Episode Details

📝 本期播客简介

本期我们克隆了：David Ondrej 的 AI 与软件工程访谈《Matt Pocock’s Agentic Engineering Workflow (just copy him)》

原内容更新时间：2026-06-18

本期嘉宾 Matt Pocock 是 TypeScript 与开发者教育领域极具影响力的创作者，他和主持人 David Ondrej 深入讨论了 AI 编程时代，开发者真正应该提升的能力是什么。Matt 的核心观点非常鲜明：AI 已经非常擅长 tactical programming，也就是写代码、改 bug、做 commit 这些战术性工作；但人类开发者必须更擅长 strategic programming，也就是软件设计、代码库架构、任务拆分、测试策略、产品判断和长期方向。

这期节目不是一场单纯的工具盘点，而是一套关于 Agentic Engineering 的实践哲学。你会听到 Matt 如何使用 Claude Code、Opus、Sandcastle、GitHub Actions 和 AFK 智能体，把 AI 放进安全、可并行、可 review 的工程流水线里；也会听到他为什么反对盲目追逐最新模型，认为真正重要的是运行框架、代码库可修改性、软件基本功和人的判断力。

节目中还现场演示了 Matt 的 teach skill：一个能根据学习者目标、当前水平和本地工作区，生成个性化课程的 AI 技能。它不仅能教 Git、调试、测试等基础知识，还会记录学习状态，像一个真正了解你的老师一样持续推进学习路径。除此之外，Matt 还分享了 grill me skill、流程型技能与能力型技能的区别、Agentic Loops 与任务队列的关系、人类 review 如何演化，以及 AI 时代做产品、创业和招聘的底层逻辑。

如果你是开发者、AI builder、产品经理，或者正在思考如何不被 AI 编程浪潮淘汰，这期节目会给你一个很清醒的答案：不要把思考外包给 AI。把战术性交付交给 AI，把战略性判断、产品愿景和系统改进牢牢握在自己手里。

👨‍💻 本期嘉宾

Matt Pocock，知名开发者教育者、TypeScript 与 AI 编程实践领域创作者。他长期面向开发者制作高质量课程和开源工具，尤其关注 TypeScript、开发者体验、智能体技能与 AI 辅助工程工作流。他的 skills 仓库包含 teach、grill me 等多个面向 AI 编程与学习场景的智能体技能。

🎙️ 主持人

David Ondrej，长期关注 AI 工具、智能体工作流和 AI 编程实践的创作者。

⏱️ 时间戳

00:00 开场 & 播客简介

AI 编程时代的人类价值

01:37 模型不是全部：为什么 Matt 更关注运行框架而不是新模型

02:16 tactical programming 与 strategic programming：AI 吃掉了哪一部分工作

03:35 无限战术程序员大军：人类开发者必须学会战略性指挥

03:47 如何委派 AI：任务边界、接口设计、测试策略与文档

05:15 技能就是 AI 的上限：为什么高级开发者会被 AI 放大十倍

AI 个性化学习与 teach skill

06:01 teach skill 的诞生：把教学原则编码进智能体技能

07:15 现场演示：一个 Vibe Coder 如何补齐工程基础

08:52 真正要学的不是更多语法，而是 Git、调试、测试与交付

09:23 教学不是灌输信息，而是帮学习者重新定位自己的使命

10:37 口述能力的重要性：开发者如何更快把想法变成 AI 可用的输入

11:50 stateful skill：为什么好老师必须记住你的目标、进度和上下文

13:39 第一课：Git 是项目的撤销按钮

14:18 个性化练习与测验：AI 如何用成熟教育方法增强记忆

15:19 知识图谱与线性路径：teach skill 如何记录学习进程

16:21 如何安装 Matt 的 skills 仓库

好技能、坏技能与人的主导权

16:42 两类智能体技能：流程型技能与能力型技能

17:40 grill me skill：让 AI 成为对抗性面试官，逼你先想清楚

18:45 从想法到 PRD，再拆成 issue：Matt 偏好的 AI 协作流程

19:13 为什么不该把思考外包给模型

20:18 技能太多会污染上下文：为什么能力清单不一定应该塞给 AI

21:35 高级开发者的新机会：把工程流程抽象成可复用技能

22:28 知识、技能与智慧：为什么真正的判断力很难被直接打包

Matt 的 Agentic Engineering 配置

23:27 Claude Code、Opus 与本地规划：Matt 的基础 AI 编程配置

23:52 Sandcastle：为什么要在沙箱里运行智能体

24:30 并行智能体：Docker、Podman、Vercel 沙箱与远程执行

24:47 GitHub Actions 工作流：让智能体自动 review PR

25:12 AFK 工作方式：离开键盘后，让智能体继续完成任务

25:44 为什么 Matt 不太频繁切换模型

26:03 运行框架比模型更可控：prompt、技能、环境与代码库的综合优化

别只追模型，要优化运行框架

26:37 模型与运行框架应该各占一半，而不是 90% 对 10%

27:01 “苦涩的教训”：算力会赢，但不代表你应该放弃优化系统

27:40 好代码库才是 AI 的加速器

29:15 不要围绕单个模型过度优化：长期有效的是软件基本功

29:53 三十年、四十年仍然有效的东西：让代码库更容易修改

30:05 如何优化 token 成本：不是写更短 prompt，而是让代码更好改

30:39 Vibe Coder 的陷阱：每周换工具，却不学习软件工程原则

31:13 真正的上限是人的技能，而不是模型订阅

Fable、深层 Bug 与系统性改进

32:32 David 的 Fable 体验：AI 自己操作浏览器、创建 API