Agent Engineering: Il Workflow Completo di un Ex Principal Engineer di Meta e Microsoft

Kun, ex principal engineer at Meta, Microsoft, and Amazon, detailed his complete workflow for building AI agents, emphasizing terminal-based development, agent-agnostic tools, and memory files to boost productivity. He ships 40-50 pull requests daily using agents like Claude Code and Codex, and advocates for voice input and visual planning tools to accelerate development.

Agent Engineering: Il Workflow Completo di un Ex Principal Engineer di Meta e Microsoft Kun, ex principal engineer presso Meta, Microsoft e Amazon, con esperienza su sistemi come Bing, Windows e Facebook Games, condivide il suo workflow completo per lavorare con agenti AI. Negli ultimi anni ha costruito agenti di coding frontier in Atlassian e shipped 40-50 PR al giorno in produzione. 1. La Nave: Setup dell'Ambiente Terminale come hub centrale Kun fa quasi tutto nel terminale per due motivi: Mani sempre sulla tastiera — evita il context switch del mouse, mantenendo il flow Stesso workflow ovunque — anche dal telefono "Se devi muovere la mano al mouse ogni pochi secondi, rompe il flow e forza il cervello a fare context switch." Strumenti chiave | Strumento | Ruolo | |---|---| Wezterm | Emulatore di terminale performante, cross-platform Windows/Mac/Linux , customizzabile via Lua con hot reload | tmux | Terminal multiplexer: split in pannelli, tab multipli, sessioni persistenti accessibili da qualsiasi dispositivo | Neovim | Editor moderno derivato da vim, navigazione totale da tastiera con linee numerate relative | 2. L'Equipaggio: Reclutare Agenti Kun usa 4 harness per agenti AI: Claude Code — migliore esperienza out-of-the-box, ricco di funzionalità, a volte un po' buggy Codex CLI — scritto in Rust, più fluido, open source, meno customizzabile Pi Coding Agent — minimalista ed estensibile Open Code — battery-included, model agnostic, ottima integrazione con qualsiasi modello Il suo workflow èagent agnostic— il panorama cambia troppo velocemente per legarsi a uno specifico strumento. 3. Addestramento: Memoria e Skill Memory Files due livelli Globale ~/.claude/CLAUDE.md : - Solo 27 righe — tutto ciò che entra nel system prompt di ogni sessione - Preferenze personali es. "non usare emoji — sembra robotico" - Regole comportamentali es. "non dare troppo peso al costo di sviluppo quando fai decisioni tecniche" Insight chiave: I modelli AI sono stati addestrati su stime umane. Un umano dice "ci vogliono settimane", ma l'AI può farlo in minuti. Bisogna correggere questo bias. Di progetto CLAUDE.md locale : - Contesto del progetto, struttura repo, terminologia, convenzioni - Costruita organicamente: ogni errore dell'agente viene corretto e memorizzato - Nel tempo gli agenti diventano più esperti sul progetto Skill progressive disclosure Invece di caricare tutto nel system prompt costoso in token , le informazioni condizionali vengono spostate in skill : - Solo una breve descrizione va nel system prompt - Il contenuto completo viene caricato solo quando necessario - Usa npx skills Vercel per installare e gestire skill Attenzione : Non installare skill random da internet, anche con molte stelle GitHub. Possono: - Rubare API key o credenziali - Degradare le performance dell'agente +5% token, peggiori risultati 4. Navigare con un Singolo Agente Input Vocale Kun usa Open Super Whisper — trascrizione locale, gratis, open source. La dettatura è 3x più veloce della digitazione studiato da Stanford . Strumenti efficaci per gli agenti Non tutti i tool sono uguali. Benchmark di Kun su GitHub: GitHub MCP Server : 3x costi token, 2x latenza rispetto alla CLI Axi : design standard per tool ottimizzati per agenti 40% meno token del JSON Axi rispetta 10 principi di "agent ergonomics" — esiste un catalogo su axi.sh . Lavish: Pianificazione Visuale Invece di far scrivere all'agente un muro di testo, Lavish genera un HTML interattivo che: - Usa lo stesso design system del progetto - Permette di cliccare opzioni, annotare, dare feedback - Comunicazione visuale invece che testuale "Non posso più tornare a leggere testo nel terminale. È troppo più efficiente." 5. Scalare: Review e Qualità Automatica No Mistakes — Pipeline Open Source Quando un agente dice "fatto", invece di fare review manuale del diff: - Crea branch e commit - Isola in un worktree separato - Analizza l'intento originale dalla sessione - Rebase su main remoto, risolve conflitti Review adversarial in un contesto fresco — la maggior parte dei problemi emerge qui- Test end-to-end con evidenze screenshot, video, log - Documentazione pass - Lint check - Crea PR e fa babysitting fino al merge "Se ogni pezzo di codice richiede la tua review, crei un collo di bottiglia su te stesso." Good Night, Have Fun — Loop Autonomi Per task che richiedono ore es. mentre dorme : - Dà un obiettivo verificabile es. "trova problemi di usabilità come un bambino di 7 anni" - L'agente itera fino a una stop condition token cap, iterazioni - Al risveglio: lista di commit pronti da approvare 6. Multi-Agente Parallelo Treehouse — Gestione Workspace Quando servono più agenti paralleli, git worktree manuale crea debito mentale. Treehouse : - Crea worktree fresh con un comando treehouse status mostra worktree attivi/inattivi- Alla chiusura del tab, libera il worktree per riuso Kun lancia 3-4 sessioni in parallelo, ognuna in un tab tmux, e passa tra loro con shortcut da tastiera. 7. Il Primo Ufficiale: Orchestratore Dopo aver scalato, destreggiarsi tra tante sessioni è estenuante. First Mate è l'ultimo livello: - Si clona un repo, si lancia un agente al suo interno - Si descrive il task ad alto livello - First Mate: - Scompone in sotto-task paralleli - Crea worktree con Treehouse per ognuno - Lancia agenti in ogni worktree - Esegue No Mistakes per validare - Prepara PR pronte per review Esempio reale: "Aggiungi comando update a 3 progetti npm" → First Mate gestisce tutto. 8. Il Mindset del Capitano "First Mate si prende cura di così tante cose che inizi a non avere più idee su cosa chiedergli. Questo è un buon segno: significa che il collo di bottiglia si sta spostando." Il vero salto è: Da sailor scrivi codice → A captain definisci la direzione, parla con utenti, capisci il landscape competitivo