作者用 75 小时、让 AI 写完了 21000 行代码。他把整个过程记录下来，总结出一套叫 AIDD 的方法论。

1. 他造了什么
项目叫 Octobatch，一个 LLM 批处理编排工具。
核心功能：把多个 LLM 调用串成流水线，自动验证、失败自动重试、崩溃自动恢复。用自然语言描述流水线，AI 生成配置，指定 provider 跑起来。支持 Gemini、OpenAI、Anthropic，三家都有批处理模式，成本减半。
他造这个东西的原因：蒙特卡罗模拟——他小时候就痴迷这个，11岁在 TRS-80 上写过"醉汉水手"模拟程序。现在想用纯自然语言描述跑起来，真实运行几千次迭代、有统计意义的模拟。

2. 他具体怎么干的
分工很清晰，不同的 AI 做不同的事：
1）Claude + Gemini 一起做架构规划（两个 LLM 互相审）
2）Claude Code 负责写所有实现代码
3）人做三件事：决定造什么、判断对不对、保持系统整体一致

项目里附带了三个开箱即用的 pipeline 示例，每个都包含当初生成它的原始 Claude Code prompt，可以直接看"一句自然语言变成完整 pipeline 配置"的过程：
1）醉汉水手：本地代码跑随机游走（免费，瞬时），LLM 分析结果，100次验证理论50/50
2）二十一点：三种策略各打100手，一个 LLM 出牌，第二个 LLM 验证是否按策略来（不对自动重试），第三个 LLM 评分决策难度
3）NPC 对话：5种性格 × 4种玩家情绪 × 3个话题 = 60段对话，全部自动生成，第二个 LLM 评分，低于阈值重试

3. 迭代怎么做
他描述了一个反复跑通的工作流：
描述需求 → AI 生成配置 → TUI 里跑5个单元测试 → 看结果 → 告诉 AI 哪里错了 → AI 修模板 → 再跑
大多数 pipeline 需要2-3次迭代才对。最关键的调试手段：在 TUI 里找到失败的单元，按 R 看原始 LLM 返回，然后把这段原始输出直接粘给 AI 说"这里出了什么问题"。
举个例子：NPC 对话的打分一直失败，原因是 prompt 里"情绪响应性"的定义有歧义——AI 理解成"NPC 要镜像玩家情绪"，而正确意思是"NPC 以符合自身性格的方式回应玩家情绪"。看到原始输出才发现这个问题，改一句话就解决了。

4. 最终规模
21000 行 Python，近千个自动化测试，完整集成和回归测试套件，7周，75小时主动开发时间。

原文：stackoverflow.blog/2026/05/22/dispatches-from-o-reilly-the-accidental-orchestrator/

#HOW I AI# #程序员#