The 4-Step Agentic Engineering Workflow I Use to Ship Real Apps | Ras Mic

Michael 让 5 个 Codex 智能体同时改同一个仓库，每个 PR 必须拿到 Grape 5/5 分才交人审。

"软件工厂"通常意味着把任务丢给 AI 然后撒手不管，Michael 说那叫"泔水炮"，一个错误假设就能毁掉整条流水线。他的做法正相反：把工程纪律写成技能文件，让 AI 每一步都留下看得见的证据。下面是他这套流程的四步、他为什么同时订阅 OpenAI 和 Anthropic，以及他给教堂写的支付系统被 AI 查出过什么漏洞。

Michael 不让 AI 一口气干完，而是先给每个任务开一块独立地盘，互不踩脚。

• 第一步 isolate：每接一个新功能或 bug，先调用 new feature 技能，从 main 分支切出一个独立的 git work tree（同一份代码的平行副本）。他左下角同时开着 5 个 Codex 标签页，4 个刚跑完，1 个还在跑。
• 这个技能是 AI 帮他写的，因为他承认 git 一直不是强项，以前遇到 rebase 就得上 Stack Overflow。技能里专门提醒：工作树隔离了代码，但开发端口和共享数据库并没有隔离。
• 第二步 build 调用 code structure 技能，强制 AI 按服务层架构写代码：一层管"什么时候做、为什么做"，一层管"怎么做"。目的是防止 AI 到处重复写同一个函数，也让他自己将来还能读懂。

Michael 不信任 AI 的自述，所以第三步和第四步全是验证，而且要求拿出看得见的证据。

• evidence-driven testing 技能会录一段视频：先复现 bug 的"之前"，再录修好后的"之后"。他举的例子是一个流式输出 bug，AI 录下了修复前后刷新应用的表现。这招需要 Linux 机器装 FFmpeg（处理音视频的工具），Windows 没测过。
• bug 不好录就用从 Vercel 抄来的 before/after 截图对比。他做过一个邮件投递追踪功能，截图直接显示某个附件被判定为恶意文件。截图截不出来的就上数字：他让 Astra 优化仪表盘导航，从 850 毫秒降到 61 毫秒。
• 第四步 Grape 循环（Grape 是做代码审查智能体的公司）：每次提 PR，Grape 给一个 1-5 分的置信度评分。顶级模型第一次提交通常只有 4/5 分，这个技能就让 AI 读反馈、改代码、重新推送，循环到 5/5 分或跑满 10 次为止。Michael 说这本质是在攒信任，把人工审查的时间压到最短。

Michael 同时付费订阅两家，分工明确，理由也很具体。

• Astra（OpenAI） 强在性能审计和安全审计。他给教堂写了一套自定义支付系统（因为加拿大支付服务费率太高），让 Astra 跑安全审计，查出一个收据机制漏洞——懂行的人打开浏览器网络面板就能利用。他的原话是"幸好我做了这件事"。
• Fable（Anthropic） 写代码更像人，如果代码要过人类审查，用 Fable 更容易被合并。但 Fable 有个问题：一碰安全相关的话题就被踢到 Opus 5，他很不喜欢。
• 他劝人别什么都用最强模型：Luna 便宜且擅长知识工作，他用 Luna 处理夫妻合并报税，再用 Soul 当子智能体去核对 Luna 的活。他的判断是"大模型做小事反而会干蠢事"，未来模型路由会变成主流。

"软件工厂这个词，通常指的是泔水炮；一个开头就错的假设，会把整件事全毁掉。"

• 如果你在用 AI 写代码，先把"改代码前必须切独立分支"写进你的 agents.md。Michael 的 5 个智能体并行不打架，靠的不是模型聪明，而是这条硬规则。
• 给 AI 的每个修复任务加一条验收标准，比如"必须给出修复前后的对比证据"。他自己承认 Astra 经常忘记跑这套流程，需要他提醒——所以规则要写死，别指望模型自觉。