向 AI 提问 vs. 向 AI Agent 委派任务

大多数开发者将 AI 当作更智能版的 Stack Overflow。

你输入问题，得到答案，然后自己动手完成工作。这种方法效率很低。

有一种更快捷的方法。你必须停止单纯的提问，开始学会委派任务。

当你向 AI 提问时： “如何为我的 auth 模块编写测试？” 你会得到一个解释。但你仍然需要自己编写测试，自己动手完成工作。

当你向 AI Agent 委派任务时： “为 /src/auth.py 编写测试。覆盖登录、登出和无效 token 的情况。运行测试。如果失败，请修复代码直到通过。告诉我你修改了什么。”

Agent 会打开你的文件，编写测试，运行测试，读取失败信息，修复代码，最后为你交付一套可运行的测试套件。

你只需审查结果。工作不是你做的。

有效的委派需要包含四个部分：

• 目标：Agent 应该产出什么？
• 范围：它应该涉及哪些文件或区域？
• 成功标准：我们如何知道它完成得正确？
• 反馈报告：它修改了什么，为什么要修改？

实际案例：

调试： “找出此错误及其堆栈跟踪的根本原因。修复它并解释故障点。”

重构： “重构此文件。嵌套层级最多不超过两层。函数长度不超过 30 行。更新所有调用点。”

数据库迁移： “为此次 schema 变更编写一个幂等的迁移脚本。在本地数据库上运行以确认成功。”

代码审查： “阅读此 PR diff。找出任何可能在生产环境中出错的地方。编写我遗漏的测试。”

Agent 速度很快，但有时也会出错。使用以下三个检查步骤来验证它们的工作：

1. 它解决问题了吗？ 运行代码，而不仅仅是阅读它。执行测试。运行代码是发现边缘情况失败的唯一方法。

2. 它符合你的代码库规范吗？ Agent 并不知道你们团队的约定。扫描输出结果，检查是否存在异常模式或你们团队避用的库。

3. 它是否修改了范围之外的内容？ 检查 Agent 触碰了哪些文件。像审查初级开发者的 PR 一样阅读 diff。确保它在提供帮助的同时没有破坏原有功能。

你的工作重心从“执行工作”转向了“定义目标”和“审查结果”。你提供判断力，Agent 提供速度。

Source: https://dev.to/omerberatsezer/asking-vs-delegating-agents-43ii

Optional learning community: https://t.me/GyaanSetuAi