信任够了才谈得上并行:Lauren Tan 这场演讲在讲的机制

发布于 2026年10月5日 作者 Remy

Lauren Tan 在 X 和 GitHub 上都叫 poteto(X、GitHub)。2026-09-21 她发了一条帖,标题大意是「上个月我把 2,500 个 PR 送进了生产环境」。帖里附的是一段约 38 分钟(2281 秒,视频 id 2101938030122868736)的直播,内容原本准备在 Cursor Compile London 讲,后来改成了给 Grok @Bot Galaxy 的直播。

直播里她说的是上个月往生产环境合了大约 2,000 个 pull request(比帖子标题少 500)。不过数字不是重点。她的论点很窄:吞吐量来自信任,而不是来自多开几个 agent。这里的信任指的是人不在旁边时,agent 交出来的东西质量仍然够用。环境铺好以后产量自然会上去,看着像个人或团队的「软件工厂」,但她不喜欢这个词,宁可比作米其林厨房。厨房不是流水线,菜不是复制出来的,人仍然要对端出去的每道菜负责,要安排的是灶边站谁、用什么工具、怎么训练,以及打下手和掌勺的比例。

没有信任时,一百个 cloud agent 只是垃圾

故事从大约六个月前讲起。她刚加入 Cursor,公司那时还没并进 SpaceXAI;手上没有现成的 agent skill(写给 agent 的可复用做法),代码库和产品对她来说都是新的。Cursor 当时在做 IDE 的替代品,也就是新的 agents 窗口,而这个窗口在她来之前已经积了一堆性能问题。主管找她帮忙,是因为她在 React 团队待过。

性能她会做,挡不住的是合入速度。pull request 一堵墙似地涌进来,她根本判断不了应用是不是在变慢。早期的时间几乎都耗在 Chrome 开发者工具里,看性能面板、采 trace、做 heap snapshot,手工到她自己都烦了:既然已经有 agent,为什么还是人坐在这些面板前面?

这就是验证 skill 的起点。让 agent 自己把应用跑起来、采 trace、读懂 trace、找到热点,再把性能往上推。她说这六个月产出确实上去了,可「一个月大约 2,000 个 PR」从来不是她定的目标。回头看那些 skill、工具和代码库改动,它们都叠在同一件事上,就是信任。她当时的想法更直白:我是瓶颈,得把工程师脑子里的东西交给 agent,别让每件事都卡在我这里。

(按她公开的履历,她是 2026 年 4 月加入 Cursor 的。演讲里的「大约六个月」是口语上的估算;后文提到的「第二天就在修 Cursor 3」出自另一条帖,和这段 agents 窗口的经历不一定是同一件事。)

起步时她同时只敢盯 1 到 5 个对话。每个聊天都得看着、随时改方向,人一走开,要么什么都没发生,要么 agent 做错了。她觉得这一段最难熬,因为看不到出口;而出不去的原因,说到底是还不信任 agent 交出来的东西。这时候一口气开 100 个 sub-agent 或 cloud agent(放到云端跑的 agent),换来的只会是一堆垃圾 pull request、回归和 bug,谁都不会高兴。

所以该问的不是还能再开几个,而是怎样才敢不再盯着。

纠一次错,先问最强的那一层能不能接住

她把纠正 agent 的手段从强到弱排成五层,而这个顺序本身就是论点:越靠前的层,越不依赖 agent 或人在某次对话里记得去读某段提示。

道理在于模型会沿用上下文里已有的东西。agent 读过、打开过的文件都在上下文里,它不会在每个 PR 里顺手把旧代码重构掉,只会接着往下写。因此仓库里留下来的样子,比聊天里的一次纠正耐久得多。一次纠正如果只停在对话里,下一个会话根本看不到;如果变成「这种写法写不出来」或者「CI 会挂」,下一个会话想躲也躲不开。

第一层是代码库和架构,让坏写法在类别上就写不出来。 她把代码库看成 agent 的记忆,而现有的反模式同样会被记住:一个小小的绕过办法,或者一段解释这个绕过的注释,几天到几周就会被复制成事实上的标准写法。她拿病毒打比方,也拿花园里不该留的杂草打比方。意思是,仓库里每一处你都得愿意让下一个 agent 照抄。这一层包括数据结构和做法上的改动,与其每次口头纠正同一种错,不如让那种错根本写不出来。在她看来,如果团队真相信以后大多数代码由 agent 写,这才是最值得投入的工程,远比多写几条提示有用。

第二层是静态分析,也就是 lint、编译器和 CI。 这些都是能在仓库里强制执行的约束。agent 反复犯同一种错,就加一条 lint;当然更好的是退回第一层,让这种错写不出来。她看到技术债或坏模式时的第一反应就是写 lint,不急着马上清干净,先止血、让它别再扩散,然后再花时间让 agent 去清。她没有点名用哪家的 linter 或 CI。

**第三层是规则、Bugbot 和 skill,**到这里已经从硬约束变成了引导。(Bugbot 的文档在这里。)规则和 skill 多数时候会被用上,但 agent 可能忘了读,开着 agent 的人也可能不理会。这一层很重要,却不能当成已经强制了,因为漏读一次,约束就等于不存在。

第四层是风格指南和人工 review。 风格指南如果没写进规则、Bugbot 或 skill,就只在人审代码时起作用,而这要求人看每一行、记得留言,PR 速度一上来根本做不到。她不建议只靠风格指南。人审更适合用来发现缺了什么,然后把时间投到前面几层去,而不是靠加人审来扩容。review 里如果总在留同一类意见,说明那条规矩还停在第四层,没被收进架构、lint 或规则。

第五层是验证 skill,它能证明功能做对了,但证明不了快不快、写得好不好。 她说的正确性,是指这个功能或这段代码有没有做成你要它做的事。验证 skill 能拿出经验证据,比如某条路径真的走通了;性能得另外采指标和遥测,代码质量则要靠另一类 skill,教 agent 按工程师的方式做事,而不只是证明「跑通了」。

光谱的另一端是形式化方法。Lean 和 TLA+ 可以检查业务不变量是否恒成立、应用是否处在可证明的状态。她自己没走这条路:形式化仍然难,仍是开放问题,真正把它和验证 skill 一起用的人很少。她的判断是,没有形式化,验证 skill 也能走很远。这句话划的是边界,并不是说形式化没用,她也没说验证 skill 能覆盖形式化要证的那类不变量。

收尾时她请听众记住这个顺序。发现自己在追着 agent 改的时候,挑最有效的那一步:先让这种模式在代码库、架构或数据结构上不可能出现;做不到就上静态分析;再往上叠规则、Bugbot 和 skill;质量方面的 skill 要另外花时间做。这些层叠够了,信任才足以让 agent 自己往前走。她强调这不是什么窍门,而是大量的工作。人审和风格指南负责发现缺口,验证 skill 负责拿正确性的证据,两者都替代不了第一层。

我同意这个排序,而且觉得它最有用的地方在于给了一个很具体的判断问题:这次纠正,能不能往上挪一层?

Control Glass 只是内部的验证 skill

她加入 Cursor 后为 agents 窗口性能做的第一个 skill 叫 Control Glass,是个验证 skill,目前没有公开页面或文档。

它教 agent 通过 Chrome DevTools Protocol 把应用跑起来并采 trace。她说现在的结构是迭代出来的,一开始并不是这样,最后定型成两块。

第一块是放在 skill 目录里的一个可复现 CLI,而不是让 agent 每次现写脚本。脚本每个会话都会漂一点,同一条性能基线就会量出不一样的结果。固定的 CLI 负责跑应用、收集 trace 和 heap snapshot,并给出「代码在工作、性能达标没有」的经验证据。这块需要持续投入才能覆盖各种用法,演示一次就停是不够的。

第二块她叫 feature map,可以理解成写进仓库的功能地图。名字是她自己起的,灵感接近网站地图,本质上是落了盘的记忆:应用怎么工作、有哪些功能、用户从哪里进去、快捷键是什么、要点哪些 DOM 元素、每个功能做什么。feature map 也放在 skill 目录里,按她的说法由一套自动化在维护。

只有其中一块都不够用。内部 Slack 里常有很模糊的报告,一小块界面截图加三个问号;agent 能把应用跑起来,却只能猜用户指的是哪里。CLI 和 feature map 合在一起,agent 才能稳定地操控应用、采 trace,并读懂内外部用户的请求。团队很快就把这类操控应用的验证 skill 当成关键基础设施来维护。agent 能核对自己的工作,是信任里很实在的一块,他们在这上面花了很多时间。

Control Glass 回答的是「做成了没有」,以及性能数据能不能用同一种方法稳定采到。能采到 trace 不等于代码质量过关,更不等于做了形式化证明。想做同类东西,就得自己准备一个可复现的 CLI,再把功能的入口写进 skill 目录。

Dune 把捷径收成唯一的正路

在 Grok Bot 的代码库里,他们做了一套叫 Dune 的客户端框架(同样没有公开页面),目标是让 agent 写起来不容易走歪。

直接起因是 Cursor agents 窗口上的性能问题,不少做法就是从那里带过来的。她的原则是:agent 爱走捷径,那就让捷径等于正路。这样的代码库对人来说很烦,能做什么、不能做什么都被卡得很死,但她认为这恰好适合 agent,尤其是上下文很少的 agent。以后往仓库里交改动的不会只有工程师,设计、产品、CEO 这些很忙、上下文很少的人也会进来做功能,与其指望他们先读完风格指南,不如让默认写法就是对的。

「代码库是记忆」反过来也成立:反模式会自己长。她要的状态是锁到人写起来难受,但约定强到连看起来无害的模式也留不下来。她举的例子是注释。起初她觉得 agent 留注释未必是坏事,人也会在边界情况和绕过办法旁边给同事留笔记。后来在 Cursor 的代码库里她发现,agent 会把注释当成不修真问题的理由,用短期办法把 bug 糊过去。所以在 Grok Bot 用的 Dune 里,注释被直接禁掉了,免得这种写法被复制到整个仓库。对 agent 来说,注释已经不是给人看的说明,而是给下一个 agent 的错误范本。

她给这个角色起名叫园丁:仓库会像花园一样长出你不想要的东西,得有人专门盯着,在它铺开之前掐掉(她自己笑说并不懂园艺)。Dune 背后她强调三件事。一是删掉现有的技术债,因为 agent 会照抄。二是对大多数该鼓励的模式只留一条铺好的路,agent 不用猜,代码库、CI 和 lint 里也要有足够的引导把它赶到这条路上。三是看到技术债或坏模式就先写 lint,先止血,再让 agent 把旧的清掉,让仓库始终处在「被抄也没关系」的状态。

Dune 的细节她没有逐项讲,只举了一条从 Cursor agents 窗口学来、在架构里直接消掉的性能问题。Electron 主进程上跑的东西,不允许跑进 renderer。agents 窗口那边出现过代码被误导入 renderer、慢代码跟着进去的情况。renderer 要保证界面流畅,扛不住超过帧预算的长任务:60 帧每秒大约是 16 毫秒一帧,120 帧每秒大约是 8 毫秒,工作必须拆开做。Dune 用导入依赖图把这条边界定死,误导入从此写不出来。她说这一条例子本身不重要,重要的是自己的框架可以把资深工程师的经验从风格指南和 review 评论里抽出来,直接写进代码库。这样代码库就是你希望 agent 延续的那个状态,下一个进来的 agent 更可能把它保持住,而不是从一条过时的注释里学会一个绕过办法。

在 Grok Bot 这边,她把仓库锁到几乎写不出坏代码,上下文很少、推理也不强的 agent 进来也能写出过得去的代码。产量是靠把路收窄换来的,不是靠多开对话。

外环是接工具,不是做一个公司大脑

演讲后半段,她把 Grok Bot 和 Cursor 放在不同的位置。Grok Bot 擅长她说的外环:接上各种连接器,把信息收拢起来用于决策。她随口举了 Slack、Datadog、Sentry、PlanetScale,以及「你正在用的那些服务」,这只是举例,不是一份固定的集成清单。

有人把这种接法叫公司大脑,她不买账,至少不买那个花哨的版本。agent 本来就擅长用工具,把工具接到 Grok Bot 上、让它自动拉起 cloud agent,并不需要先搭一大套基础设施。她再次划掉「软件工厂」,改口说可以用 Grok Bot 给自己搭那间厨房。routine(按订阅或条件自动触发任务)可以订阅 Slack 线程、Sentry 告警,然后自动开工。公开说明见 Grok Bot 的概述,以及 skill、routine 和自动化。

这些是叠在前面那几层之上的,不是另起炉灶。先有代码库、规则和 skill,Grok Bot 才能对外环进来的事件做出反应、再拉起 cloud agent。Cursor 这边还可以用 automations 和 TypeScript SDK 再搭 bot,复用已经铺好的 agent 基础设施去做更复杂的任务。她在直播里展示了几张 Cursor 自动化的截图,包括自动复现 bug 报告、自动开 pull request,说这些叠起来是在给整个团队加产出。这些截图是她自己的演示,没有第三方的产量数字可以对照。

Cloud Agents 和 agents 窗口 是公开的产品入口,但它们解决不了「还没信任就并行」的问题。外环如果跑在一个还没锁住的仓库上,自动化只会把垃圾 PR 放大。先把第一到第三层做好,再谈订阅告警和自动开 PR。

PStack 属于她放在引导层里的那类工程 playbook,演讲里她特意说今天不展开。它是她做的 Cursor 插件,一组 skill,来自她自己调试、做功能、做原型时的习惯。公开页在 Cursor 插件市场,使用指南在插件仓库的说明。用法是先 /setup-pstack 选模型,再进入 /poteto-mode。她说这是她在 Cursor 每天都用的 skill,目标是少写、写对,而不是堆行数;更有经验的工程师可以把这类 skill 收成团队自己的仓库,让 agent 按团队要的方式写。验证 skill 加上这类工作流,agent 才不只是证明做对了,而是有机会碰到质量。至于性能数字,还是得靠那条可复现的采样链路去采。

做 agent 的人可以拿走的顺序,以及她没说的话

我觉得这场演讲最值得带走的,是「纠错时往哪一层放」,而不是上个月合了多少 PR。如果你还停在同时盯 1 到 5 个对话的阶段,先别把并行当成进度。同一种错只在聊天里改过,下一个会话还会再犯;review 里反复出现的同一类意见,说明它还没变成架构、lint 或规则;引导层默认会被漏掉,不能当唯一的闸门。

她也有几件事没说,读的时候别替她补上。验证 skill 只提供正确性的经验证据,替代不了性能指标,也替代不了 Lean 或 TLA+ 要证的不变量,而她自己没走形式化这条路。她不主张先造一个花哨的公司大脑。一百个 cloud agent 是没有信任时的反例,不是推荐配置;外环只有在仓库已经值得被复制时才是在加产出,否则就是把垃圾 PR 自动放大。至于那个大约 2,000 的数字,她在直播里明确说过,从来不是目标。

这套方法从哪段已核对的履历里长出来

能和公开材料对上的路径是:前端和类型系统出身,在 Netflix 做内容工作室的工具,在 Meta 做 React 编译器,现在把「让 agent 自己验证」用在 Cursor 和 Grok Bot 上。她自己标的地点是南加州,近况看 LinkedIn。旧站 no.lol 还停在 Facebook 和前 Netflix 时期的介绍,已经过时了。

她是自学转行的,最早做 UI 设计,后来干脆自己把设计做成能跑的界面。about.me 上写她有金融方面的学历(伦敦政经和莫纳什),那一页停在她还在 Meta 当工程经理的时候。

2014 到 2016 年,她的博客几乎全是 Ember.js,那时人在 DockYard。GitHub 账号从 2012 年就有了,最有名的仓库是 hiring-without-whiteboards。

在 Netflix 她是工程经理,做 Studio UI,也就是从选题 pitch 到上线的内容制作工具;更早还带过 Studio Programming,给原创内容排期。旧站上留着三场演讲:2018 年 RubyConf 的 Building the World’s Largest Studio、2019 年 TSConf 的 Just Use Any,以及 2019 年 Netflix UI 的 Ambitious UIs for Pitch to Play,最后这场用的是 React、TypeScript 和 GraphQL。

她在 Meta 待了大约六年,2026 年 3 月中离开(2026-04-07 的 LinkedIn 帖里说已经离开大约三周)。在 React 组织里,公开介绍提到的工作包括 Server Components 原型、Relay 的编译器和运行时、React 18、React Compiler、useEffectEvent、跨平台 React,后来也参与了 AI 方面的组织策略。React Conf 2021 的讲者介绍写的是,她当时是 React 的工程经理,转管理之前在 Meta 带 Server Components 的原型。

同一份 LinkedIn 自述里,她说后来以个人贡献者身份重写了 React Compiler,把按语句做的分析改成基于自定义控制流图(CFG)的表达式分析,涉及 SSA、hoisting、validation、eslint-plugin-react-compiler 和实验性的 compiler LSP,并负责开源。她写到,编译器在 Instagram Web、Threads、Quest Store 和 Facebook.com 上线后,交互快了 2.5 倍,加载和导航快了 12%,内存没有增加;React 的 CI 从 CircleCI 换到 GitHub Actions 后更便宜,也快了 50% 以上。这些数字都出自她的自述,我没有找到独立的测量可以核对。

2026 年 4 月她加入 Cursor。按她的帖子,入职第二天就在修 Cursor 3 客户端的性能:教 agent 自己跑应用、做 profile、采 trace,再顺着指标处理内存泄漏和渲染问题。这和演讲里 agents 窗口那段先手工、后收成验证 skill 的经历很像,但两处都是她的叙述,未必是同一次改动。5 月她开源了 PStack,据她说那一周工程团队用了这些 skill 大约 1 万次。Cursor 并进 SpaceXAI 之后,她的头衔是 Grok Bot at SpaceXAI,现在在 SpaceXAI 做 Grok Bot 和 Cursor,同时也在 React Compiler 的核心团队。

和演讲对得上的,是同一件事的两头:编译器和性能出身,到了 Cursor 先把手工的 trace 和 heap snapshot 收成验证 skill,再把不该被抄的模式收成仓库里的硬约束。2,500 也好,大约 2,000 也好,都是走完这段之后的结果,不是方法本身。想找她,X 上搜 poteto 就行。