第3课：Engineering 部门详解 Agency Agents

← 第2课下一章 → 第4课

一、部门全景

Engineering 是 Agency Agents 项目中最大的技术部门，包含 34 个 Agent 文件，文件总行数 10,286 行。覆盖从前端到嵌入式、从架构到 SRE、从 AI 到智能合约的全栈技术范围。

💡 部门特点：Engineering 不是"什么都有一点"，而是"每个子领域都有专业 Agent"。最小的 Agent（Code Reviewer）只有 76 行，最大的（Multi-Agent Systems Architect）达到 600 行——跨度 8 倍。

二、34 个 Agent 子领域分类

2.1 🏛️ 架构类（5个）

Agentvibe行数特点
Software ArchitectDesigns systems that survive the team that built them.112DDD + ADR + 权衡矩阵
Backend Architect—~150API 设计、微服务拆分、数据流
Multi-Agent Systems ArchitectTreats a team of AI agents like a distributed system.600🔴 全部门最大，51 个章节
Autonomous Optimization Architect—107系统性能自优化设计
Senior Developer—~200全栈资深开发者人格

2.2 ⚙️ DevOps/SRE（5个）

Agentvibe行数特点
DevOps AutomatorAutomates infra so your team ships faster and sleeps better.375第2课已深度剖析
SRE (Site Reliability Engineer)Reliability is a feature. Error budgets fund velocity.90🔵 最简洁的优秀范本
Incident Response Commander—~250故障应急流程指挥官
IT Service Manager—561ITIL 流程管理
Network Engineer—~200网络架构与排障

2.3 🤖 AI/数据（4个）

Agentvibe行数
AI Engineer—~350
AI Data Remediation EngineerFixes your broken data with surgical AI precision — no rows left behind.~200
Data Engineer—~180
Prompt Engineer—~120

2.4 🖥️ 前端/移动端（3个）

Agentvibe行数
Frontend DeveloperBuilds responsive, accessible web apps with pixel-perfect precision.~160
Mobile App Builder—~200
WeChat Mini Program Developer—~180

2.5 👁️ 代码质量/工具（5个）

Agentvibe行数
Code ReviewerReviews code like a mentor, not a gatekeeper.76🔵 全部门最小，极致简洁
Minimal Change Engineer—~130
Git Workflow Master—84第二小，专注 Git 工作流
Codebase Onboarding Engineer—~150
Technical Writer—~120

2.6 🛒 CMS/电商（3个）

Agent行数
CMS Developer~200
Drupal Shopping Cart~180
WordPress Shopping Cart~350

2.7 🗄️ 数据库（1个）

Agent行数
Database Optimizer~180

2.8 🔧 专项（8个）

Agent行数说明
Feishu Integration Developer598飞书集成开发，接近 600 行
Voice AI Integration Engineer561语音 AI 集成，与 Feishu 并列第二大
Embedded Firmware Engineer~250嵌入式固件开发
Solidity Smart Contract Engineer~200区块链智能合约
Email Intelligence Engineer~180邮件智能处理
Filament Optimization Specialist~1503D 打印/材料优化
OrgScript Engineer~150组织脚本工程
Rapid Prototyper~120快速原型开发

三、大小对比分析

34 个 Agent 的文件大小跨度极大，体现了不同设计哲学：

类型代表 Agent行数章节数设计理念
极简型Code Reviewer769点到即止，给 AI 留发挥空间
极简型SRE909只给核心原则，不写死细节
标准型Software Architect112~12中等篇幅，结构完整
标准型DevOps Automator37516覆盖面广，含代码示例
巨量型Multi-Agent Systems Architect60051百科全书式，每条规则都很具体
巨量型Feishu Integration Developer598~20飞书 API 大全，面向具体平台
💡 关键观察：
• 极简型（76-107 行）：适合通用角色（Code Reviewer、SRE），AI 本身已具备该领域的通用知识，Agent 只需设定「立场」而不是「教知识」
• 标准型（112-375 行）：适合面较宽的角色（DevOps Automator、AI Engineer），需要给出能力范围和工具列表
• 巨量型（560-600行）：适合特定平台或架构角色（Feishu、Multi-Agent），需要大量 API 细节或架构规则
• 不是越大越好：600 行的 Agent 消耗更多上下文 token，如果内容质量没有相应的提升，反而会稀释有效指令的密度。

四、优秀 vibe 赏析

Engineering 部门贡献了项目中一些最佳的 vibe 写法。对比赏析：

Agentvibe评分点评
Software Architect "Designs systems that survive the team that built them. Every decision has a trade-off — name it." ⭐⭐⭐⭐⭐ 最佳。第一句定义价值（系统比团队长命），第二句定义工作方法（每个决策都要列出权衡）。一句话说清角色定位和行为准则。
SRE "Reliability is a feature. Error budgets fund velocity — spend them wisely." ⭐⭐⭐⭐⭐ 并列最佳。用 SRE 领域的核心概念（error budget）构建了一句话哲学。懂 SRE 的人一看就知道这是圈内人写的。
Code Reviewer "Reviews code like a mentor, not a gatekeeper. Every comment teaches something." ⭐⭐⭐⭐ 用比喻（mentor vs gatekeeper）建立价值观。告诉 AI 以教代审。
AI Data Remediation Engineer "Fixes your broken data with surgical AI precision — no rows left behind." ⭐⭐⭐⭐ "surgical precision" 和 "no rows left behind" 双重承诺，既有专业感又有安全感。
DevOps Automator "Automates infrastructure so your team ships faster and sleeps better." ⭐⭐⭐ 有结果（ships faster）有情感（sleeps better），但缺少 DevOps 特有的概念锚点。
Frontend Developer "Builds responsive, accessible web apps with pixel-perfect precision." ⭐⭐ 技术名词堆砌（responsive/accessible/pixel-perfect），缺少人格温度。这也是大多数 Agent 的通病。

五、人格设计模式对比

从 34 个 Agent 中可以归纳出 3 种人格设计模式：

5.1 原则驱动型（Principle-Driven）

代表：SRE（90 行）、Code Reviewer（76 行）

这类 Agent 不罗列技术细节，而是定义几条核心原则，让 AI 据此推理：

# SRE — 9 个章节，90 行
## 🧠 Your Identity & Memory
## 🎯 Your Core Mission
  - Define SLOs that reflect user experience
  - Build observability that answers unknown questions
  - Automate toil so engineers can focus
## 🚨 Critical Rules
  - **Error budgets**: Never exceed error budget without explicit exception
  - **Toil**: Anything manual and repetitive gets automated
  - **Blameless**: Post-mortems find causes, not people
## 📊 Key Metrics
  - SLO attainment, error budget burn rate, MTTR, toil time
💡 特点：篇幅短，但每条指令都是「原则」而非「步骤」。适合 AI 已有领域知识的通用角色。token 效率高。

5.2 能力清单型（Capability-Listing）

代表：DevOps Automator（375 行）、Backend Architect

这类 Agent 列出大量能力条目，覆盖角色的所有技术栈：

# DevOps Automator — 16 个章节，375 行
## 🎯 Your Core Mission
  ### Automate Infrastructure
  - Terraform / CloudFormation / CDK
  - GitHub Actions / GitLab CI / Jenkins
  - Docker / Kubernetes / Service Mesh
  ### Ensure System Reliability
  - Auto-scaling / Load Balancing
  - Prometheus / Grafana / DataDog
  - Disaster Recovery / Backup
💡 特点：覆盖面广，AI 可从中挑选工具。但条目多、token 开销大。适合需要明确技术栈指引的角色。

5.3 百科全书型（Encyclopedia）

代表：Multi-Agent Systems Architect（600 行，51 章）、Feishu Integration Developer（598 行）

这类 Agent 几乎是一份完整的技术文档：

# Multi-Agent Systems Architect — 51 个章节，600 行
- 🧠 Identity & Memory (3 subsections)
- 🎯 Core Mission (7 subsections)
- 🏗️ Architecture Philosophy (5 subsections)
- 🔄 Agent Communication Patterns (6 subsections)
- ⚡ Orchestration Strategies (4 subsections)
- 🚨 Critical Failure Modes (5 subsections)
- 📋 Technical Deliverables (8 subsections)
- ... (总 51 章)
💡 特点：全面但沉重。适合需要大量领域特定知识的角色（如特定平台 API、复杂架构规则）。但 51 章对 token 消耗巨大。

六、三种模式的适用场景

模式适用场景token 效率例子
原则驱动型AI 已有充足领域知识的通用角色🟢 高（90 token 左右）Code Reviewer、SRE
能力清单型需要明确技术栈和工具选择的角色🟡 中（200-400 token）DevOps Automator、Backend Architect
百科全书型特定平台、复杂架构、规则密集的角色🔴 低（500+ token）Multi-Agent Sys Arch、Feishu
💡 选择建议：优先从原则驱动型开始，如果 AI 输出不够专业再逐步增加细节。不要从百科全书型开始——你永远可以加内容，但加了就很难删。

七、Engineering 部门设计总结

7.1 做得好的

7.2 可优化的

八、课后小结

← 第2课下一章 → 第4课
📚 返回课程目录 · DevLinkOps · 蜀ICP备2026007745号