Agentic Engineering 开发实践与 AIM 调度系统构想
AI调度
👤 AI 开发者、软件工程师、技术管理者，对 Agentic Engineering 和 AI 驱动开发感兴趣的人群
本文记录了作者在 2026 年使用 Agentic Engineering 开发 auth-mini 和 SOAR 项目的实践经验，指出当前 AI 开发已达到 Senior SDE 水平，能独立完成从创建 worktree 到合并 PR 的完整工作闭环，但缺乏任务管理和规划能力。作者分析了当前 AI 开发串行执行任务的局限性，提出通过开发 AIM（Agentic Intelligence Manager）调度系统来提升并发性，该系统将管理多个 OpenCode Session 的生命周期，使用 SQLite 数据库进行状态协调，旨在将日均 Token 消耗和 PR 产出提升到数十亿和数十个级别。
- ✨ Agentic Engineering 已能独立完成从 worktree 创建到 PR 合并的开发闭环，效率超过传统开发
- ✨ 当前 AI 开发缺乏任务管理和规划能力，无法达到 Team Leader 水平
- ✨ 提出开发 AIM 调度系统来管理多个 OpenCode Session，提升并发性和开发效率
- ✨ AIM 将使用 SQLite 数据库进行状态管理，无需设计 API，AI 可直接通过 SQL 操作
- ✨ 预计 AIM 实施后日均 Token 消耗和 PR 产出将大幅提升
📅 2026-04-15 · 1,238 字 · 约 5 分钟阅读
AI调度与任务管理优化思考
AI调度
👤 AI开发者、项目管理者、技术决策者，关注AI调度和任务优化的人群
本文讨论了AI调度项目Agent Harness已达到性能甜蜜点，当前主要问题已从提升准确率转向优化迭代速度。作者提出将任务拆分为基本单位，建立依赖管理并构建任务图，允许AI根据依赖关系并行执行任务。通过OpenCode会话机制，AI可以自主判断任务阻塞状态、拆分任务并改造环境，实现高效调度。文章强调在AI Token成本低廉的背景下，应放手让AI自然生长，减少人工审查，以加速项目进展。
- ✨ Agent Harness已达到性能甜蜜点，迭代速度成为主要问题
- ✨ 提出基于任务拆分和依赖管理的并行执行策略
- ✨ AI可以自主判断任务依赖、拆分任务并改造执行环境
- ✨ 建议减少人工审查，放手让AI自然生长以提升效率
- ✨ 在AI Token成本低廉的背景下，经济成本暂不是问题
📅 2026-04-11 · 1,184 字 · 约 5 分钟阅读