摘要：未来的工作场景，是你带着一帮AI agents去干活，这些agents就是你的下属，毫无怨言地、毫无差错地执行你的指令，而你只需要居中调度指挥，，，
去年9月份参加过一个AI研讨会，各路嘉宾讲了各自对AI前景的展望和理解。给我印象最深的是一个嘉宾的发言：
未来的工作场景，是你带着一帮AI agents去干活，这些agents就是你的下属，毫无怨言地、毫无差错地执行你的指令，而你只需要居中调度指挥，，，
这个场景就一直像个钉子一样扎在我的脑海里，挥之不去，会后我一直在想着怎么去落地实施。
一年多了，AI的发展有目共睹，AI的能力比起当年，不知道上了多少个档次。一开始我们使用web-chatgpt这样的工具去跟AI简单交互，后来有了向量化，后来又有了类似dify这样的工作流，业务能力更强了。不过我一直没想到一个比较通用的、灵活的、不需要编太多代码的实现方式。
看到Claude Code，我突然就觉得有希望了。
先给大家介绍一下，我目前负责的产品里，其中有一个数据仓产品，基于这个产品，用户可以把各种来源的数据源接入进来，然后做数据清洗、计算和分析（有兴趣的朋友也可以找我了解产品详情）。整个产品是微服务架构，k8s环境部署，由不同的服务组成，大概分成这几个：
portal：这是web前端服务api：这是后端服务jdbc：这是一个sql网关，基于它，调用方就可以借助spark sql引擎操作大规模的数据hive metastore：基于hive的元数据管理服务，配合spark来使用spark master: spark msater服务spark worker: spark work服务我在这个产品的日常工作有以下几项：
1，产品运维，很多环境都部署了我们的产品，需要处理各种问题，包括但不限于：
部署错了 -> 我们的服务部署中，有些资源配置遵循一些复杂的数学公式，需要手动验证；
服务挂了 -> 我们需要查看各个pod的日志，然后分析原因；
性能慢了-> 我们得查看各个pod的资源开销，然后再结合日志，分析具体原因；
2，新功能开发，主要是后端
3，代码review，提前发现潜在的一些问题，防患于未然
以上是我的需求。
现在，基于claude code，就可以很好的解决上面的问题。我终于可以规划３个agent，来分别完成上述事项。
第一个，k8s的运维
claude code肯定操作不了k8s集群，但是别忘了它可以像人一样使用工具，所以我导入了k8s-mcp-server来协助AI操作k8s的pod，它可以执行类似查看pod，get pod logs，top pod等操作，且为了安全，我配置成了read-only模式。因为上面的那几个运维事项，其实基本都是读操作，不涉及修改，所以即便用在生产，也是绝对安全的。
那可能会有人有下面的疑惑：
怎么让他们每次操作都在同一个namespace？怎么样让那些定义在不同k8s resource下的资源的配置遵循一定的公式？如果同一个namespace还部署了其他服务，怎么样保证刚好拿到的是那几个目标容器的日志？这里面有很多技巧性。但是基于篇幅，我在后续的系列文章里给大家讲，大家可以先关注。。
第二个，新功能开发
提到让AI写代码，大家都觉得不可信赖。真的是这样吗？
claude 公司90%的代码都是用AI写的，而且根据基准测试，几个头部大模型的编程能力已经能排到全球top 200程序员的水平！
我估计我能排进全球前10万就不错了，我们还有什么资格质疑它呢？
我再郑重讲一遍：经过大部分人的有效测试，AI写的代码准确不准确，有没有按照你的预期来，不完全取决于AI，而是取决于使用AI的人。
我先做一个调查，你在让AI给你写一个新项目的时候，会像我这样编写提示词吗？
甚至做到上面的粒度还不够，在某些具体的模块，你还需要填入更多的细节去指导它。
那些觉得AI编程不靠谱的人，要么是自己本身也不懂，要么就是懒得说话，没有给AI足够清晰指令。
对我而言，虽然是新功能开发，但是考虑到我们的code base已经完善并稳固，我们有清晰的目录结构，router，server, dao都是分开的，一个api进来，先进router，再进service，根据需要再进到dao，或者utility目录里的其他模块。且我们有独立的日志管理模块、明确的数据库事务接口、完善的用户和权限验证模块，即便是数据库的增删改查，在代码里也是有规范可寻的。
在这样的code base里加新功能，其实只要一个三、五年的工程师就足够了。
我的做法是如果这个新功能，在code base里已经有类似的实现，那么先让AI分析和学习这个类似功能，并且我会从中不断调整提示词，保证AI最终理解正确。之后，再提出新的需求，让AI去实施。这样做可以完全遵循一个新接触项目的新人所做的：先熟悉现有code base，然后再添加新功能。
这样AI就可以遵循我们之前的范式，去完成新功能的设计。
用这样的方式，AI写出来的代码又快又准。
第三，关于代码review
关于代码review功能，比较适合做成一个claude code的agent，然后在提示词里写上你比较关注的点，类下面这样：
这样当你需要coding review的时候，调出这个agent即可。
你需要不断调整和完整以上prompt，直到它完全适配你的需要。
好了，以上就是我初步规划的３个AI agents，后续我会带大家一起实操来看看怎么样去实现这些agent。尤其是第一个，对我而言，产品的运维真是一件繁琐的事情，我早就想把这件事情丢给AI了。
来源：技术简说
