AI Engineer onepage/ Agent skills
Philipp Schmid, Google DeepMind · 18:27
這支影片在講：更好的 agent，可能需要更少的 agent 程式碼
Philipp Schmid 在台上連做三次 GitHub PR review agent：手寫 Python、由 framework 產生 schema、再到只剩 AGENTS.md 與安裝腳本。結論不是「不要工程」，而是把工程重心從編排 loop 轉到可讀的指令、能力檔與評估。
Published: 2026-09-14Video ID: fjF8EKnxKCU
01 / 問題
自寫 harness 越堆越厚
手寫 loop 要自己處理 function-call parsing、錯誤、工具定義與狀態；framework 雖代勞 schema，仍可能把注意力鎖在 orchestration。
02 / 反轉
模型不缺工具名，缺任務語意
第三版沒有預先列出 tools，卻能搜尋並回答天氣問題；差異在模型能透過 sandbox 的通用能力探索，而非被固定工具表限制。
03 / 解法
把能力寫成可組合的檔案
用 AGENTS.md 放規則、用 skill files 表達 capability、用 evals 鎖住品質；讓模型與平台升級時，harness 不必同步膨脹。
Signals
影片最值得抓的四個訊號
Demo versions
3 次
同一個 PR review agent，逐版刪除 loop、schema 與工具定義。
Final source
2 個檔案
AGENTS.md 加上一支首次執行時安裝 GitHub CLI 的 bash script。
Credentials
0 曝露
Network proxy 在對外請求時注入憑證，agent 不需也不該看見 token。
Heuristic
Harness ↑?
模型變強時若 harness 反而越複雜，可能正把不該自管的事留在本地。
Core story
同一個 agent，三次減法
V1
手寫 Python loop：每個機制都自己扛
第一版要解析 function call、分派工具、處理錯誤與重試。當它被問到「舊金山天氣」，只能回答沒有這個工具：能力邊界由工程師事先寫死。
V2
Agent framework：少寫 schema，不等於少管系統
framework 能從 function signatures 生成 schema，拿走部分樣板工作；但工具集合與執行控制仍是應用自己要維護的編排層，面對未知需求依然卡住。
V3
Hosted sandbox：把通用執行層移到 server side
第三版讓平台處理 loop、tool routing、session state 與 context compaction。agent 在受控環境中用檔案系統、bash 與網路探索需求，最後能自己查到天氣。
Design trade-offs
不是把控制交出去，而是重新分層
Sandbox 是安全與速度的共同底座可由 allowlist 限縮外連網域；network proxy 在出站時注入 credential，降低 token 出現在 prompt、log 或 agent 檔案系統的風險。
工具從 API contract 變成環境能力list、read、bash 等通用介面是模型熟悉的操作語言；但仍要用規則與可見邊界限制可存取資料與不可逆動作。
Skills 讓知識可累積、可檢閱把特定流程、慣例與能力提示寫成檔案，能被 version control、review 與重用；比散在 orchestrator 邏輯中的隱性規則更可治理。
Evals 才是保留在人手上的控制面平台可以替你執行，但不能替你決定「好 review 是什麼」。以真實任務與可觀察結果評估，才有資格安全地刪除自訂編排。
Use this checklist
如果你正維護 agent harness，先問這五題
這段 orchestration 是產品差異，還是平台重複勞動？先列出 loop、重試、工具路由、狀態與 compaction；可由可靠平台承接的部分，不該阻塞你的迭代。
規則是否能被讀成 Markdown，而非埋在程式分支？將任務目標、禁止事項與成功條件寫入 AGENTS.md 或可檢閱的規範，讓人和模型都能看懂。
能力是否能獨立成 skill，而不是只存在 prompt 記憶？把常見工作流與公司知識做成版本化檔案；需求增加時新增 skill，而不是讓主 prompt 失控膨脹。
憑證與網路邊界是否在 agent 外部？使用短期、按需注入的憑證與 allowlist；不要把長壽 token 直接放進 agent 可讀的環境或設定檔。
每次刪除 harness 前，是否有 eval 可以守住品質？用 PR review 的正確性、覆蓋率、成本與安全行為做回歸測試；能量測，才知道減法不是退步。
Source video
原影片與章節
0:00–7:52｜三個 agent 版本從手寫 Python 到 framework，拆開各自承擔的複雜度。
7:52–13:50｜Sandbox 與憑證隔離遠端執行環境、network proxy 與 agent 不可見的 token。
13:50–17:11｜平台與應用的分工哪些執行機制上移 server side，哪些規則與評估仍屬於你。
17:11–結尾｜避免過度工程以 harness 是否隨模型進步而膨脹，檢查是否把通用複雜度留在了錯的層。