70 万人看过的 Agentic Engineering 心得：Matt Van Horn 22 条实战技巧全解析

这篇文章的来源

2026 年 6 月，Matt Van Horn（@mvanhorn）在 X 发布了一篇长文：

Every Agentic Engineering Hack I Know（June 2026）

他的 TL;DR 推文原文：

“TL;DR of my new article: every Agentic Engineering hack I know. This used to be vibe coding. Around last Thanksgiving it got good enough to become something real. 📝 The moment you have an idea → /ce-plan a plan.md, with Compound Engineering by @kieranklaassen + @trevin.”

这篇文章获得了超过 70 万次浏览——他上一篇同类文章（2026 年 3 月）获得了 90 万次浏览。

---

Matt Van Horn 是谁

Matt Van Horn 不是一个典型的 KOL，他是一个真正在用 AI 写代码的人：

• June 联合创始人兼 CEO（被 Weber 收购），做了一个”自动驾驶烤箱”
• Lyft 早期员工，参与了 Lyft 的创业期
• last30days（2.7 万颗星，GitHub 日榜 #1）：AI 智能体技能，跨 Reddit/X/YouTube/HN/TikTok/Polymarket 并行搜索，按真实互动权重排序，输出人们实际关心的内容
• Printing Press（4.2k 星）：为任何 API 自动生成 agent-first CLI
• agentcookie：通过 Tailscale 跨机器同步加密的 agent 浏览器 session

他为什么有说服力？因为他在开源社区（Python、Go、OpenCV、Vercel Agent Browser、OpenClaw）有大量真实贡献，他的方法论来自实际 commit，不是观点文章。

---

核心转折：从 Vibe Coding 到 Agentic Engineering

Matt 的判断：“这曾经是 Vibe Coding，去年感恩节前后它变得足够好，成了真正有价值的东西。”

这句话很重要。Vibe Coding 的定义是：把代码所有权交给 AI，自己不理解也不检查。而他所说的 Agentic Engineering 是：工程判断力还在你手里，AI 智能体负责执行，你负责规划、架构和验收。

两者最根本的区别：

• Vibe Coding：我描述，AI 交付，我不管对不对
• Agentic Engineering：我设计结构，AI 执行细节，我验证结果

---

技巧全解析：他的完整方法论

第一层：规划驱动（Planning First）

① 有想法时立刻 /ce-plan 生成 plan.md

这是整个方法论的核心。不要直接让 AI 写代码——先让 AI 研究你的代码库、查阅文档、搜索社区经验，然后把所有发现整合进一个 plan.md。

plan.md 的结构：

- 问题是什么
- 采用什么方案（及为什么）
- 要触碰哪些文件
- 验收标准
- 从你的代码库中参考的模式

为什么这很重要：plan.md 是”跨会话存活的检查点”。会话断了，换工具了，换模型了，plan.md 都在。

---

② /ce-plan 的背后是并行研究智能体

/ce-plan 不是单个对话，而是多个并行 agent 同时运行：

• Agent A：读你的代码库
• Agent B：搜索相关框架文档和已知 bug
• Agent C：用 /last30days 搜索社区最近 30 天的讨论

所有发现汇聚到 plan.md，这个计划是被现实数据支撑的，不是 AI 的训练集幻觉。

---

③ /ce-work 从 plan 执行

执行阶段：/ce-work 读取 plan.md，拆解任务，实现代码，跑测试，打勾验收。

关键：plan 和执行是分开的。你可以在计划阶段暂停和修改，确认方向正确再开始执行。

---

第二层：研究驱动（Research Before Planning）

④ /last30days 是规划前的必要步骤

在开始 /ce-plan 之前，先用 /last30days 研究这个话题：

/last30days 选 agent-browser 还是 Playwright

输出：78 个 Reddit 讨论、76 条 X 帖子、22 个 YouTube 视频、15 个 HN 故事——以及它们的综合结论。

这解决了一个核心问题：LLM 的训练数据有截止日期，而工程决策需要基于当前社区实践，不是 6 个月前的主流观点。

---

⑤ 用会议录音 + /ce-plan 做产品提案

用 Granola 记录会议/对话，然后：

/ce-plan 把这段录音变成一份产品提案

Claude Code 会把会议录音和现有代码库交叉对比，生成结构化的产品文档——不需要你手动整理笔记。

---

第三层：并行开发（Parallel Sessions）

⑥ 4-6 个 Ghostty 窗口同时运行

Matt 的标配：同时跑 4-6 个 Claude Code 会话，每个负责不同任务：

• 窗口 1：在 /ce-plan 研究下一个任务
• 窗口 2：在 /ce-work 执行当前计划
• 窗口 3：在处理 bug
• 窗口 4：在处理另一个独立模块

本质是装配线工作流：每个会话像独立的生产线，你作为监督者，不是流水线工人。

---

⑦ 音频完成信号——让 AI 叫你

配置任务完成时播放系统声音：

// ~/.claude/settings.json
{
  "completionSound": true
}

效果：你同时管 4-6 个会话，不需要盯着屏幕。AI 完成时会叫你，你去 review 再启动下一步。

---

⑧ Zed 500ms 自动保存

Zed 编辑器配置 500ms 自动保存，实现 AI 写的内容和你的编辑实时同步——人类和 AI 在同一个文件上协作而不互相覆盖。

---

第四层：配置优化（Configuration）

⑨ Bypass 权限：这是不可妥协的

// ~/.claude/settings.json
{
  "skipDangerousModePermissionPrompt": true
}

每次弹出”允许？“都打断会话节奏。4-6 个并行会话时，这个提示是致命的瓶颈。开启后，你从”审批员”变成”监督者”——整体看方向，不看每一步。

---

⑩ 语音作为主要输入

工具：Monologue 或 WhisperFlow。用语音向 Claude Code 发指令，现代 LLM 能从不完美的语音转写中重建意图。

Matt 描述：他曾在开车时用语音口述了文章的多个段落。

适合场景：

• 离开键盘时发指令
• 需要快速说清楚上下文时
• 复杂想法用口语表达比打字快时

---

第五层：远程与移动工作流

⑪ Mac Mini + OpenClaw + tmux：会话永远不死

架构：

• Mac Mini 持续运行 OpenClaw（本地 Claude Code 服务器）
• tmux 会话持久化，网络断开不丢失状态
• SSH 连接断开后 tmux 继续运行

⑫ Telegram → /ce-plan：离桌时也在工作

手机发 Telegram 消息给 Mac Mini 上的 bot：

/ce-plan 研究下 Rust 异步运行时的最新社区实践

计划在后台执行，你回到桌子时 plan.md 已经准备好了。

---

⑬ tmux over 飞机 WiFi：在 11,000 米高空 ship 功能

飞机 WiFi 连接不稳定，直接 SSH 会断。用 tmux：连接断了，会话在服务器上继续运行；重新连上，继续从断点看。Matt 声称在长途飞行时用这个工作流交付过功能。

---

第六层：成本控制

⑭ Claude Max + Codex 双账号

• Claude Max（$200/月）：Opus 复杂推理任务、规划、架构决策
• Codex（$200/月）：实现任务、执行细节

策略：复杂、需要判断的任务给 Opus，大量执行任务路由给 Codex。不是一个账号打天下。

---

第七层：产品化方法论（Agent-Native CLI）

⑮~⑲ 10 条 Agent-Native CLI 原则

Matt 发布了”构建 Agent-Native CLI 的 10 条原则”，分为两层：

Tier 1：Table Stakes（基础要求，不做会崩）

1. 跨 CLI 统一词汇（--format json 在所有命令一致）
2. 三层自检（cli info/cli health/cli debug）
3. 异步感知执行（长任务给 job ID，可轮询状态）
4. 结构化输出（JSON 优先，不是 grep 文本）
5. 幂等操作（重复运行不产生副作用）

Tier 2：Compounding（让 CLI 越用越好） 6. 操作历史（agent 可查”我上次做了什么”） 7. 能力发现（cli capabilities 返回机器可读的功能列表） 8. 上下文传递（--context 参数让 agent 携带状态） 9. 错误语义（错误码有含义，agent 能决策重试还是放弃） 10. 向后兼容语义版本（cli version + changelog 让 agent 知道 API 变了）

---

第八层：记忆与上下文

⑳ CLAUDE.md 是 agent 的长期记忆

CLAUDE.md 的价值不是”告诉 Claude 用什么框架”，而是把你的工程判断持久化：

# 构建命令
pnpm run build

# 测试：运行 pnpm test 后必须全绿才算完成

# 这个项目的架构约定
- 所有 API 调用都通过 src/api/ 层，不直接在组件里 fetch
- 错误处理统一在 middleware/error.ts

CLAUDE.md 让每个新会话都不需要重新解释项目上下文。

---

㉑ plan 里加”参考你自己的代码模式”

plan.md 里专门有一节：让 AI 搜索你的代码库里已有的实现模式，新功能要和已有风格一致。这解决了 AI 总是引入新的”最新最好”方案、导致代码风格碎片化的问题。

---

㉒ 用 subagent review plan 本身

计划写完后，再启动一个 subagent：

review 这个 plan.md，确认：
1. 每个需求都有对应的实现步骤
2. 边界情况都有测试覆盖
3. 没有遗漏的依赖

在执行前用独立视角检查计划。

---

给 Agent 工程师的学习路径

从 Vibe Coding 进化的三个阶段

阶段一（Vibe Coding）：直接问 AI “帮我写这个功能”，AI 给什么用什么，不懂也不管。

阶段二（结构化 Prompting）：学会写好的 CLAUDE.md，拆分任务，检查输出。但本质上还是单线程、单会话。

阶段三（Agentic Engineering）：有规划范式（plan.md），有并行会话，有研究工具（/last30days），有自主触发机制（Telegram/cron），把 AI 当成一个需要管理的工程团队，而不是一个对话伙伴。

从今天就能用的三件事

① 从 CLAUDE.md 开始：如果你的项目没有 CLAUDE.md，这是最高 ROI 的起点。加上构建命令、测试命令、核心架构约定。

② 建立 plan.md 习惯：下次有任何非 trivial 任务，先让 AI 写一个 plan，review 计划之后再开始执行。

③ 安装 last30days：

/plugin marketplace add mvanhorn/last30days-skill
/plugin install last30days

在做任何重要技术决策前，先跑一次 /last30days [你的问题]，看社区最近 30 天真实怎么说。

---

Matt 的核心观点（原文摘要）

“The moment you have an idea → /ce-plan a plan.md”

“This used to be vibe coding. Around last Thanksgiving it got good enough to become something real.”

“Structure, planning, and parallel execution matter more than which specific tools appear in your dock.”

“You don’t need the latest agentic harness. You need to spend more time doing than speculating.”（来自他的其他采访）

---

资源汇总

资源	链接
X 原文（June 2026 文章）	Every Agentic Engineering Hack I Know
TL;DR 推文	@mvanhorn
last30days GitHub	mvanhorn/last30days-skill（27k ⭐）
Printing Press	mvanhorn/printing-press
Compound Engineering	@kieranklaassen
Matt Van Horn X	@mvanhorn

---

注：X 原文需要付费账号访问。本文综合了 Matt Van Horn 的 TL;DR 推文、March 2026 文章（gu-log 摘要）和多个来源的技术分析，完整呈现其方法论体系。部分技巧在他的两篇文章中均有提及。

700K Views: Matt Van Horn’s Complete Agentic Engineering Hacks

In June 2026, Matt Van Horn published Every Agentic Engineering Hack I Know on X to over 700,000 views. His March 2026 edition had 900,000 views. This article synthesizes his complete methodology.

His TL;DR tweet:

“TL;DR of my new article: every Agentic Engineering hack I know. This used to be vibe coding. Around last Thanksgiving it got good enough to become something real. 📝 The moment you have an idea → /ce-plan a plan.md, with Compound Engineering by @kieranklaassen + @trevin.”

---

Who Is Matt Van Horn

• Co-founder & CEO of June (acquired by Weber) — built a “self-driving oven”
• Early team member at Lyft
• Creator of last30days (27k ⭐, GitHub trending #1): AI agent skill searching Reddit/X/YouTube/HN/TikTok/Polymarket in parallel, ranked by real engagement
• Creator of Printing Press (4.2k ⭐): auto-generates agent-first CLIs for any API
• Active open-source contributor across Python, Go, OpenCV, Vercel Agent Browser, OpenClaw (200+ repos)

---

The Core Shift: Vibe Coding → Agentic Engineering

Vibe Coding: delegate code ownership to AI, don’t understand or review the output.

Agentic Engineering: your engineering judgment stays in the driver’s seat. AI agents handle execution; you handle planning, architecture, and acceptance.

The evolution happened around Thanksgiving 2025 — the tools got reliable enough that it stopped being a curiosity and became a real workflow.

---

The Complete Technique Stack

Layer 1: Planning-First

① /ce-plan a plan.md the moment you have an idea

Don’t code first — research first. /ce-plan launches parallel agents that examine your codebase, search framework docs, query community experience, and consolidate everything into a structured plan.md:

- What is wrong
- What approach to take (and why)
- What files to touch
- Acceptance criteria
- Patterns to follow from your own codebase

The plan is “the checkpoint that survives everything” — session breaks, tool changes, model switches.

② /ce-work executes from the plan

/ce-work reads plan.md, breaks it into tasks, implements, runs tests, checks off acceptance criteria. Planning and execution are explicitly separated — you verify direction before work begins.

Layer 2: Research-Driven

③ /last30days before planning

/last30days agent-browser vs Playwright

Returns: 78 Reddit threads, 76 X posts, 22 YouTube videos, 15 HN stories — synthesized by what people actually engaged with. LLM training data has a cutoff; engineering decisions need current community signal.

④ Meeting recordings → product proposals

Record conversations with Granola, then:

/ce-plan turn this into a product proposal

Claude Code cross-references the transcript against your existing codebase, producing structured output without manual note-taking.

Layer 3: Parallel Sessions

⑤ 4-6 Ghostty windows simultaneously

• Window 1: /ce-plan researching next task
• Window 2: /ce-work executing current plan
• Window 3: debugging
• Window 4: independent module

Assembly-line workflow — you’re the supervisor, not the worker.

⑥ Audio completion signals

Configure task-completion sounds so sessions notify you when done. You manage 4-6 sessions without staring at screens.

⑦ Zed 500ms autosave

Real-time collaboration between human and AI editing on the same file without overwriting each other.

Layer 4: Configuration

⑧ Bypass permissions — non-negotiable

// ~/.claude/settings.json
{
  "skipDangerousModePermissionPrompt": true
}

Every “Allow?” prompt breaks flow across 4-6 parallel sessions. With bypass: you shift from approver to supervisor.

⑨ Voice as primary input

Tools: Monologue or WhisperFlow. Modern LLMs reconstruct intent from imperfect transcription. Matt dictated article sections while driving.

Layer 5: Remote Workflow

⑩ Mac Mini + OpenClaw + tmux

Persistent sessions that survive network drops. SSH reconnects pick up exactly where you left off.

⑪ Telegram → /ce-plan

Send plan commands from your phone while away. Plans develop in background; they’re ready when you return.

⑫ tmux over airplane WiFi

Unreliable connections don’t kill sessions. Ship features on long-haul flights.

Layer 6: Cost Control

⑬ Claude Max + Codex dual accounts

• Claude Max ($200/mo): complex reasoning, planning, architecture
• Codex ($200/mo): implementation, execution

Route by complexity, not convenience.

Layer 7: Agent-Native CLI Principles

Tier 1 (Table Stakes):

• Consistent cross-CLI vocabulary (--format json works the same everywhere)
• Three-layer introspection (info/health/debug)
• Async-aware execution (job IDs for long tasks)
• Structured output (JSON-first)
• Idempotent operations

Tier 2 (Compounding):

• Operation history (agents can query “what did I do last time”)
• Capability discovery
• Context passing
• Error semantics
• Semantic versioning

Layer 8: Memory & Context

⑭ CLAUDE.md as persistent engineering judgment

Not just “what framework to use” — encode your architectural decisions, patterns, and conventions so every new session starts context-aware.

⑮ Plan.md includes “follow your own code patterns”

Prevents AI from introducing new approaches that fragment code style.

⑯ Subagent reviews the plan before execution

Review this plan.md: is every requirement covered? 
Are edge cases tested? Are dependencies complete?

Independent perspective before work begins.

---

Three Things to Start Today

① Write a CLAUDE.md — highest ROI starting point. Add build/test commands and core architectural conventions.

② Build the plan.md habit — for any non-trivial task, have AI write a plan first, review it, then execute.

③ Install last30days:

/plugin marketplace add mvanhorn/last30days-skill
/plugin install last30days

Run /last30days [your question] before any significant technical decision.

---

Resources

Resource	Link
Original X Article (June 2026)	Every Agentic Engineering Hack I Know
TL;DR tweet	x.com/mvanhorn
last30days	mvanhorn/last30days-skill (27k ⭐)
Compound Engineering	@kieranklaassen
Matt Van Horn	@mvanhorn

Note: The full X article requires a paid subscription. This synthesis draws from Matt Van Horn’s TL;DR tweet, his March 2026 article (via gu-log summary), and multiple community sources documenting his methodology.