$85,000 in tokens later: What I learned from scaling agentic coding at Lovable
8 days ago
- #AI Development
- #Agentic Workflow
- #Code Review Automation
- 作者加入Lovable后，AI代币使用费从每月600美元激增至每月2.5万美元，自1月以来总支出已达8.5万美元。
- 开发模式从最初仅少数智能体的单打独斗，演变为由专属智能体管理子智能体集群的系统，每周合并PR数量从20-30个提升至150个以上。
- 人工审查现在仅用于RFC和ADR等高影响变更，而非传统代码审查，工作重心转向系统设计和基础设施决策。
- AI工作流将PR按风险等级（高、中、低）分类，高风险变更强制人工审查，其他采用AI审查，以兼顾规模扩张与风险管理。
- 测试了多种AI审查工具：CI审查作为安全网，本地子智能体审查处理批量工作，但多人共享配置方案尚未解决。
- PR作为未经验证变更的抽象层仍然有效，堆叠式PR有助于管理上下文和风险，因为大型PR无论对AI还是人类都难以有效审查。
- 管理人与智能体注意力涉及：交互任务使用快速模式，确保任务自主性以减少权限请求，按PR堆栈批量处理验证工作。
- 智能体需要外部任务跟踪器（如Beads），大任务需分解为子智能体处理，小PR避免上下文限制，每个任务使用独立上下文以保持基础卫生。
- 人类与智能体的任务追踪应分开，避免智能体临时文本污染系统，保持Linear等工具的整洁性。
- 改进开发流程需提升智能体编写技能，反思历史工作，通过git共享上下文，鼓励文化分享——尽管技能共享仍具挑战性。
- 作者单周合并293个PR且零生产缺陷，认为生产力提升已超越无辅助开发，代币成本可接受，更关注成果而非效率。
- 这段旅程被描述为充满乐趣，作者期待未来创新，Lovable正在招聘对此方法感兴趣的人才。