防「肉代理」工程复盘简报
你是工程效能顾问。只根据用户团队现状写提纲，不要编造评审占比。
手写 vs 代理生成大致比例：{{ratio}}
是否有仓级/公司级 AGENTS 上下文：{{context}}
首轮评审工具：{{review_bot}}
输出 Markdown：
1. 理解门禁（何物必须人写/人测）
2. AGENTS.md 缩短与共享上下文字段
3. 可调度的低风险任务边界（含禁止臆造依据）
4. 疲劳信号与并行上限
禁止建议跳过理解合入；禁止伪造「95% 评审是健康态」。← 返回用例列表
MetalBear：八个月后 AI 进中心——有人一周约 95% 在评审，防变「肉代理」
团队（mirrord/Rust）；披露从边缘到中心、有人评审从约 20–40%→约 95%；AGENTS.md 缩短+公司共享上下文仓；夜巡 CI/晨修小 bug/支持草稿机器人；不代你无人值守发版。
场景说明
面向代理已能写核心代码、却怕团队沦为只点批准的平台/工具团队：把「人理解每个改动 + 共享上下文 + 首轮自动审」写成门禁，区别于非编码聊天复盘与 git hook 记忆。
案例叙事
01他们做了什么
Eyal Bukchin（MetalBear）在官网博客《How Our Engineering Team Uses AI, Part II: Meat Proxies》（JSON-LD datePublished 2026-10-07 → 2026-10-07）写明：问题已从「模型能不能碰核心」变成「人如何不被评审洪峰做成肉代理」——有人自述周工作约 95% 在评审，并行多线程更易疲劳。
团队不强制单一工具，但收缩仓级 AGENTS.md、导入公司共享上下文，并用自动首轮审/自审/日志友好设计与调度式小任务（夜巡 CI、小 bug PR、带依据的支持草稿）减轻机械层；提交说明与关键判断仍多人坚持手写以保持理解。
本场景据此输出「防肉代理」提纲。禁止把「约 95% 评审」写成行业均值，或建议跳过理解直接批量合入。
02实际效果
- 源披露八个月后 AI 进中心、有人评审约 20–40%→约 95%、AGENTS.md 缩短+共享上下文、调度式 CI/小 bug/支持草稿等作者口径；属单一 Rust 工具团队窗口，不可外推为你的产能、倦怠率或「有共享上下文即可放心放权」。
- 能把「生成越多越好」与「理解门禁 + 首轮自动审 + 低风险调度任务」拆开。
- 为支持机器人臆造「已确认」、以及并行多代理导致的理解稀释提供提问清单。
03值得知道
- 文为问卷式团队复盘，非统一度量仪表盘；工具列表含长尾试验。
- 产品为 mirrord，文中亦提自家能力，但主体是工程用法而非功能宣发清单。
- 上面写的是 MetalBear 团队实践帖，不是模型厂商官文简报。
04可复制提示词
评审过载或支持草稿胡说复盘提纲
工程师表示几乎只在审 slop，或机器人把未核实配置写成已确认。请写复盘提纲。
现象：{{symptom}}
输出：
1. 缺理解门禁、并行过宽，还是缺「先搜历史+声明依据」规则
2. 最小修补
3. 下次验收标准
4. 人工确认清单
不要伪造「更多自动首轮等于更少疲劳」。怎么做
- 粘贴团队现状（手写比例、工具散度）、是否已有仓级/公司级代理上下文，以及首轮评审工具
- Agent 按实践帖输出：防「肉代理」检查清单、AGENTS.md 缩短原则、共享上下文仓字段，以及可调度的低风险任务边界
- 人工保留理解与发版责任；Agent 不代你宣称「代理写完即可合入」
实用提示
- 源帖（JSON-LD datePublished 2026-10-07T00:00:00Z → 2026-10-07；页内 October 7, 2026；DEV 转载 2026-10-08）：MetalBear CTO Eyal Bukchin 续写团队 AI 用法。一月文称 AI 只在边缘有用（mirrord 为低层 Rust、架构特殊）；八个月后再问同一组问题——多数回复者几乎不再手写，增长最大的是评审：不仅 PR，还包括内环读改/重提示代理产出。有人形容「我不太写代码了，只是审 slop、驯服野兽」；另一人：周工作从约 20–40% 评审/60–80% 生成，变为约 95% 评审，「太累了」。工具不强制统一：Claude Code/Codex 最常见，长尾含 Emacs agent-shell、Amp、Orca 多 worktree、pi、Graphify、本地 Gemma、Zed 等；成本进入决策（一例估 Fable 用量约 Opus 的 10× 且质量增益有限故留 Opus；「强模型写指南→弱模型写码」实验失败）。仍痛：Rust 偏冗长 clone/collect、爱切碎函数堆测试、爱另起炉灶而非找既有库；多人坚持手写提交说明/PR/注释，因「AI 文本像 word pulp」，且写 PR 描述迫使抬高理解。应对：Greptile 自动 PR 首轮（并在用 AI 对比评 Qodo）；许多人开 PR 前先让代理自审；为「将来由代理维护」加充分日志；仓内长架构 walkthrough 的 CLAUDE.md 收成 AGENTS.md（组件一行描述+构建/测试/lint 命令），并让每人从 ~/.claude/CLAUDE.md 导入公司共享上下文仓。有人试验调度代理：夜巡 CI、晨从 Linear 挑小 bug 开 PR、支持草稿机器人（曾把未核实配置写成「既往确认可用」，遂加规则：先搜历史决议、每答结尾写依据）。结论：AI 已写多数代码，增长的工作是确保有人理解后再发——下篇希望讲如何解决疲劳。
- 与 cseeman-claude-noncoding-chats-10-weeks / blaze-git-hooks-cursor-context-memory 不同：本条是工具团队八个月追踪「边缘→中心」与评审疲劳，不是个人非编码聊天复盘或 git hook 养 CONTEXT.md