如何开始实践

白皮书为三类受众提供实用建议。

For Individual Developers（个体开发者）

建议	实操要点
1. Set up an AGENTS.md	开始十行：stack、conventions、hard rules、workflow。每当 agent 做不应再做的事，添加规则
2. Install skills for coding agents	用 Agents CLI 构建、评估、部署和优化 agents
3. Pick one repetitive workflow	选研究工作流、代码审查过程、重复报告。用 coding agent 原型化，通过 Agents CLI 升级为生产 agent。端到端构建一个 agent 比读一百个教更多
4. Write tests and evals first	在生成代码前写测试和 evals。它们是与 AI 的合同。好的测试和 eval suite 比自然语言 prompt 更精确传达意图
5. Review every line	审查将发布的每行。怀疑看起来聪明的。检查 imports 是否真实包。验证错误处理覆盖现实失败模式
6. Maintain developer skills	AI 处理常规，开发者聚焦挑战。维持基础技能：debugging、system design、性能和正确性直觉。将 AI 视为更大规模应用专业知识的方式，不是替代

For Engineering Leaders（工程领导者）

建议	实操要点
1. Context engineering as first-class practice	将 AGENTS.md、system prompts、eval suites、skill libraries 视为代码：PR 审查、项目版本化、命名工程师拥有
2. Set the bar at the eval, not the demo	工作 demo 证明一次成功，通过 eval suite 证明可靠成功。定义评分什么：任务成功、工具使用质量、轨迹合规、幻觉、响应质量
3. Re-shape code review for AI-generated code	AI 生成代码需要相同或更大审查。额外关注幻觉依赖、不足错误处理、微妙正确性缺口。培训审查者生成代码失败模式
4. Distinguish prototyping from production	Vibe coding 是探索的正确速度。Agentic engineering 是生产的正确纪律。让边界显式：哪些项目、分支、环境值得哪种工作模式
5. Invest in harness components	可重用 system prompts、skill libraries、MCP server connections、evaluation harnesses 跨项目复合。视为基础设施：文档化、维护、刻意改进

For Organizations（组织）

建议	实操要点
1. Treat as engineering investment	将 AI-assisted development 视为工程投资，不是生产力特性。配对 AI 工具与 eval 覆盖、observability、清晰架构标准
2. Invest in production substrate before scale	符合运营纪律：CI 中运行轨迹和最终响应 evals、每个 agent run 的 traces、每个 agent 的范围权限、调优生成代码失败模式的安全审查。在第一个生产 agent 发布前构建
3. Adopt open standards	采用 Model Context Protocol (MCP) for tool access 和 Agent2Agent (A2A) for cross-agent delegation。现在选择保持混合供应商和框架选项开放
4. Plan for hybrid teams	为人类和 Agent 的混合团队计划。人类设定方向、agents 做实现、清晰交接协议治理边界。代码审查过程、on-call rotations、团队结构需要进化
5. Reframe hiring and skill development	围绕判断重构招聘和技能发展。瓶颈转移到规范、评估、架构判断、审查。未来几年最有价值的工程师将是能很好指导 agents 的

---