我如何利用大型語言模型編寫軟體

背景

這篇文章源於 Stavros 對於利用大型語言模型（LLM）開發軟體的深度實踐分享。作者認為 LLM 已經將開發重心從單純的編碼轉向系統架構與產品設計，並詳細介紹了他如何透過多層次的代理人工作流，成功開發出如個人安全助理 Stavrobot 與硬體筆記裝置 Middle 等複雜且具備維護性的專案。

社群觀點

在 Hacker News 的討論中，社群成員對於如何優化 LLM 開發流程展現了高度興趣，特別是在「代理人角色拆分」與「自動化編排」這兩個議題上。部分開發者對於作者尚未將開發代理人進一步細分為更小、更專業的子代理人感到驚訝。他們認為，當專案涉及資料庫查詢、測試撰寫、業務邏輯與基礎設施等不同領域時，過於龐大的上下文會降低效率。因此，社群中有一派觀點主張在開發前期引入專門的「研究者」與「規劃者」角色，這有助於在正式進入編碼階段前進行更精確的上下文管理。

另一種常見的實踐方式是堅持「單一提示詞」原則。有開發者分享，他們傾向於不讓對話過長，一旦 LLM 出現錯誤，會選擇修正系統提示詞或初始輸入後重新開始，而非在錯誤的基礎上繼續對話。這種做法強調了開發前「探索階段」的重要性，必須先將任務拆解到足夠細小，才能確保 LLM 輸出的品質。

此外，關於「編排系統」的討論也十分熱烈。資深開發者指出，隨著模型能力的躍進，開發模式已從手動輸入提示詞轉向自動化編排。透過編排器，使用者可以先與「建築師」討論設計方案，隨後系統會自動將產出的計畫傳遞給「開發者」執行。這種包含腦力激盪、設計規劃、實作計畫、開發與多重審查的循環流程，不僅提高了程式碼的正確性，也讓擁有數十年經驗的老牌工程師重新找回開發的樂趣。社群普遍達成共識：目前的開發門檻已不再是寫出正確的語法，而是如何設計出一套能讓不同專業代理人協同工作的自動化流水線。

延伸閱讀

在討論中，社群成員推薦了幾項實用的工具與參考資源。首先是 Superpowers，這是一個基於編排邏輯的系統，能自動引導模型進行從設計到審查的完整開發循環。另外，針對進階的上下文工程技術，有留言提到 Humanlayer 關於研究與規劃代理人的實踐案例，這對於想要優化前置開發階段的工程師具有參考價值。對於已經在使用 Opencode 等現有工具的開發者，如何將這些自動化編排邏輯整合進既有專案，也是目前社群持續探索的方向。