Agentic Engineering Affaan M 2

---
name: agentic-engineering
description: "作为代理工程师，采用评估优先执行、分解和成本感知模型路由进行操作。"
category: ai-agents-and-harness
source_repo: affaan-m/ECC
source_path: "docs/zh-CN/skills/agentic-engineering/SKILL.md"
source_url: https://github.com/affaan-m/ECC/blob/HEAD/docs/zh-CN/skills/agentic-engineering/SKILL.md
---
# 智能体工程

在 AI 智能体执行大部分实施工作、而人类负责质量与风险控制的工程工作流中使用此技能。

## 操作原则

1. 在执行前定义完成标准。
2. 将工作分解为智能体可处理的单元。
3. 根据任务复杂度路由模型层级。
4. 使用评估和回归检查进行度量。

## 评估优先循环

1. 定义能力评估和回归评估。
2. 运行基线并捕获失败特征。
3. 执行实施。
4. 重新运行评估并比较差异。

## 任务分解

应用 15 分钟单元规则：

* 每个单元应可独立验证
* 每个单元应有一个主要风险
* 每个单元应暴露一个清晰的完成条件

## 模型路由

* Haiku：分类、样板转换、狭窄编辑
* Sonnet：实施和重构
* Opus：架构、根因分析、多文件不变量

## 会话策略

* 对于紧密耦合的单元，继续使用同一会话。
* 在主要阶段转换后，启动新的会话。
* 在里程碑完成后进行压缩，而不是在主动调试期间。

## AI 生成代码的审查重点

优先审查：

* 不变量和边界情况
* 错误边界
* 安全性和身份验证假设
* 隐藏的耦合和上线风险

当自动化格式化/代码检查工具已强制执行代码风格时，不要在仅涉及风格分歧的审查上浪费周期。

## 成本纪律

按任务跟踪：

* 模型
* 令牌估算
* 重试次数
* 实际用时
* 成功/失败

仅当较低层级的模型失败且存在清晰的推理差距时，才升级模型层级。

---

**Source:** [`affaan-m/ECC`](https://github.com/affaan-m/ECC) → `docs/zh-CN/skills/agentic-engineering/SKILL.md`