我统计过自己最开始那批 DSH 会话,平均每个任务浪费 20% 的步数在空转上。不是模型笨,是我的任务描述方式有问题。
一、把「做什么」写成「怎么算做完」
对比这两句:
帮我把博客的部署流程整理一下。
把博客部署流程写成
deploy.md,必须覆盖:本地构建、产物上传、远端重启、回滚。每一步给出可复制的命令,命令里出现的路径全部用真实路径。完成后我要能照着它从零部署一次。
第一句能产出 300 字散文。第二句能产出可直接执行的东西。
差异在于验收条件是否可检验。「整理一下」不可检验,「覆盖四点 + 命令可复制 + 路径真实」可检验。Agent 有个很朴素的行为特征:它会朝着描述里能检验的部分努力,看不见的地方就模糊过去。
所以我现在写任务,强迫自己带三样:
- 产物(文件路径、格式、章节)
- 必须覆盖的要点(列出来,不要「等等」)
- 验收方式(跑一遍?截图?对照清单?)
二、独立的活一定要并行
这是最容易被忽略的效率点。假设要做四件事:查三个文件的现状、跑一次测试、拉一次远端状态。
串行执行是六次往返,每次都要等模型想一下。并行是一次往返。
DSH 允许在同一个回合里批量发起互不依赖的调用。判断标准很简单:
如果 B 的入参不需要从 A 的输出里读,就可以并行。
实操上我会在 prompt 里直接说明:
先并行读取
package.json、vite.config.ts、src/main.ts三个文件,再决定怎么改。改完并行跑pnpm build和pnpm test。
而对有依赖的步骤,加一句「等上一步结果出来再继续」,避免它猜。
一个反直觉的点:并行的收益在慢工具上特别明显。ssh_exec 到另一台机器可能要 2 秒,web_fetch 可能 5 秒,串四个就是十几秒的纯等待。批量发出去,感知延迟几乎归零。
三、没有验证的「完成」都是假设
我踩过最多次的坑不是它做错,是它做对了但没检查。
典型场景:改了两个文件,逻辑正确,但漏改第三个引用点。它说「已完成」。三天后构建挂了。
所以我现在强制加验证环节,而且要求验证方式是外部可观测的:
| 任务类型 | 我要求的验证 |
|---|---|
| 改代码 | 构建必须过 + 相关测试必须跑 |
| 改配置 | 重启服务并访问健康检查 |
| 写文档 | 按文档里的命令真跑一遍第一条 |
| 改样式 | 截图,我自己看一眼 |
| 改数据 | 改前改后的 count 对比 |
「我觉得改好了」不算验证,「pnpm build exit 0」算。
还有一个细节:验证要放在同一轮里。如果先让它改、下一轮再让它验,它可能顺手把验证省了。写在一起,它才会把验证当成任务的一部分。
用 todo 列表对抗中途走失
多步任务最怕的不是失败,是做着做着忘了最初的目标。做到第 7 步,开始优化一个不重要的细节,最后交回来一个漂亮但没解决问题的东西。
我的对策是把任务清单外置:
1. [ ] 读现有配置,确认三个环境的差异
2. [ ] 抽出公共部分到 base.yaml
3. [ ] 三个环境文件只保留差异项
4. [ ] 逐个环境跑 validate
5. [ ] 更新 README 的配置说明
这份清单有两个作用:对我是进度条,对 Agent 是契约——每完成一项就勾掉,剩下的永远可见。
DSH 有原生的 todo 工具,我几乎每个多步任务都会用。它还能防另一个毛病:一口气干完五件事然后声称成功,实际上第 3 件就崩了。
子代理:什么时候值得分兵
任务足够大时,一个 Agent 顺序做会撞上两个墙:上下文越来越长、注意力越来越散。这时候派子代理。
我的分兵标准:
- 子任务之间几乎不共享上下文(比如同时审 20 个文件)
- 每个子任务有独立的验收标准
- 汇总成本低于自己做的成本
反例:让子代理去「理解整个项目架构」——它理解完要把结论压缩成一段话回来,压缩过程丢的信息比你省的时间多。这种活我自己做。
正例:workflow 那种扇出——20 个文件各派一个子代理审,每个返回结构化结论,我在主线程只做汇总和冲突裁决。
收尾:我的检查清单
每次任务结束前,我会问四个问题:
- 产物在哪? 有没有一个具体路径,而不是「已经改好了」。
- 怎么证明? 有没有一条可复现的验证命令/截图。
- 坏了怎么退? 有没有备份或 git 提交点。
- 下次还做吗? 如果会,该不该沉淀成 Skill。
这四问花不到一分钟,但能挡掉我 80% 的返工。
这是「用 DSH 做工程」系列的最后一篇。前四篇分别讲了为什么迁移、工具系统、Skill 沉淀、权限边界。如果你只记一句话:Agent 的上限由工具决定,下限由你的验收标准决定。

文章评论