Grok 土豆姐的 Agent 实战经验，这套 Harness 已开源！

大家好，我是 Ai 学习的老章

前阵子 Grok Bot 的工程负责人 Lauren Tan（网名 poteto，圈里都叫她「土豆姐」）与 Tibo 的在线互怼刷屏了硅谷程序员的时间线

有好事者做了一个网站记录了他们的互怼推文，这都能嗑 CP 是我没想到的

大致起因：

• 土豆姐是 React Compiler 核心成员，待过 Meta、Netflix 和 Cursor；Tibo 是 Codex 前负责人（已转去负责 OpenAI 内部系统安全），人称「赛博义父」

• 10 月初土豆姐自封「The Ship Company」，调侃 Tibo 只会重置额度

• 第 27 天，Tibo 偷家买下 poteto com 做了个戳土豆跳 ChatGPT 的整活页，拿下 300 多万浏览

• 土豆姐当晚花 5.99 美元 买下 tibo dog （玩梗 Tibo 吐槽手机打字总把 dot 自动改成 dog ）

• 随后她带 Grok Bot 和 Cursor 连肝 4 天 、合入 约 1150 个 PR ，在第 28 天上线了即点即玩的幸存者游戏

热闹之外，我感觉最有价值的是她的 14 条工程清单，以及开源在 Cursor 官方仓库里的 Agent Harness：pstack

推文介绍了AI开发这个游戏的过程核心：把规范直接焊进后缀名（如 .hot.ts）和 Lint 硬规则、用 TLA+ 抓状态机并发死角、音画全代码化以便 Agent 闭环验证

真正能直接装进 Cursor 和 Claude Code 里复用的开源基础设施，是她在背后依托的 pstack

那个 4 天 1150 个 PR 的小游戏，本质上就是 pstack 的一次 96 小时公开极限压测

pstack 是什么：先扎深，再放心并行

pstack（开源在 Cursor 官方插件库 cursor/plugins/tree/main/pstack

全是实战硬货：58 个 Skills（34 个功能 + 24 条原则）、23 套实战剧本、2 个子 Agent（poteto-agent、comment-sicko）

另外配了 harness/pstack/ 适配层，Cursor 和 Claude Code 两边都能开箱即用

土豆姐给 pstack 的定位：拒绝「20 个垃圾制造机同时飙代码」的假吞吐，想跑得快，先扎得深（if you want to go fast, go deep first）

先让单个 Agent 写得少、写得精、可自证，再谈多路并发：

pstack 全景架构与窄 PR 独立验收流水线 一、单入口 /poteto-mode：只提目标和验收，禁止微操过程

用其他 Agent 工作流时，人常常要把 Prompt 写成流程说明书——「先读 A 文件、再调 B、最后跑 C」

pstack 文档直接把这种做法列为典型坑：全套动作只认一个总入口 /poteto-mode

/poteto-mode 根据目标自动路由到对应剧本

平时派活不用指定具体 Skill 名字，只要写清三样东西：目标、完成判定标准、你要看什么实跑证据

/poteto-mode 导出接口重试时会写入重复行，先复现再修，拿出前后行对比证据

拿到需求后，/poteto-mode 会自动干三件事：

• 先在回复里用大白话复述你到底要解决什么问题、最小改动范围多大，理解偏了在第一轮就能纠偏

• 从 23 套剧本 （调研、修 Bug、新特性、性能分析、指标爬坡、合 PR 等）匹配一套， 原样抄进待办清单 ，主动跳过的步骤也会写明 skip: 原因

• 在 Cursor 里选 /poteto-mode 时按 Option+Enter （Win 用 Alt+Enter ），还能锁成常驻 Custom Mode，整场对话都带着这套纪律跑

把 34 个功能技能按研发全链路捋顺，日常最能打出信息差的是这四组：

1. 动手前先摸底：/how + /why + /teach + /recall

动手前用 /how 和 /why 查清运行链路与历史动机

• 
  

  /how 与 /why ：前者只读拆解模块调用链与核心类型；后者并行翻 Git 历史、Issue、团队聊天与 Sentry 报错，讲清当初为什么这么写

• /teach 与 /recall ： /teach 逐张图解释机制甚至自证「为什么不用另一种方案」； /recall 从历史对话找回前几天上下文

2. 关键设计不拿首稿凑合：/architect + /arena + /interrogate

/architect、/arena 与 /interrogate 并行出图、交叉裁判与真跑验毒

• 
  

  /architect + /arena：跨边界先定调用方写法；疑难方案让多模型在独立 worktree 并行出稿，裁判选出底座后嫁接亮点

• /interrogate 对抗拆台 ：让不同模型当反派强拆分支—— 每条质疑必须附带实跑报错命令和输出，跑不出真故障的纯嘴炮建议全踢掉

3. 过夜跑任务也有审计账：autonomous-run + /show-me-your-work

配合 /loop 过夜执行并全程记录 decisions.tsv 审计账

• 
  

  有效才提交，不顺就回退 ：配 /loop 过夜迭代时，每轮只做最小改动并立刻拿实跑结果验收，有进展就提交，没收益立刻丢弃，全程记入本地 decisions.tsv

• 天亮看重点，不翻聊天记录 ：跑一句 /show-me-your-work ，先派异构模型替你复盘整晚轨迹并标红高风险决策；想速览还能用 /ketchup 或生成字幕幻灯片短视频 /ketchup-video

4. 一句话纠偏与 TLA+ 兜底

24 条工程原则全带固定英文短语名，Agent 跑偏时不用啰嗦：比如乱叠兼容层直接回一句 use subtract before you add，只拿编译通过交差就回 apply prove it works

遇到并发重试或状态机死角，pstack 还会用 mise 一键配好 Java 与 TLC，靠 /create-formal-verification-skill 和 /statechart 穷举交错时序并画出违规路径图

三、日合百个 PR 不崩的底层保障：异构分工 + 独立裁判 + Comment Sicko

把「怎么让多 Agent 并行却不互相捅死」彻底做成了工程机制：

核心机制

解决什么痛点

pstack 的硬规定

异构模型分工

单模型又贵又慢或盲区重叠

/setup-pstack

默认派 Grok 写特性、修 Bug、跑 swarm ；高难架构与交叉裁判留给 Opus 5.5 （也可改 inherit-parent 跟主模型走）

极窄 PR 栈与独立裁判

多 Agent 并发改同一仓库大概率合炸

opening-a-pr

坚持「5 个窄 PR 胜过 1 个胖 PR」； shipping 严禁写码 Agent 自审，每个 PR 派全新 Agent 实跑验真，从底向上连续合入

Comment Sicko

专杀废话注释

写码 Agent 天生爱为自己的啰嗦注释辩护

/no-comments

派只读审校员把关，先查 /how 和 /why 确认无外部限制，能转成类型或 Lint 的落地后再删注释

核心心法：别再往 CLAUDE.md 塞规则了

整套体系最值钱的一句话写在 Encode Lessons in Structure 里：

能用结构性修复解决的，就只留结构性修复——写进文档的那行指令，本身只是症状

平时大家驯 Agent 常陷入死循环：Agent 犯一次错就往 CLAUDE.md 加一行警告，文件写到几百行占满上下文，Agent 写嗨了照样犯

/correct 文档一针见血：Agent 跳过文档规则时，什么都不会报错（Nothing fails when an agent skips them）

土豆姐按确定性排了四层防线，精力永远从上往下投：

PSTACK · ENCODE LESSONS IN STRUCTURE 四层防线：把错误拦在文档之前 精力从上往下投，越往上越确定、越省 Token 01 代码结构与架构 单一数据源、隐藏内部，错 误写法写不出来 最高优先 零开销 02 类型与静态检查 .hot.ts 禁分配、体积红线， 报错写明改法 硬性拦截 读错自愈 03 测试与状态建模 断言外部行为，TLA+ 穷举 17 条并发规则 抓竞态死角 04 文档与人工审查 CLAUDE.md 只管主观判断， 跳过不报错 排在最后 ✕ Lint 当场拦截 违规代码 Agent 跳过文档规则时什么都不会报错，只有前两层能硬拦截

把这套思想做成自动闭环的，就是 /correct 技能：

/correct 五步闭环：从翻历史归类到证明检查会失败

里头两条纪律：

• 同一类错犯两次才立规矩 ：偶发一次不加复杂度，防止死规矩塞满仓库

• 新检查必须在真实历史错误上先挂一次 ：没红过的检查什么都证明不了，形式化验证交付前也必须先在改坏的代码变体上报错才算数

Cursor 里直接敲一行：

/add-plugin pstack

Claude Code 官方带了 harness/pstack/ 适配层，指令统一带 /pstack: 前缀，模型规则写入 ~/.claude/rules/pstack-models.md：

/plugin marketplace add cursor/plugins
/plugin install pstack@cursor-plugins
/pstack:setup-pstack

跑配置向导时，预算有四档（unlimited、large、medium、small），只有单模型账号的话把角色填成 inherit-parent 即可继承当前会话模型

配置结尾如果提示是否生成 /create-verification-skill，建议直接答应

它会自己摸清项目启动命令、测试账号与操作入口，写入 .cursor/skills/verify- / 提交进仓库

官方指南明确把这一步排在全套收益第一——Agent 能自己驱动软件并截视频留证，才算真正解放人手

2. 先跑 /correct，把高频坑写进 ESLint「自愈提示」

装好别急着发大需求，老项目先跑一次：

/pstack:correct

它会翻历史 Commit、Revert 和评论，把 Agent 连踩两次的坑自动转成架构边界或静态检查，顺手也可以把土豆姐那招 .hot.ts 后缀规矩抄进去

3. 不习惯土豆姐风格？让 /automate-me 克隆你自己的工作流

pstack 把这套方法也做成了元技能

直接跑一句 /pstack:automate-me，它会并发扫描你最近几周的工作区对话记录，提炼重复出现两次以上的沟通、验证和拆 PR 习惯

最后经过去 AI 味清理并单独开 PR，替你生成专属的 <你的名字> -mode 入口技能