Agentic Coding 21：从编码外溢到知识工作

本文是 Agentic Coding 实战系列的第 21 篇。前面各篇都在讨论怎么把 AI Agent 用在编程本身，这一篇跳出代码，看同一套方法论如何迁移到研究与情报、写作、设计、决策、教育这些更广泛的知识工作场景。Anthropic 在报告 Agentic Coding and Persistent Returns to Expertise 里给出了一个耐人寻味的判断：Agentic Coding 可能是知识工作未来的预演。你在编程里学到的工作方式，价值远不止做软件。

为什么编码是预演

Agentic Coding 之所以走在前面，有三个原因：代码可执行，反馈明确，跑通或报错一目了然；工具链成熟，IDE、Git、测试框架一应俱全；错误可发现，程序崩溃你看得见。

其他知识工作没有这种特性。你写一份战略报告，没有人告诉你这份报告崩溃了。但这套方法论是通用的：

• 规格化，把模糊的想法变清晰
• 任务分解，把大象切成小块
• 验证闭环，怎么知道结果对不对
• 项目记忆，不重复造轮子
• 评估驱动，用数据持续迭代

这些能力一旦学会，可以迁移到任何用脑的工作。

外溢场景一：研究与情报分析

传统研究流程是：搜资料、读论文、整理笔记、综合分析、写报告，每一步都靠人力推进。

Agentic 化之后，流程变成：

[规格]   给研究问题写 RFC：要回答什么，什么算答案
   ↓
[分解]   拆成子问题
   ↓
[调研]   Subagent 并行查多个子问题
   ↓
[验证]   你用领域知识判断信息可信度、相关性
   ↓
[整合]   主 Agent 综合成报告
   ↓
[评估]   用已知正确答案的测试集评估

举个竞品分析的例子。一位学员要做一份三家笔记软件的功能对比报告，传统做法是花三天搜资料整理；Agentic 化的做法是先写研究规格：

# 研究规格（RFC）

## 研究问题
对比 Notion、Obsidian、Logseq 三款笔记软件的功能差异，
给重度用户选型提供决策依据。

## 子任务
1. 各自的核心功能矩阵（10 个维度）
2. 各自的定价模型
3. 各自的扩展生态（插件、API）
4. 真实用户口碑（Reddit、知乎评价聚合）
5. 适合的人群画像

## 验收标准
- 功能矩阵覆盖三款
- 每个判断都有 1 到 2 个引用来源
- 给出什么人选什么的决策树

然后启动 3 个 subagent 并行调研三款产品，主 Agent 负责综合。结果是一天出报告，质量比三天手写还高，因为 Agent 能扫更多资料。

这位学员的价值在哪里？在于他知道什么维度重要，重度用户最在乎什么；知道什么来源可信，厂商博客和用户社区该信谁；知道怎么综合成决策树。这些 Agent 不会。

外溢场景二：写作与内容创作

写作同样可以套这套流程：

[规格]   读者画像、目标、风格、字数
   ↓
[大纲]   引言、论点一、论点二、案例、结论
   ↓
[分块]   Subagent 各写一段
   ↓
[验证]   通顺吗，符合人设吗，事实对吗
   ↓
[整合]   主 Agent 统一文风
   ↓
[评估]   LLM-as-Judge 打分加 A/B 测试

一位已经熟练使用这套方法的学员，受邀写一份 2026 AI 编程行业白皮书。他把白皮书拆成六块：行业概述、主流厂商对比、典型用户场景、风险与挑战、未来展望、综合整合与文风统一，每块交给一个 subagent 并行写作。

关键动作有三个：每段配真实数据来源，不让 Agent 编数字；风格指南写进 CLAUDE.md，比如避免 AI 套话；主 Agent 负责最后的文风统一。

写作的评估层可以用 LLM-as-Judge，评估维度包括：数据准确性，每个数字都有来源吗；论证严密性，逻辑链完整吗；可读性，读者能跟上吗；独特性，有非显而易见的洞察吗；AI 味重不重，越低越好。

外溢场景三：设计与创意

设计流程的 Agentic 化：先写规格，明确设计目标、受众、风格与约束；然后让多个 subagent 各出几个方向；你选方向并给反馈；按反馈迭代；最后用 A/B 测试和用户反馈评估。

一位做副业品牌咨询的会计学员，要给一个新中式茶饮品牌设计 Logo。规格是这样写的：

# Logo 设计规格

## 业务
客户是新中式茶饮品牌，主打年轻与文化。

## 受众
20 到 35 岁都市白领，注重审美。

## 风格
- 主色：墨绿、米白
- 元素：可参考宋代山水、现代极简
- 字体：思源宋体

## 约束
- 单色可用，黑白打印不糊
- 缩到 32x32 的 favicon 还能认出来
- 不要 AI 套路，不要科技感渐变

用 AI 画图工具按这份规格生成多版候选，然后由人做判断：哪个候选有茶韵，哪个不像 AI 画的，哪个符合品牌一致性。Agent 能画 100 张图，但只有懂品牌的设计师知道哪张对。

外溢场景四：决策与管理

重大决策同样可以结构化。Agentic 决策五步：

1. 规格化：要决定什么，决策标准是什么
2. 选项生成：Agent 帮你列 5 到 10 个候选
3. 多视角分析：Subagent 各演一个立场
4. 验证：用历史数据或反事实推演
5. 评估：跟踪决策结果，复盘

一位律师学员的律所，要决定未来 18 个月是否在香港设立分所。传统做法是拍脑袋加几次会议；Agentic 化的做法是先写决策规格，明确决策问题和四条带权重的标准：财务回报 30%，战略价值 25%，风险可控 25%，执行难度 20%。

然后启动 4 个 subagent 做多视角分析：CFO 视角算财务模型，战略顾问视角分析竞争格局，风控官视角列风险清单，运营官视角列执行难度。主 Agent 用加权矩阵打分并给出推荐。

最终由人拍板。基于分析，但决策权在人，这是 Agentic 决策的核心。决策永远不能完全外包给 AI：Agent 是参谋，你是司令。

外溢场景五：教育与培训

教学的 Agentic 化流程：先写规格，学什么，学到什么程度，怎么算掌握；Agent 诊断学生现状；基于诊断定制个性化学习路径；教学内容分解成小任务，每个配练习；通过练习和测试验证掌握度；没掌握的回头补。

一个现成的例子就是本系列课程本身：规格是让零基础学员从 0 到能独立交付项目；结构是先分篇再分章，每章再拆成小节；每章配练习做验证；每章末尾有要点回顾做评估。

教育里真正的持久回报，是教师和培训师的领域知识：知道学生卡在哪，知道怎么讲才易懂，知道怎么验证掌握。Agent 能批量出题，但只有老师知道这道题考的是什么能力。

通用工作法：把 Agentic 思维用到任何工作

任何知识工作都可以套用同一个循环：

1. 规格化：把模糊目标变成清晰的验收标准
2. 分解：把大象切成可独立验证的小任务
3. 指挥 Agent：让 AI 做执行
4. 验证：用专业判断把关
5. 记忆：把沉淀的规则写进知识库
6. 评估：用数据持续迭代

角色也随之升级：

升级的核心：从亲自执行，到指挥 Agent 执行，再用专业判断把关。

四个风险，保持清醒

乐观之外必须说清醒面。

风险一，能力空心化。什么都让 Agent 做，自己的执行能力会不会退化？类比是计算器让心算能力下降，但数学能力反而提升了，因为可以做更复杂的题。应对是把省下的时间投入更高阶的能力：战略、判断、创造。

风险二，专业判断被 Agent 误导。Agent 会自信地犯错，你可能因为信任它而放弃独立判断。应对是永远保留业务验证的最后一道关，关键决策不能完全外包。

风险三，行业两极分化。会用 Agent 的人效率爆炸，不会的人被甩开。应对是做会用的人，这也是这套方法论值得学的原因。

风险四，创意同质化。大家都用同样的 Agent 和提示词，产出会不会千篇一律？应对是靠领域知识和个人风格做差异化。Agent 越普及，人味越值钱。

从价值重估的角度看：标准化执行和模板化输出在贬值，领域专长、个人风格、判断力、创造力在升值。

五年后的你会是什么样

如果坚持用 Agentic 思维五年，一个可能的成长轨迹是：现在，用 Agent 做一个项目；一年后，管五个并行项目，每个有自己的 subagent 团队；三年后，虚拟团队覆盖多个领域；五年后，成为超级个体，一个人相当于一家公司。

超级个体的能力组合有四块：领域专长是不可替代的根；Agentic 指挥能力是本文通篇训练的；判断与决策需要持续打磨；个人品牌让外界信任你的判断。

五年后，会用 Agent 会像今天会用电脑一样基础。先行者优势的窗口正在关闭，这就是为什么现在开始比明年开始好。

行动清单

学完这篇，给自己定三个外溢实验：

# 我的 Agentic 外溢实验

## 实验 1（短期，本周）
把 Agentic 方法用在一个非编程任务上：
- [ ] 写一份报告、做一次研究或设计一个东西
- [ ] 走完规格、分解、验证、评估全流程
- [ ] 对比传统做法与 Agentic 做法

## 实验 2（中期，本月）
用 Agentic 方法帮别人解决一个问题：
- [ ] 帮同事、家人或朋友
- [ ] 让他们评价效果
- [ ] 这是 Agentic 顾问能力的预演

## 实验 3（长期，本季度）
选一个领域做持续 Agentic 化：
- [ ] 每周用 Agent 做一次该领域的工作
- [ ] 沉淀该领域的 CLAUDE.md 和评估集
- [ ] 三个月后对比起点

练习

练习一（必做）：选一个你工作里的非编程任务，写报告、做调研或整理资料，用 Agentic 方法重做一遍，对比效率和质量。

练习二（必做）：写一份我的五年 Agentic 成长规划，想清楚三年后你要用这套能力做什么。

练习三（推荐）：找一位身边完全不用 AI 的同事或朋友，用五分钟让他体验一次 Agentic 流程，观察他的反应。

练习四（思考）：你的工作中，哪些任务最适合 Agentic 化，哪些最不适合，为什么？

要点回顾

1. Agentic Coding 是知识工作的预演，方法论可迁移。
2. 五个外溢场景：研究、写作、设计、决策、教育。
3. 通用工作法：规格、分解、执行、验证、记忆、评估。
4. 角色升级：从执行者到指挥者、验证者、决策者。
5. 四个风险：能力空心化、判断被误导、两极分化、创意同质化。
6. 领域专长加个人风格加判断力，是 AI 时代真正的护城河。
7. 先行者优势窗口正在关闭，现在开始就是复利起点。

方法论的价值不在读完这一篇，而在动手做一次外溢实验：从把一个非编程任务 Agentic 化开始。

参考资料

• Anthropic 报告：Agentic Coding and Persistent Returns to Expertise
• 外溢效应（Spillover Effect）是经济学经典概念