在過去三年裡，我花了超過 2,000 個小時用 AI 寫程式，也親自訪談過一些在 Agentic Engineering 領域最高產的人。
以下是我目前在 2026 年第三季的完整 Agentic Engineering 配置。
介面
這是指你與 Agent 互動的 UI / CLI。我的主要介面是 bb。
它是開源的，完全免費，而且讓你在單一 GUI 中使用任何訂閱、任何 Agent、任何模型。Codex、Claude Code、Pi、Cursor CLI、OpenCode、Grok Build、Hermes，全都在同一個 UI 裡。
像 Codex 或 Cursor 這類應用的問題在於，它們只允許使用自己的模型和自己的訂閱。目標是用最少的錢獲得最多的 token。
所有你喜歡的 Codex 或 Cursor 應用功能都在 bb 裡，而且它每週都在改進（而且它是完全開源、100% 免費使用的）。
另一個我經常用的是 cmux。
當你啟動一個新的 cmux 工作區時，你可以像在 tmux 裡一樣分割畫面（這也是名字相似的原因），在每個窗格中啟動不同的終端機，而且還有內建的瀏覽器。
cmux 的缺點是當你有很多 Agent 和工作區時。左側邊欄真的不是正確的基礎架構。對於少量任務還行，但對於大規模的嚴肅 Agentic Engineering 工作來說，它不是最好的。
我使用 Ghostty 作為我的終端機，因為它非常快速且是原生的。
在 Ghostty 裡面，你可以執行 Herdr，它基本上就是 tmux，但是給 Agent 用的，一個 Agent 的後端運行環境。非常精簡、非常輕量，活在終端機裡，當 Agent 完成時，它的狀態會顯示在左側：完成、閒置、阻塞、運行中。
追蹤 AI Agent 的狀態是至關重要的。我的預測是，在 3 到 6 個月內，這種「Agent 狀態追蹤」會變得越來越重要，因為你將不會只跟單一 Agent 對話。你會跟一個管理許多工作 Agent 的管理 Agent 對話。
最後一個我必須提到的介面是 Corral，這是我自己開發的。
與其當 Agent 完成時隨機切換（在 Herdr 裡沒有真正的順序），每個 Agent 都有一個優先級。就像任務有不同的優先級/重要性等級一樣。當一個 P1 Agent 完成時，他會跑到最上面。你絕對不應該在 P1 Agent 完成運行時去回應一個 P4 Agent。（是的……我確實需要把 Corral 開源。只是還沒時間做。）
模型與訂閱
你想要用最少的錢獲得最多的 token。這應該是每個 Agentic Engineer 的主要目標之一（在把事情搞定之後）。
目前有 4 個主要的訂閱方案，而且是的……兩個月後這可能完全不一樣。
目前最划算的選擇是 OpenCode Go。它只要 10 美元，而且給你 Kimi K3、Grok 4.6、GLM 5.3、DeepSeek V4 Pro 以及許多其他模型……但它沒有最好的模型，像是 Fable 5 和 GPT-5.6 Sol（而且使用限制相當小）。
所以，如果你預算多一點，你應該這樣做：
- 30 美元——買 OpenCode Go + ChatGPT Plus（20 美元）
- 50 美元——再加上 20 美元的 Claude Code 訂閱。
- 70 美元——再加上 Cursor 每月 20 美元，這樣你就有了所有訂閱的最低階方案。
- 110 美元——OpenCode + 其中一個大方案。ChatGPT 的 100 美元方案會比 Claude 更划算。事實就是如此。OpenAI 有更多的運算資源，他們更願意補貼。
- 210 美元——兩個 100 美元方案都買。
- 如果你真的很認真（像我一樣），就買所有 200 美元的方案（Codex、Claude、Cursor），因為這些方案有 20 倍的使用量，而且給你最划算的 deal。
順帶一提……Cursor 的方案被嚴重低估了。Cursor，也就是 Grok，因為 SpaceX 的收購將會變成一個很棒的訂閱。SpaceXAI 有大量的運算資源，所以他們可以玩補貼的遊戲。而且——我認為——Cursor/Grok 方案給你 Cursor 和 Grok Bot 各自獨立的使用限制，這簡直太棒了。
Grok Bot 正迅速成為人們與 Agent 互動的新方式，所以擁有 Cursor 訂閱從未如此重要（不是贊助啦，但這是事實）。再加上，新模型——Grok 4.7——就快來了。
無論如何，不要使用 API 定價。這是最差的選擇。直接買訂閱就對了。
雲端 Agent
很明顯雲端 Agent 是未來趨勢。Cursor、Amp、Devin、Codex……所有這些公司都把一切押注在雲端 Agent 上。
雲端 Agent 是未來趨勢的證據在下面的圖表中。
[圖片在此]
這是 Cursor 內部來自雲端 Agent 的合併 PR 比例：今年初大約是 10-15%，現在接近 60%。而且這是已經合併的 PR，是實際會被使用的東西。很快這會變成 70%，然後 80%，然後 90%。
把所有 Agent 都放在本地端機器上運行的問題在於，它無法擴展。你無法同時運行數百個 Agent。只要幾個 Agent 決定同時運行你的整個測試套件，你的電腦就會開始發出奇怪的聲音（即使是我的 7,000 美元 MacBook Pro 也很吃力）。
雲端 Agent 給你隔離的環境、持久的 session、穩定的網路和電力存取。如果你闔上筆電，你就會失去你的 session。網路斷線幾分鐘，這些 harness 就無法自行恢復。
現有雲端 Agent 解決方案的問題在於極度的生態系統鎖定。設定環境和你所有的密碼要花很多時間，然後你就被鎖住了：你的 session 在那裡，你使用他們的定價，你把所有資料都交給他們。即使他們不用這些資料來訓練模型，還是有很多其他方式可以使用你的資料。
解決方案是擁有你自己的伺服器。而且多虧了 AI，這只需要大約 10 分鐘就能設定好（真的）。只要弄一台 VPS，在上面跑 Herdr，然後用 SSH 連進去。
Herdr 給你持久的 Agent session，而 SSH 讓你可以從你的手機、筆電、任何裝置連線。你基本上可以用幾塊錢就達到雲端 Agent 的 80/20 效果，而且沒有鎖定問題。
建立你自己的雲端環境
我使用 Hostinger 來管理我的 VPS，而 KVM2 方案就夠了。我想強調的重點是……你不需要是 VPS、DevOps、Linux 的專家，完全不需要。
只要用簡單的英文跟你的 Agent 對話就好了！！！
在接下來的影片中，我會現場直播設定整個過程。一個 cmux 工作區，左邊窗格有一個寫程式用的 Agent（執行 Grok 4.6 的 Cursor CLI），右邊是一個空的終端機窗格。
我的 cmux 技能讓 Agent 可以找到另一個窗格並在其中執行指令。我自己 SSH 進全新的 VPS，然後告訴 Agent：「了解那台伺服器的一切，並設定開發環境。Herdr、Node.js、Python 3、Git」。
它在幾秒鐘內分析了 VPS，安裝了所有東西，啟動了 Herdr，然後安裝了 Pi Agent，在我的 MacBook 上找到了一個 OpenRouter 金鑰，並自己完成了整個設定。經過幾個簡短的提示之後，我就讓 Pi 運行著 GPT-5.6 Sol，另一個 session 運行著 Fable，兩者都在雲端、在我自己的 VPS 上，擁有完整的 root 權限。
如果我的電腦或 Wi-Fi 出了什麼事……如果我的 MacBook 爆炸了，那些 Agent 會繼續運行。完整的逐步解說在影片中。這裡連結到我的 YouTube。
還有一個加快速度的方法……我用 SuperWhisper 來口述。你們大多數人閱讀這篇文章時，打字速度大概是每分鐘 40 或 50 個字。這非常慢。
但是！你可以用每分鐘超過 250 個字的速度說話。一個語音 AI 工具（像是 Superwhisper、Glaido、Whispr Flow）可以讓你發送提示的速度立刻快 3 到 4 倍。用一個吧。別傻了。
Harness
第一個要提到的 Harness 是 Pi Agent，史上最強。
市面上最精簡的 Harness：只有 4 個工具，永遠以 YOLO 模式運行，支援任何模型、任何供應商。非常優雅，高度可配置，這就是為什麼這麼多人在 Pi 的基礎上進行開發。它是開源的，完全免費，只要去 pi.dev 下載就好。沒得商量。這是我第一個放到 VPS 上的 Harness。
Cursor CLI。 非常被低估，因為你可以使用所有模型：Grok、GPT 模型、Anthropic 模型、Kimi。你可以標記技能，也可以預先發送訊息。整體來說是很棒的 Harness。
下一類 Harness 是我所謂的「自我改進」型 Harness。
最受歡迎的兩個是 Hermes Agent 和 Prime Agent。這是在你不知道自己在做什麼的時候用的。如果一個任務有很多不確定性，需要很多摸索，就使用自我改進型 Harness，因為它會隨著時間創造技能並與你一起進步。
最後，經典款：Claude Code 和 Codex。我把它們設成了別名。很多人每天都要打 claude --dangerously-skip-permissions。極度緩慢，極度沒效率。我打 cc 就會啟動跳過權限檢查的 Claude Code；cx 則以 YOLO 模式啟動 Codex。
你必須為你經常執行的長指令建立全域別名。這是 Agentic Engineering 的法則之一：如何在相同的時間內完成更多事情？
技能
我的技能 repo 上個月爆紅。（請見 github.com/davidondrej/skills）它也是完全免費、開源的，等等。
與 Agentic Engineering 最相關的技能是：
(1) /total-review
- 它會執行另外兩個技能：/gpt-review 和 /fable-review，這兩個技能會分別用 GPT-5.6 Sol 和 Fable 5 審查你剛才做的程式碼變更，然後將兩個清單去重，合併成一個真正重要的問題清單。這就像請你所有最聰明的朋友來審查你的求職申請，而他們只給你最大的問題。在中等到大型的變更上執行它，特別是如果是由不同的模型建構的。如果是 Grok 4.6 做的工作，你會希望用一個完全不同的模型來審查它。
重要：任何你經常重複的事情都應該變成一個預設設定。
如果是單一步驟，使用文字替換。我把它們設為 Raycast 片段。「用簡單的英文簡短回答。」「把你之前的回答變得更簡單、更短。」「暫存所有檔案，寫一個清晰的 commit，推送到 GitHub。」
如果是多步驟的工作流程，就把它變成一個技能。
(2) /ask-then-build
- 我每天都會用這個技能，在任何建構開始之前。與其直接說「讓這個支援 Windows」，然後讓模型默默地做出你可能會後悔的重要架構決策，它會一次一個地引導你完成主要的決策，並提供選項。AI 模型很擅長寫程式，很擅長實作。但它們沒有品味。它們沒有良好的判斷力。你，作為人類，需要主導這部分。
(3) /deepapi
- 這個技能我用於任何深度研究、任何爬蟲、任何網路相關的工作。Codex 和 Claude Code 附帶基本的網路搜尋，但沒有爬蟲功能，沒有深度研究，而且很容易被擋。執行 8 次快速網路搜尋，給我前 3 個選項，爬取 Twitter，爬取 GitHub，找到 3 種聯繫某人的方式。我團隊裡的每個人都用它。必備。
(4) 護欄與推送鎖定
- 比較無聊，但絕對必要，而且你只需要設定一次。全域 Agent 護欄是一個在工具呼叫前的鉤子，確保你的 Agent 永遠不會清除你的磁碟、永遠不會覆寫 Git 歷史、永遠不會碰你的密碼管理器。還有推送鎖定，用於當你同時運行 15 個以上的 Agent 時：在整個系統上設定一個 OS 級別的核心鎖定。合併、驗證、推送、CI、部署、健康檢查。
不要安裝我所有的技能。只拿你需要的就好。
Worktrees
Worktree 基本上是你主要 checkout 的一個副本，放在一個單獨的資料夾中，並在那裡建立一個新的 Git 分支，這樣 Agent 就可以在完全隔離的環境中並行工作。
在小型專案上，這完全是殺雞用牛刀。留在單一分支上，加快速度。
在中等到大型的專案上，當你隨時運行 20-30 個以上的 Agent 時，就無法避免它了。沒有 worktrees，Agent 會互相衝突、撤銷彼此的變更、互相打架。BB 的另一個好處是：它有內建的 worktrees。它會記住，在我的大型 repo 上，我總是想要一個基於 origin/main 的新 worktree。
其他 Agentic Engineering 技巧
知道何時使用哪個模型。
- 正在設計計畫或啟動新專案？用 Fable。它擁有最多的天才火花。正在修復一個深層、嚴重的錯誤？用 GPT-5.6 Sol，最大推理努力。預設對話？用高模式的 Grok 4.6。智慧程度幾乎相同，但便宜 2 倍且快 2 倍。前端？用 Kimi K3。
- 當一個重要的新模型發佈時，撥出一整天的時間只使用那個模型。不要聽 Twitter 上的說法。自己試試看。
知道何時進行審查。
- 我不會在每次變更上都執行 total review。一個小小的前端調整會直接上線。
- 而且絕對不要做遞迴審查。如果你告訴一個模型「找出 5 個最大的問題」，即使程式碼庫完全沒問題，它也會找出 5 個問題。這些模型會發明出虛構的錯誤。
預先發送。
- 通常我知道 Agent 下一步要做什麼，所以我會提前排隊發送訊息：「執行這個計畫」、「對此執行 Fable 審查」、「現在修復那些東西」。
- 有時候是 2 則訊息，有時候是 6 則。
- 絕對不要使用不允許你預先發送訊息的 Harness。
子 Agent 被過度使用了。
- 很多人只是浪費他們的使用限制在上面。當我能掌控時我才會使用它們。我想選擇哪個模型在子 Agent 中運行，因為我知道我有什麼訂閱和使用限制。
- 未來是一個管理 Agent 啟動工作 Agent，但你仍然需要設計那個系統：規則、權限、啟動子 Agent 的條件。我不想讓 Anthropic 或 OpenAI 的某個人來幫我決定。
ADRs。
- 這就是你如何將決策放入程式碼庫的方法。/docs/adr 是我在任何專案中最早建立的資料夾之一。
- 每個核心架構決策都會有一個簡短的檔案：決定了什麼、為什麼、以及當時專案的狀態。有些事情可以從程式碼中讀取，但不是所有事情。
- 那些無法讀取的事情應該被記錄下來，這樣未來的 Agent 和人類就能立刻理解為什麼要這樣建構。
測試。
- 目前的模型會用測試來膨脹你的 repo：單元測試、整合測試、資料庫測試，即使在最不合理的小型 repo 上也是如此。
- 如果你告訴模型要加入測試，它會加入一個荒謬的數量。如果你告訴它「不要加入測試」，它還是會加入一些，然後你就會得到一個合理的數量。
生產環境資料庫存取。
- 任何有實際用戶的產品都需要這樣做……建立一個唯讀的 Postgres 角色，並把這個權限給你的 Agent。
- 不要給它們寫入權限。只要一個不可逆的變更，你就會後悔。
- 但完全沒有存取權限也是個錯誤。有了唯讀權限，你可以對每個功能進行現實檢查。這個功能在生產環境中真的會發生嗎？人們真的在使用這個功能嗎？我真希望我早點這麼做。
追蹤你的 Agentic 生產力。
- 我們剛剛在 Vectal Labs 下發佈了一個新的開源 repo，叫做 agentic-productivity。它會追蹤你的 commit、你的 Agent session 以及你的使用者提示。
- 單獨來看，每個都是糟糕的指標，但將這 3 個結合起來，並觀察長期趨勢，你就可以看到你是否真的成為一個更好的 Agentic Engineer。
這就是目前的配置。一個月後，它很可能會不一樣。這東西一直在變。
作者：David Ondrej（為 YouTube 口述，之後改寫為文章格式）
