大型语言模型虽然功能强大，但缺乏持久记忆，需要反复提供指令。这催生了代理型人工智能（agentic AI）的发展，使其能够自主执行任务，而不仅仅是提供建议。作者首先探讨了早期 GitLab AI 的功能，随后转向更强大的代理型工具，如 OpenCode。有效使用 AI 助手的关键在于以具体的工程直觉和清晰的指令对其进行引导。优化的 AI 工作流程应优先处理任务、支持快速加载上下文，并允许多个项目并行工作。重复性任务可通过文档化的流程实现自动化，以确保执行的一致性。令牌效率至关重要，可通过使用优化的数据收集工具而非单纯依赖 LLM 来实现。主动委托是核心模式，即 AI 在人类监督下执行任务。对 AI 的模糊指令无效，必须提供精确、手术刀般细致的指令才能获得可靠结果。为防止 AI 会话相互干扰，协调原语（如工作树和记忆系统）必不可少。在构建新方案之前，应先探索现有解决方案；贡献往往优于重复发明。主动上下文注入，即自动呈现相关记忆，可显著提升 AI 效率。从主动回忆向被动回忆的转变，使 AI 能够预判需求并在无需显式提示的情况下提供上下文。启动门控和迭代优化对于提升 AI 性能至关重要，确保其暂停并加载关键指令。