Grok Bot工程师月提3000个PR:禁掉99%注释,把代码库当花园
全网疯传!Grok一姐教你如何月提交3000个PR 衡宇 刚刚
程浅 发自 凹非寺
「所有代码都是一坨(除了我的)。」
带着这句狂得没边的演讲标题,SpaceXSI首席工程师土豆姐(Lauren Tan)登上了AI Engineer CODE大会,演讲内容随即在全网疯传。
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」。

代码本身占据了倒金字塔最上层、也是份额最大的一块,涵盖API设计、软件架构与代码重构;再往下才是Lint规则、类型系统、编译器和自动化测试这类确定性检查工具。
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?
第一步,直接把99%的代码注释禁掉。
这是土豆姐在Cursor那段时间吃了亏才攒下的经验。
那时候Cursor客户端跑在Electron架构上,VS Code那套命令式编程风格,和React的声明式编程风格撞在一起。
Agent碰到这类架构问题,习惯拿setTimeout、requestAnimationFrame、requestIdleCallback这些定时器去打补丁。
定时器被反复创建、销毁,垃圾回收(Garbage Collection)跟着频繁触发,应用就卡了。
不止如此,Agent还会在代码边上写一大段注释,解释自己为什么非这么写不可。
后面接手干活的Agent看到这些代码和注释,觉得挺有道理,又照着葫芦画瓢。
临时补丁就这么越积越多,应用性能也跟着受影响。
所以在Grok Bot里,土豆姐现在索性把约99%的代码注释都禁了。
替代办法是上Lint规则,直接查代码有没有问题,再用明确的错误提示把Agent引到根因上去修。
第二招,别让Agent去写它容易写错的功能。
Grok Bot团队开发的客户端框架Dune里,这类设计不少。
土豆姐把Dune叫作「Electron应用的Next.js」。团队开发中攒下的经验,在Dune里变成可以强制执行的架构约束和Lint规则。
举个例子,有些功能得靠细致判断才能用对,Agent一碰就容易用错。
React的useEffect就是典型。这个Hook用来处理副作用,可用对的前提是想清楚依赖关系、清理逻辑这些事。以至于「要想用好useEffect得先读个博士」。
Grok Bot团队的处理方式很干脆:产品代码里禁用useEffect,只允许在Dune框架内部的特定API里用。一了百了。
最后一招,Agent每犯一次错,都尽量把教训变成自动检查。
土豆姐强调(划重点),不少人看到Agent写错代码,第一反应是打开AGENTS.md补一句「以后不要xxx」。可自然语言规则得靠Agent自己理解和遵守,这么写用处不大。
她的做法是尽量把这些要求转成确定性检查。

[标题] △团队不断积累针对Agent错误的工程约束
比如错误的代码引用,就加Lint规则;不合法的调用,交给类型系统去约束;某个API老被误用,就重新设计它,从架构上把这种可能消掉。之后再回头把代码库里已经存在的同类问题清理干净。
这么一轮轮下来,Agent能犯的重复性错误就越来越少。
[标题] 让Agent自己验证
等倒金字塔最上面两层够干净整洁了,就该看怎么验证了。
土豆姐说,Grok Bot团队已经把大量代码审查工作挪到了验证(Verification)这一环。
如今他们审查时,盯的主要是截图、录屏、状态图,还有形式化验证的结果。
具体做法上,第一步是运行时验证(Runtime Verification)。
团队会让Agent自己把应用跑起来,并给它配了Chrome DevTools Protocol(CDP)这类开发者日常用的调试工具。
他们还为Agent画了一张功能地图,思路类似网站的Sitemap,只是站在用户视角。
有了这张图,Agent就不用再猜你说的「左边侧边栏下面的那个东西」到底指什么。
另外,一些操作能力被封装成自定义CLI和驱动程序,放进了验证Skills。Agent每次做验证任务都能复用这套工具,省Token,工具本身也能单独测试。

土豆介绍,Grok Bot团队最近开始用上两种数学验证工具:TLA+和Lean。
TLA+管的是模型检查,看系统在不同状态下是否满足预期约束;Lean则靠形式化证明,验证特定算法是否正确。

他们还引入了Bombadil,对用户界面做基于属性的测试(Property-Based Testing)。
这样一来,检查的不只是预先指定的操作结果,还会围绕程序应当满足的性质,去覆盖更多可能的输入和状态。
土豆姐说,她身边有开发者把70%的Token花在验证上,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,问题是过去理解、编写和维护这些工具的成本太高。
而现在,「软件测试与验证的黄金时代正在到来」。
One More Thing
那么,折腾完这一串丝滑小技巧,Grok Bot团队眼下的开发效率到底如何?
今年10月,整个团队提交了1.1万个PR,平均每天超过350个。开发速度还在往上走,PR撤回率反倒降了,目前稳定在0.5%左右。
客户端的发布频率也跟着提了上来,现在几乎每天都会出一个新的稳定版本。

△Grok Bot团队的PR交付量持续增长
团队现在已经跑起一套相当疯狂的自动化开发流程:Grok Bot每发布一个新版本,系统就自动开一个Cursor项目,调用云端Agent对整个应用做模糊测试。
这些Agent会像真实用户那样运行和操作软件去找Bug。发现问题后,它们自动创建修复PR,甚至直接把合并做完。
为了做到这一点,土豆花了整整六个月。
据她透露,团队现在合入的大部分产品代码,已经不需要人类再做深入的代码审查。