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。

市面上至少 20 個 AI coding 工具，哪個適合你？不是功能比較表，而是一個全部都用過的人告訴你每個工具的「甜蜜點」在哪裡、踩過什麼坑，以及我最後為什麼選了現在這套組合。

Tobi Lutke 把 Prompt Engineering 重新命名為 Context Engineering，這不只是換個詞。當 agent 要自主完成任務，你餵給它的 context 決定一切——從 CLAUDE.md、codebase indexing 到 conversation history management，拆解 context 的六個層次。

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？建立一套 agent output 的品質保證流程——從 CI 自動化驗證、人工 review 的重點、到最重要的心態：永遠假設 agent 的 code 有 bug。

一個真實的功能需求，從收到 ticket 到最終 deploy，全程用 agentic workflow 完成——包含完整的 prompt、agent 的回應、review 過程、CI 結果、和最後的 deploy log。零理論，純實戰。

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、和維護心得。

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。

一個 agent 很強，但真正的生產力飛躍來自多個 agent 協作。分享三 agent 系統如何分工、如何傳遞 context、如何避免衝突——以及 LangGraph、CrewAI 等框架我試過之後為什麼沒用。

Agent 越強大，token 燒越快。深入 token 成本的結構分析——哪些任務是 token 黑洞、怎麼設計 context 降低消耗、caching 策略、model routing，以及月成本從 $287 降到 $148 的實際做法。

給 agent 越多權限它越有用，但也越危險。設計一套「agent 安全網」——從 sandbox 環境、permission boundaries、rollback 機制、到 human-in-the-loop 的斷路器設計。附 hooks 設定和曾經差點出事的真實故事。

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。

SWE-bench Pro 今天 23%，一年後會是多少？當 agent 的能力每季都在進步，工程師的不可取代性到底在哪裡？不做預測，而是從一年實戰中歸納出不會被 agent 取代的能力，以及一份你今天就能開始的「防衰退」訓練計畫。