Agent 启动后的早期检查其执行方向。如果发现任务理解明显偏离预期,应尽早纠正,避免错误路径持续消耗时间和 Token。
如果连续两次纠正仍然失败,不如清除会话,结合失败经验重新编写提示词。因为继续纠错,可能只会让模型反复处理更多失败记录,增加上下文负担。
Claude Code 的 /rewind 还可以将代码和对话恢复到较早的状态,降低尝试不同方案的成本。对于值得保留的经验,则可以在复盘后写入 CLAUDE.md。
最后,可以委派任务,但关键判断仍然需要由人负责。Addy 分享了自己的一次经历:他曾让 Agent 研究产品与竞品的功能差距,并编写代码创建 PR。研究结果看起来合理,测试也全部通过,他几乎就要提交修改,却发现这些功能对用户价值有限,反而增加了产品复杂性。
这也是使用 Coding Agent 时容易陷入的一种错觉:面对一份 600 行的代码修改,变量命名合理、测试全部通过,甚至已经有另一个 Agent 完成了代码审查,工程师就觉得可以放心合并。
但代码能够正确运行,并不代表这项修改值得存在。它可能引入不必要的复杂性,解决一个并不重要的问题,或者让团队长期承担额外的维护成本。这些问题,未必能通过自动化测试发现。
Addy 认为,代码风格调整、常规 Bug 修复、单元测试等工作可以交给 Agent,产品取舍、安全边界、合规要求和最终上线决策仍应由人负责。工程师不必检查 Agent 的每一步操作,却必须明确约束、保留验证证据,并决定哪些修改需要人工审批。他还建议尽量缩小每次代码变更的规模,因为代码审查的基本单位,应该是人能够真正理解的单位。
同时管理五个 Agent,不等于获得五倍生产力
当 Agent 能够长时间自主运行,甚至将任务分配给其他 Agent 时,工程师的工作重点也需要改变。
Addy 认为,这类似于管理多个团队的上级管理者:不再直接监督每个人的具体工作,而是通过目标、约束和检查机制确保任务顺利完成。
首先,要为无人值守的 Agent 设计完整的运行机制。如今,Agent 已经能够定时运行,或在 CI 检查失败、新 PR 创建时自动启动。但在让它独立工作之前,工程师需要明确五个问题:什么情况下算任务完成?Agent 如何自行验证结果?它拥有哪些操作权限?是否设置了执行轮数或费用上限?最终成果由谁审批?
Addy 建议,新的自动化流程应该先进行小范围试运行。例如,批量修改文件时,先让 Agent 处理三个文件,确认效果并调整指令后,再执行剩余任务。对于新建立的工作流,也应先观察最初几次执行,再逐步允许其无人值守运行。
其次,扩大 Agent 的使用规模,不等于不断增加 Agent 数量。Agent 的执行时间可以并行,但人的注意力很难无限扩展。每增加一个 Agent,工程师都可能需要承担额外的任务协调、结果审查、异常处理和上下文切换成本。
Addy 将这种额外负担称为“编排税”(Orchestration Tax)。他自己通常会同时运行四五个后台 Agent 和几个本地会话,但即使是这样的规模,有时也已经很难兼顾。
换句话说,工程师能够启动多少个 Agent,与他能有效管理多少个 Agent,是两回事。如果每个 Agent 都需要人工不断检查进度、回答问题、审查代码,随着并行数量增加,工程师很可能成为整个工作流的新瓶颈。
因此,真正需要扩展的是验证能力,而不是人工监督。通过自动检查、目标验证、独立审查,以及集中查看后台任务和接收通知,工程师可以减少反复检查的工作,将注意力留给重要决策。
与此同时,衡量 Agent 的价值,不应只看它生成了多少代码。Addy 建议关注 PR 完成周期、新员工熟悉项目所需的时间,以及代码回滚和返工的频率。如果统计合并了多少 PR,也应该同时统计其中有多少需要返工或回滚,以免单纯追求产出数量。
当 Agent 可以低成本生成代码时,几乎每个看起来可行的想法都能迅速变成 PR,但这些代码仍然需要审查、安全检查和长期维护。写代码越来越便宜,并不意味着软件开发的整体成本会同比例下降。
因此,扩大 Agent 的使用规模,最终不能只用代码量或 PR 数量衡量。更值得关注的是,一项需求从提出到交付需要多长时间,Agent 生成的修改有多少需要返工或回滚,以及工程师是否真正减少了重复劳动。
如果同时运行更多 Agent,只是让团队产生更多等待审查的 PR,那么所谓的生产力提升,很可能只是把工作从编码阶段转移到了审查阶段。
管理 Agent 不等于管理人
不过,Addy 也提醒,不要把 Coding Agent 真的当成一名工程师。
即使一个人能够同时管理五个 Agent,也不代表他具备管理五名工程师的能力。真正的团队管理涉及激励、冲突协调、职业发展,以及需要长期建立的信任关系,这些都无法直接套用到 Agent 身上。
这其中的第一个区别是,Agent 的试错和返工成本要低得多。对于存在争议的技术方案,工程师可以让 Agent 分别实现两三个版本,再比较实际效果,而不必像管理人类团队那样考虑大量时间和协调成本。
第二个区别是,Agent 不具备人类工程师那样持续积累的实践经验,其跨会话经验依赖于能够保存和调用的信息。例如,Claude Code 的 Auto Memory 只在本地保存笔记,不会自动同步到其他团队成员的会话中。这些记录也不能替代工程师长期积累的经验与判断,因此重要的经验仍需整理成团队共享的知识。
第三个区别是,Agent 在一些场景下可能过于积极和自信。如果让一名优秀工程师执行明显错误的要求,对方可能会提出反对意见;但相比有经验的人类工程师,Coding Agent 在一些场景中可能更倾向于顺着用户的要求执行,即使任务本身存在值得质疑的前提。
Addy 引用沃顿商学院关于“认知让渡”(Cognitive Surrender)的研究指出,人们可能接受 AI 给出的错误答案,甚至因此更加确信自己的判断。他建议让 Agent 主动反驳自己的结论,以降低过度信任的风险。
此外,人类团队的成员拥有不同的技能和经验,而使用同一模型的 Agent 往往具有相似的优势与弱点,且这些特点会随着模型更新而变化。
当 Agent 接管大量入门级开发任务时,管理者还需要有意识地为初级工程师创造实践机会,避免他们失去学习基本功的途径。工程师也不应因为整天管理 Agent,而忽略与同事沟通、建立团队信任的重要性。
那么,工程师是否真的需要成为管理者?Addy 的答案是否定的。
实际上,Addy 所说的管理能力,并非工程经理独有。优秀的 Staff Engineer 一直在做类似的事情:明确需求与技术约束、编写设计文档、审查代码,并帮助其他人更高效地完成工作。Coding Agent 让更多工程师开始实践这些能力,而且能够以更低的成本试错和调整。
当写代码越来越便宜,工程师需要回答的问题也在发生变化:任务是否值得做?Agent 交付的结果是否可靠?哪些修改应该被接受,哪些又应该被拒绝?
你不必真的成为一名管理者。但如果想充分发挥 Coding Agent 的价值,或许就需要先学会管理它们。