这是一篇关于 AI 智能体工程（Agentic Engineering）实战经验的深度分享。作者 Peter Steinberger 详细介绍了他在处理 30 万行代码的大型项目时，如何通过“直接对话”而非复杂的工程套路，实现 AI 编写 100% 代码的高效工作流。

本文核心观点是：回归简单，直接与 AI 对话（Just Talk To It）。作者认为，当前的 AI 智能体工程中存在过多的“花招”（如复杂的子代理、RAG、计划模式等），这些往往会降低效率。作者目前已全面转向使用 gpt-5-codex 命令行工具（CLI），并总结了一套实战经验：

1. 工具选择：相比于 Claude Code，作者更推崇 OpenAI 的 codex。它在上下文容量（230k）、Token 使用效率、消息队列功能、运行速度以及沟通语言的“情绪价值”上表现更优。
2. 核心策略：引入“爆炸半径”（Blast Radius）概念，主张通过多个并行运行的代理处理小规模、原子化的任务，而不是一个庞大且难以控制的任务。
3. 提示词技巧：随着模型能力的提升，提示词应变得更短、更直接。作者强调了“截图”在提供上下文方面的巨大威力，并建议通过 tmux 管理后台任务，而非依赖复杂的插件系统。
4. 维护与重构：AI 编写的代码并非完美，作者投入 20% 的时间进行“代码除草”（重构），利用 knip、eslint 等工具保持代码库健康。
5. 工程本质：尽管 AI 承担了编码工作，但架构设计、系统思考和用户体验仍需人类把关。管理 AI 代理的能力正逐渐演变为高级软件工程师的核心竞争力。