Matt Pocock

資料來源#

Full Walkthrough: Workflow for AI Coding — Matt Pocock

摘要#

從獨立 TypeScript 教育者轉型為 AI 程式設計教育者，經營 AI Hero 網站。撰寫了一門 Claude Code 課程（錄製時的 context window 為 200K；Anthropic 在他課程上線當天宣布推出 1M context）。打造了 Sandcastle——一套用於平行 agent 迴圈的 TypeScript 函式庫，搭配 Docker 沙箱化的 git worktree。

主要主張與立場#

軟體工程的基本功仍然適用。 他在 AI Engineer 2026 主題演講與工作坊的核心論點：「我們忘了——軟體工程的基本功，那些對於與人類協作至關重要的東西，其實也非常適合用在 AI 身上。」他引用了 Brooks 的《Design of Design》、Pragmatic Programmer 的 tracer bullets、Ousterhout 的《Philosophy of Software Design》，以及 Fowler 的重構守則。
Smart zone 與 dumb zone。 借用 Dex Hardy（Human Layer）提出的框架：LLM 的表現會隨 context 大小以二次方下滑。他把 smart-zone 的分界標在約 100K tokens，不論廠商標稱的 context window 有多大（參見 Context Window Smart Zone）。
Memento 比喻。 每個 session 都會重設回 system prompt。他偏好用 clear 而非 compact；壓縮會留下「沉積物」，拖垮後續工作。
Specs-to-code 是錯的。 那只是換個名字的 vibe coding。戰場是程式碼，不是規格。
先拷問再規劃，而不是先規劃再閱讀。 他用一個窮追猛打式的訪談技能（grill-me），在寫出 PRD 之前先達到 Brooks 所謂的「design concept」——也就是與 LLM 之間的共識。他不再回頭審閱寫出來的 PRD，因為對齊在拷問階段就已完成（參見 Design Concept Grilling）。
Tracer bullets 勝過多階段規劃。 切穿每一層的縱向切片，優於逐層橫向執行；agents 天生會橫向寫程式，需要被刻意推著走（參見 Vertical Slice Tracer Bullets）。
Kanban 勝過順序式規劃。 帶有阻塞關係的 Kanban 可以並行；編號階段清單只能串列。
深模組勝出。 Ousterhout 的 deep-module 模式讓程式庫對 agent 更友善：小介面、大量行為、寬廣的測試邊界(參見 Deep Modules for Agents)。
審查者要待在乾淨的 context。 實作端待在 smart zone，雙方共用同一份 context 時審查者就會掉進 dumb zone。審查前一定要 clear。
審查者用 push、實作者用 pull。 對審查者而言，coding standards 永遠常駐 context；對實作者而言，則是按需透過 skill 取得。
文件腐爛會致命。 實作完成後就刪除（或關閉）PRD；舊的 PRD 會誤導日後的 agents。
自己擁有你的技術棧。 他不信任 spec-kit／open-spec／Taskmaster 這類預先打包好的技術棧，因為一旦出問題，使用者就會失去可觀測性。

他使用的工具、技能與原語#

grill-me 技能——任何規劃前先進行窮追式訪談
write-a-PRD 技能——目的地文件，建立後就不再回看
prd-to-issues 技能——把縱向切片拆成可獨立認領的 Kanban 工單
improve-code-base-architecture 技能——找出淺模組群集，提出深模組的重構建議
Ralph Wiggum loop——bash once.sh 把整份 backlog 當 context 餵給 Claude，反覆執行
Sandcastle——TypeScript 排程器：每個 issue 一棵 Docker 工作樹、平行的實作 agents（Sonnet）、審查 agent（Opus）、合併 agent
狀態列 token 計數小工具——「每一次 coding session 都必備的資訊」（用來判斷何時逼近 dumb zone）

工作流程的形狀（他畫的圖）#

Idea → grill → research/prototype → PRD (destination) → Kanban (journey, vertical slices) → AFK loop (implement → review → merge → loop) → human QA → team review

前半段是人類在迴圈中；AFK loop 處理實作、過程中沒有人；QA 是人類品味重新進入系統的地方。

重要引言#

「如果你的程式庫沒有回饋迴圈，你永遠永遠永遠都不可能從 AI 拿到像樣的輸出。」
「我需要的是達成共識。我需要的是一份資產，不是一份計劃；我需要的是和 AI 站在同一個頻率上。」
「糟糕的程式庫造就糟糕的 agents。」
「我們需要兩份必備文件：一份記錄目的地，一份記錄路徑。」

資料來源#

Full Walkthrough: Workflow for AI Coding — Matt Pocock——AI Engineer World's Fair 工作坊，2026-04-24

Matt Pocock

資料來源#

摘要#

主要主張與立場#

他使用的工具、技能與原語#

工作流程的形狀（他畫的圖）#

重要引言#

相關連結#

資料來源#