Uncle Bob 的 ub-mode,逼编码 agent 证明活儿干完了

一份 skill 文件,背后是四个程序
每周都有新的仓库给你的编码 agent 配一个人格。一个 markdown 文件,配一个名字、一种口吻、一份清单,告诉模型该在意什么。你把它丢进 skills 目录,敲一条斜杠命令,agent 就开始用那种见过大风大浪的资深工程师语气写提交信息。
截至 2026 年 11 月 15 日,ub-mode 在 GitHub 上拿到 7,989 星,仓库是 unclebob/ub-mode。安装方式完全照这个套路:把 SKILL.md 复制到 ~/.claude/skills/ub-mode/SKILL.md,或者 Cursor、Grok 对应的位置,然后敲 /ub-mode。三个阶段。「First Make it Work」包含 Laziness Protocol、Foundational Thinking、TDD、Redesign From First Principles、Attack the Premise、Subtract Before You Add、Outcome-Oriented Execution、Build the Lever,以及一节讲架构的内容:领域建模、边界、类型纪律、幂等操作,还有在序列化共享状态之前先做分离。「Then Make it Right」包含 Fix Root Causes、Sequence Work into Verifiable Units、Test Behavior Not Implementation、Refactoring。「Practice」是一份日志、上下文窗口卫生、worktree 清理、小而有序的提交。
这份清单是人们会截图引用的部分。真正值得读的,是「Then Make it Right」里面的东西:作者为了让 agent 的活儿可检查而写的四个命令行程序。
一句话的问题
问编码 agent 做完了没有,你会得到一句话。「我实现了这个 endpoint,补了测试,套件全绿。」这句话是由写代码的同一个过程生成的,所以它不携带任何独立信息。slop 就是这么来的。这跟模型的性格关系不大,跟它身处的循环关系很大。agent 对「完成」的定义是一句声明,而声明很廉价。
这个 skill 把声明换成了 agent 必须去推动的数字。Crapper 计算每个函数的圈复杂度、测试覆盖率和 CRAP 分数,规则是每个函数都得保持 CRAP < 10。Dryer 找结构性重复,要求相似度在 0.8 及以上的代码块被消除。Mutator 跑变异测试:它故意把代码改坏,看测试有没有反应。UML-viewer 画组件、覆盖率、CRAP 分数、变异分数和依赖方向。
这四个里有三个可以让构建失败。你可以跟一段话争。退出码比较难争,主要是因为你得拿出不一样的代码来反驳。
Attack the Premise
第一阶段那九条原则里,有两条在读者是模型的时候表现不一样。
Attack the Premise 是那种我会单独发布的。agent 的顺从有一种很具体也很贵的方式:它们照着字面把需求实现出来,做得很称职,从不问这个需求该不该存在。让它们加一层缓存,你就得到一层缓存。有测试,分小步提交,边界干净。没人去查这个 endpoint 慢是不是因为查询计划。agent 也不会注意到,这张工单是两年前某个人做的一个决定的临时补丁,而那个人已经走了。
人类 reviewer 会反驳,因为反驳不要钱,而且他们脑子里装着周边的上下文。agent 只在规则要求它反驳时才反驳,这就让 Attack the Premise 变成承重结构。它在第一阶段的位置也很关键:在任何代码存在之前,那时候改答案还便宜。
Sequence Work into Verifiable Units 是第二条,它其实讲的是记忆。长会话会烂。第三轮定下的一条约束,到第九十轮还在窗口里,但它的分量变了,模型开始自信地违反你一小时前立的规矩。把工作切成单元,每个单元末尾放一个检查,你就有了一个可以停下来看的地方,也让关卡有东西可咬。四千行改动末尾的关卡告诉你这个改动很糟。四十行末尾的关卡告诉你糟在哪四十行。
数字开始帮不上忙的地方
这里是我开始不信任它的地方。
CRAP < 10 是从人类代码评审里长出来的。它是为那些耐心有限、读同事代码的 reviewer 调的。一个照着阈值优化的 agent,可以把一个诚实的四十行函数拆成四个十二行函数,名字更糟,逻辑一模一样。单函数复杂度下降,覆盖率守住,分数掉下来,构建变绿。代码一点没变好,数字变好了。

重复度从另一个方向失效。Dryer 把相似度 0.8 及以上的代码块标出来。抽一个共享 helper,收九个参数外加一个模式开关,相似度就掉到阈值以下。你最后得到一个比它替换掉的那两个函数更难读的函数,外加一个通过的检查。工具量的是形状,而形状很容易用更糟的形状糊弄过去。
变异测试是诚实的关卡,也是贵的那个。它每个变异体跑一遍你的套件,所以实际耗时是套件运行时间乘以变异数量。这在笔记本上还能忍,放在 agent 反复改一个修复的循环里就很痛。我的猜测,也只是猜测:agent 会先在这里偷工减料,跳过 mutator,或者写一些能杀死变异体却不断言行为的测试。一个只断言函数返回非 null 的测试,能干掉数量惊人的变异体,同时什么用户能认出来的东西都没测到。
如今开始交付关卡的随笔作家
这个项目里有个 README 没写出来的笑话。Robert C. Martin 被争论了二十年,主要围绕 Clean Code 里的风格建议,围绕那些规则到底是苦战得来的经验,还是包装得不错的民间传说。同一位作者现在把规则做成带阈值和退出码的程序交付,让你去安装,而不是去读。
这读起来像一种让步,而且是公道的让步。一篇随笔没法被执行。你可以不同意某一章好多年,永远也定不了案。你可以用一个下午就不同意 CRAP < 10:在自己的仓库上跑一下工具,看看它想改什么。风格之争在有人拿出数字的时候就结束了,至少会变安静、变具体。那个以写代码散文出名的人,判定散文是弱的那一环。
关卡看不见的东西
有一处局限,说得直白些。这是一份 skill 文件加四个 CLI 工具。这一套里没有任何东西能验证有人读过 diff。关卡检查的是 agent 产出的代码。它们对「有没有人同意这段代码该存在」「这张工单值不值得做」一言不发。Attack the Premise,那条如果只能留一条我会留的规则,仍然只是 markdown 文件里的一句话,除了模型愿意听话之外没有任何东西在强制执行。整个集合里最强的一项,是唯一一个背后没有程序撑着的,这也说明了哪些问题才是真的难。
装之前,先拿 crapper 跑一遍你打算让 agent 指向的仓库。如果已经有两百个函数在阈值之上,第一次会话就是重构,不是做功能,agent 会把预算花在你从没让它碰过的代码上。这个数字自己先看到,比让 agent 凌晨两点替你发现要好。
相关文章
ByteDance 的 SeedRealtime 每秒只取两帧,再自己决定什么时候开口
豆包 Seed-Realtime-1.0 把摄像头画面、屏幕画面和语音合成一个全双工会话,每秒最多推两帧。有意思的决定是帧率、主动说话,以及默认就开着的审核回复。
Cicada 直接听会议的系统音频,会议室里没有机器人
Cicada 是 Mac、Windows、Linux 和 Android 上的免费应用,从系统音频里写出双语字幕和结构化会议笔记。按住一个键,你能用自己克隆出来的声音,把回复用另一种语言说出去。整个过程里没有机器人加入通话。
一台 server、一个 AI 主播:夜间直播背后的代码
open-yoki 是一个每晚在 Binance Square 直播的 AI 主播的生产代码,人格、声音和跟钱有关的功能都拿掉了。headless Chrome 画帧,ffmpeg 推 RTMP,一个 Markdown 文件夹决定她的情绪和要发的东西。
Pinky 让 agent 开你的手机,并且一直按住发送键,直到你点允许
Pinky 把任意 MCP agent 接到真的 iPhone 或 Android 手机上,审批放在自己的网关里执行,不写成 prompt。银行类应用对 agent 不可见,密码框碰不到,Android 13 上 agent 还能拿到一块隐藏的第二屏。