用Android CLI接通真机与工具，把上下文守在15万token内并分层配置工具，再以会失败的测试定义完成并分层验证，迁移通过率便从22%提升到90%。
这场演讲分享的不是某款工具，而是一种结构性变化：模型已能独立完成代码任务，工程师的职责便从亲自实现功能，转向为一组智能体设计能成功的工作条件。判断只有一条：它没能完成功能时，不该归因于“AI还做不到”，而要像排查缺陷一样追问缺了哪条信息、哪种权限、哪个完成标准。
首先要解决它能接触到什么。判断所需的信息大量不在代码里，规范、决策依据、评审意见，以及真机、性能工具与后端服务都需要可被访问；Android CLI把这些能力统一暴露到命令行，可与任意智能体配合。那个模拟器无法复现的崩溃，靠设备串流连上并不持有的真机才被定位修复——可达性决定可见性。
通道打开后，约束变成上下文的固定预算：好用的区间约十五万token，每轮重发的历史也在消耗它。解法不是扩充输入，而是重构任务粒度，反向追问澄清需求，把规格拆成各自装得进一个窗口的议题，完成即清空；常驻规则、确定性动作与按需文档各归其位。切到这个尺度，并行多个智能体才可行。
更关键的是，智能体仍会过早宣布完成。Android Bench 2.0里，一句自然迁移指令只拿到22%通过率，事先给一套会失败的测试、不透露做法便能提升到90%——测试没教它写代码，只定义了什么叫做写对了。三者构成完整链条；它是否随模型迭代仍有效，只能靠自建评测测量。工程师的价值，也就从写代码转向设计一个让智能体成功、且成功可被度量的环境。
网友评论