AI Agent 的道与术：工程师如何重构工作方式

一文读懂 onevcat/2026-let-s-vision 演讲项目

学习目标

学完本文后，你将掌握：

• 理解 AI Agent 时代工程师工作方式的核心转变
• 了解人机协作的"道"与"术"之分
• 掌握如何用 AI 工具（Claude Code、Slidev）高效制作技术演讲
• 学会建立"页面→演讲备注→观点来源"的追踪映射
• 能够复现这套基于 Agent 的 Slide 制作工作流

一、项目概述

1.1 是什么

onevcat/2026-let-s-vision 是 Let’s Vision 26 上海分享的演讲稿仓库，主题为"AI Agent 时代下，工程师如何重构工作方式"。

作者 onevcat（Wei Wang）是知名iOS/Android开发者和开源贡献者（拥有多个知名开源项目如 Kingfisher）。

1.2 核心价值

这个仓库的特殊之处在于它不仅仅是一个演讲幻灯片，更是一个完整的 AI 协作实验记录。

1.3 在线资源

• PDF 版本：2026-vision.pdf
• 在线浏览：let-s-vision-2026.onev.cat

二、核心概念：道与术

2.1 什么是"道"

“道"是原理和思想，回答"为什么"的问题。在 AI Agent 时代：

• 约束（Constraints）：在 AI 时代，约束条件发生了什么变化？哪些边界依然有效？
• 协作（Collaboration）：人与 AI Agent 如何分工？各自擅长什么？
• 落地（Implementation）：如何在工程团队中真正实践这些方法？

2.2 什么是"术”

“术"是具体的执行方法和工具：

• 如何用 AI 辅助写代码？
• 如何用 AI 辅助做演讲？
• 如何建立高效的 AI 工作流？
• 如何迭代 AI 生成的内容？

2.3 道与术的关系

光有"术"没有"道”，是瞎干；光有"道"没有"术"，是空谈。

本文的核心观点：在 AI Agent 时代，工程师需要同时掌握"道"与"术"，才能真正重构工作方式。

三、仓库结构详解

3.1 目录概览

2026-let-s-vision/
├── .agents/skills/          # Agent 相关技能
├── .baoyu-skills/           # 宝玉文章插图技能
│   └── baoyu-article-illustrator/
├── .claude/skills/          # Claude 专用技能
├── components/               # React 组件
├── design-fix/              # 设计迭代记录
│   └── critique-report.md   # 设计批评报告
├── output/prompts/          # 输出提示词
├── public/                  # 静态资源
├── resources/               # 研究材料
│   ├── points.md            # 观点池
│   ├── slide-overview.md    # 早期结构规划
│   ├── references.md        # 引用与依据
│   └── 2026-03-shanghai-ai-agent-talk-notes.md  # 完整讲稿笔记
├── scripts/                 # 工具脚本
│   ├── extract-notes.py     # 提取 speaker notes
│   └── slide-index.sh       # 生成页码索引
├── skills/                  # 通用技能
├── CLAUDE.md               # Claude 配置
├── slides.md               # Slide 内容
└── package.json            # 依赖配置

3.2 核心文件解析

resources/ — 研究的起点

这些文件展示了一个演讲是如何从零开始构建的，每个观点都经过了筛选和排列。

design-fix/ — 迭代的痕迹

设计迭代是演讲制作中最容易被忽视但最重要的部分。

critique-report.md 记录了从反模式识别到色彩语义、信息密度、页面差异化等问题的逐轮收敛过程。

阅读这个文件，你可以学到：

• 如何接受批评并转化为改进行动
• 设计如何在迭代中逐步完善
• 哪些设计决策是最关键的

scripts/ — 工具的力量

3.3 技术栈

四、AI 驱动制作流程

4.1 工作流概览

这个演讲采用了**“人设方向 + AI 辅助迭代”**的工作流：

想法 → AI 辅助内容重写 → AI 辅助结构重排 → 视觉风格收敛 → 多轮审阅修正

4.2 每一步详解

第一步：内容重写

将原始想法用 AI 辅助扩展成完整的段落或演讲稿。AI 可以帮助：

• 扩展粗糙的想法为完整的论述
• 提供多个角度的论证
• 补充具体的例子和类比

第二步：结构重排

将内容打散，按照逻辑重新组织。AI 可以帮助：

• 识别内容之间的逻辑关系
• 建议更好的组织方式
• 找出遗漏的重要观点

第三步：视觉风格收敛

确定整体视觉风格，包括：

• 色彩方案
• 排版规范
• 图表样式
• 动画效果

第四步：多轮审阅修正

通过多轮"批评→修改"循环，让内容越来越完善。每一轮都会有新的发现和改进口。

4.3 给 Agent 的直接可用提示词

仓库提供了一个可以直接喂给 Agent 的提示词，让 AI 帮你快速了解所有细节：

请你完整研究这个 repo（https://github.com/onevcat/2026-vision），并输出一份结构化分析报告。要求：
1) 提炼这套演讲的核心思想：主问题、核心结论、"道"与"术"、可观察和落地的启发
2) 对比 slides 最终内容与仓库中的"未完全发布内容"：resources/、design-fix/ 中的关键取舍
3) 基于 scripts/ 工具给出可复现的方法：如何提取 speaker notes、如何建立追踪映射
4) repo 中有哪些 skill，它们能使用在我自己的项目或者智能体中么？
5) 最后给出一份"观众扩展阅读路径"（按 30 分钟 / 2 小时 / 半天三个时间预算）

五、实战：本地构建

5.1 环境准备

# 克隆仓库
git clone https://github.com/onevcat/2026-let-s-vision.git
cd 2026-let-s-vision

# 安装依赖
pnpm install

5.2 常用命令

# 开发模式（热重载）
pnpm dev

# 构建生产版本
pnpm build

# 导出为 PNG 图片
pnpm export:png

# 导出为 PDF
pnpm export

5.3 提取 Speaker Notes

如果你想研究这个演讲的完整讲稿，可以使用：

# 提取所有 speaker notes
python scripts/extract-notes.py

这会生成一个 JSON 文件，包含每页的：

• Speaker notes 内容
• Click 结构
• 页级元数据

5.4 生成索引

# 生成快速索引
bash scripts/slide-index.sh

生成的内容包含：

• 页码
• 行号范围
• Layout 信息
• Title

六、扩展阅读路径

6.1 30 分钟速览

适合时间紧迫的读者：

1. 阅读 README 的核心介绍
2. 浏览 slides.md 的前 10 页
3. 阅读 critique-report.md 的摘要部分

6.2 2 小时深度阅读

适合想要系统学习的读者：

1. 完整阅读 PDF 版本演讲稿
2. 研究 resources/ 中的观点池和结构规划
3. 阅读 design-fix/ 中的关键设计决策
4. 实践本地构建命令

6.3 半天深入研究

适合想要完全复现这套方法的读者：

1. 完成 2 小时路径的所有内容
2. 深入研究 scripts/ 中的工具实现
3. 阅读完整的 AI 协作 trace
4. 尝试用自己的主题复现这个工作流
5. 研究 skills/ 中的各种技能，看是否能应用到自己项目

七、关键启发

7.1 对工程师的启发

1. AI 是工具，不是替代者：最有价值的不是 AI 本身，而是知道如何使用 AI 的人
2. 迭代优于完美：不要追求一次到位，通过多轮迭代可以接近完美
3. 记录过程很重要：保留 AI 协作的 trace，有助于复盘和学习
4. 工具需要配套：单独的工具有限，但工具链可以释放巨大生产力

7.2 对团队的启发

1. 建立共享的 AI 工作流：团队成员可以复用彼此的 AI 协作经验
2. 批评与自我批评并行：design-fix/ 的思路可以应用于代码审查
3. 工具自动化：重复性工作应该被脚本化

7.3 对个人品牌的启发

onevcat 通过这个项目展示了：

• 如何用 AI 工具提升个人生产力
• 如何将工作过程转化为可分享的内容
• 如何建立自己在某个领域的专业影响力

八、常见问题

Q: 这个项目适合完全没有 AI 经验的工程师吗？

A: 可以，但建议先了解基本的 AI 工具使用方法（如 Claude Code、ChatGPT 等）。对 AI 有基本认知后，再来学习这套方法论会事半功倍。

Q: 必须使用 Slidev 吗？

A: 不是的。Slidev 是这个项目选择的工具，但核心的工作流（内容→结构→视觉→迭代）适用于任何演示文稿工具。

Q: 如何将这些方法应用到我的工作中？

A: 建议从最小可行的方法开始：

1. 先用 AI 辅助写一个小的技术文档
2. 用这个项目的提示词让 AI 帮你分析你的工作内容
3. 逐步建立自己的 AI 工作流

Q: 如何获取更多关于 onevcat 的信息？

A: 可以关注他的 GitHub 主页和社交媒体，他经常分享关于 AI 工具使用的经验和技巧。

九、总结

onevcat/2026-let-s-vision 不仅仅是一个技术演讲，更是一个完整的 AI 协作实验。

通过这个项目，你可以学到：

• “道"的层面：AI Agent 时代工程师应该如何思考和工作
• “术"的层面：如何用具体的工具和方法实现这些想法
• “器"的层面：如何选择和组合工具来提升生产力

核心 takeaway：在 AI 时代，最重要的能力不是"会用 AI”，而是"知道在哪里用 AI"以及"如何与 AI 协作”。

十、资源链接