Kieran Klaassen · 2026-01-27

复利工程：AI 在我看到代码之前就已经修复了它

摘要

作者分享了 Claude Code 如何从他过去三个月的代码审查中学习，并在未经询问的情况下应用这些教训的故事。他提出了"复利工程"的概念：构建自我改进的开发系统，每次迭代都使下一次更快、更安全、更好。这与只追求短期收益的传统 AI 工程形成鲜明对比。

内容框架与概述

文章以一个令人惊讶的场景开篇：作者打开 GitHub 期望进行他的常规工作，却发现 Claude Code 已经留下了几条强有力的评论，解释它如何从 PR #234、#219 和 #241 的反馈中学习，并应用了那些教训。Claude 彻底了解了他的品味，就像一个敏锐的新队友一样，并且有凭据。

作者将这种感觉描述为"感觉像作弊"，但这实际上是复利。每次你修复某些东西时，系统都会学习。每次你审查某些东西时，系统都会学习。每次你以可避免的方式失败时，系统都会学习。这就是他们构建 Cora（Every 的 AI 邮件助手）的方式：创建系统的系统，然后让开。

作者将"复利工程"定义为：构建自我改进的开发系统，其中每次迭代都使下一次更快、更安全、更好。典型的 AI 工程是关于短期收益的：你提示，它编码，你发布，然后重新开始。复利工程是关于构建有记忆的系统，每次 Pull Request 都教会系统，每个 Bug 都变成永久教训，每次代码审查都更新默认值。AI 工程让你今天更快。复利工程让你明天更快，以及之后的每一天更快。

作者介绍了 10 分钟投资永久回报的例子。他正在为 Cora 构建一个"挫折检测器"，目标是让 AI 助理注意到用户何时对应用行为感到恼火，并自动提交改进报告。他没有采用传统方法（编写检测器、手动测试、调整、重复），而是从展示挫折的示例对话开始，然后交给 Claude，提示为：“这个对话展示了挫折。编写一个测试来检查我们的工具是否能捕捉到它。”

Claude 编写了测试，测试失败了（TDD 的自然第一步）。然后作者告诉 Claude 编写实际的检测逻辑。编写后仍然不能完美工作，这也是意料之中的。然后是美丽的部分：作者可以告诉 Claude 迭代挫折检测提示，直到测试通过。不仅如此，它还可以继续迭代。Claude 调整提示并再次运行测试。它读取日志，看到为什么错过了六个失败运行中的挫折信号，并再次调整。几轮之后，测试通过了。

作者强调，由于 AI 输出不是确定性的，他在一次运行中只识别出 4 次挫折（10 次中）。Claude 分析了每次失败的原因，发现了一个模式：它错过了用户可能使用的对冲语言，如"嗯，不太对"，当与重复请求配对时实际上表示挫折。Claude 然后更新了原始挫折检测提示，专门寻找这种礼貌但挫折的语言。在下一次迭代中，它能够在 10 次中识别出 9 次挫折，足够好可以发布。

他们将整个工作流程（从识别挫折模式到迭代提示到验证）编码在 CLAUDE.md 中，Claude 在每次对话前会拉入该文件以获取上下文。下次他们需要检测用户的情绪或行为时，不需要从头开始。他们说：“使用挫折检测器中的提示工作流程。“系统已经知道该做什么。