Agentic Engineering 實戰手冊

2026 年 2 月 Karpathy 提出 Agentic Engineering，但它跟 Vibe Coding、Prompt Engineering 差在哪？從定義出發，用一年實戰經歷解釋這個新詞背後的真正含義——以及為什麼它比寫 code 本身更難。

Agentic Engineering 最大的挑戰不是技術，是身份認同。當你的價值不再來自打字速度和演算法背誦，你到底是誰？分享角色轉換過程中的心理掙扎、具體變化，以及最終找到的新定位。

AI coding 工具規格一直變，真正值得比較的是工作方式。從 autocomplete、chat、local agent 到 cloud agent，分享我的使用分工、踩坑紀錄與一套可重複的選擇方法。

Prompt 只是 agent 當下看見的一部分。用六層框架拆解 project rules、codebase、工具、對話與測試結果，學會提供最小且高訊號的 context。

Agent 不會讀心術，你的 spec 越模糊，它越容易失控。分享怎麼寫 agent-ready 的 spec——從 task decomposition、acceptance criteria 到 constraint definition，附真實的 spec 範本和「寫太少 vs 寫太多」的對照實驗。

Agent 寫的 code 看起來很專業，但你怎麼知道它是對的？這篇整理從 CI、自動測試到人工 review 的品質保證流程，讓信任建立在證據上。

從真實 commits 還原閱讀進度條與閱讀時間功能：怎麼補 spec、讓 agent 實作、review 差異，再把驗證接回 CI。哪些是紀錄，哪些是事後重建，文中會清楚標示。

CLAUDE.md 不是寫一次就不管的 README。經過一年的迭代，設定檔系統已經從單一檔案演化成多層架構——global、per-project、per-task、per-tool。分享完整的設定檔架構設計、版本演化歷程，以及維護心得。

MCP 讓 agent 連接外部工具，A2A 讓 agent 之間對話。這兩個協議正在重新定義 agentic engineering 的邊界。從實戰角度解析：哪些 MCP server 真的有用、A2A 目前能做什麼、以及怎麼把它們整合進日常工作流。

Claude Code 與 OpenClaw 負責需要判斷的工作，n8n 負責確定性的自動化。分享這套系統怎麼分工、傳遞 context、避免寫入衝突，以及我何時才會考慮編排框架。

AI coding 的帳單為什麼會失控？從實際用量拆解 context、cache、model routing 與 session 管理，並說明如何用 eval 守住成本和品質。

Agent 能寫檔、跑指令、push 與 deploy 之後，風險邊界該怎麼畫？用 sandbox、hooks、版本控制與人工核准分層處理，並附可用的 Claude Code hook 結構。

你自己用 agent 很爽，但怎麼讓整個 team 跟上？從 solo practitioner 到 team evangelist 的過程——怎麼挑第一個 pilot project、怎麼處理「AI 會取代我嗎」的焦慮、怎麼建立共享的 agent 規範。

Benchmark 進步很快，但不能直接外推明年的能力。從一年實戰整理工程師仍需負責的判斷、協調、品味與風險，並附一份可自行調整的能力維持練習。