Thariq Shihipar 如何规划、构建和审阅长时间智能体任务

Anthropic 的 Thariq Shihipar 与 Peter Yang 讨论智能体循环、规划和视频工作流。他演示了一个小型字幕视频流程，并解释此前的探索过程。本期由 Wispr Flow 赞助。

Thariq 将循环描述为组织反馈和较长时间工作的方式。他区分了具有退出条件的目标，以及可以让不同智能体分担工作和验证的工作流。选择取决于任务：可测量的延迟目标与主观设计审阅拥有不同的反馈信号。

演示中，他录制一段短片，要求智能体用 Whisper 转录，用 Remotion 制作逐词高亮字幕和叠加画面，再渲染结果。一条提示词产生了初版输出，但他的名字被转录错误，叠加画面的位置也需要改进。

Thariq 强调，这条提示词之前经过了探索。他要求生成一份关于转录的 HTML 说明，其中包括静音时可能出现幻觉词语、词语被拆开等失败情况。了解这些局限有助于他设计工作流并审阅输出。

他还根据视觉参考生成多种字幕和叠加画面方案。看到选项能帮助他判断自己的需求。他将原型和易读说明视为规划工具，并提醒，如果没人读重要部分，冗长的计划价值有限。

规划在实现过程中继续：从人的请求出发，探索、完善原型或说明，再让智能体记录实现中意料之外的发现。这些发现可能促使规格改变。在投入更昂贵的实现之前，小型原型可以先测试方向。

Thariq 介绍自己如何在 Slack 中使用 Claude 处理后台和协作工作，同时在 Claude Code 中专注一项主要任务。他表示不同人会采用不同组合，并指出把智能体比作员工是有用但不完整的比喻。

Yang 展示自己的播客制作技能，用于生成文字、缩略图和短片。Thariq 建议用可复用脚本和持久工作区补充技能，使智能体不必每次从头重建所有工具。

对于多个短片，Thariq 提议由协调者选择片段，再由不同智能体制作，并使用评分标准验证。他认为独立审阅者可能比模型检查自己的输出更不宽松，但该工作流会消耗更多算力，也不能保证评估完全没有偏差。

为了管理注意力，他尝试专注一个主要项目，而不是毫无重点地运行许多对话。他指出，仓促的指令可能在之后浪费时间，而合适的并行工作量取决于个人和任务。

Thariq 表示，团队将 Claude Code 的系统提示词缩短了 80%。他认为新模型可能需要更少示例，对偏好解释原因也可能比不必要的绝对指令更有效。他仍承认，真正的硬性约束可以有用。

最后，他鼓励人们充分了解系统，以识别未知问题和权衡。他并非只要求智能体给出结果，也利用说明了解什么是可能的、工具可能在哪里失败。他的目标是不只更快，也要做得更好。