主要观点：在较大代码库中使用编码代理时，需要结构化的方式来构建上下文，将 LLM 视为一种极其缓慢且不可靠的计算机，通过自然语言编程来生成实际代码。以 Spine 运行时的端口迁移为例，展示了如何运用这种方法，包括定义数据结构、工具库、主工作流程等，通过 LLM 协作完成机械性工作，提高工作效率。

关键信息：

• 对于较大代码库，LLM 主要问题是缺乏上下文，难以跟踪执行流程和处理复杂架构。
• 不同的 LLM 工具在上下文控制等方面存在差异，如 Claude Code 虽无中间商但仍有限制。
• 需将 LLM 视为特定程序，明确输入、状态、输出，如提示为程序，各种数据为输入输出等。
• 以 Spine 运行时端口迁移为例，介绍了手动流程的痛点及如何用 LLM 程序自动化部分工作，包括生成迁移计划、定义工具库、主工作流程等。
• 程序执行时 LLM 能按程序执行、管理状态、保持可恢复性等，虽不能完全自主处理但大大简化工作。
• 未来可在测试调试、子代理编排等方面进行改进。

重要细节：

• 代码库中不同语言运行时的迁移细节，如 Java 和 C++中 PhysicsConstraint 类的差异。
• port.md 文件中定义的输入输出数据结构，如 porting-plan.json 的各个字段含义。
• 工具库中各种工具的功能，如 VS Claude 用于打开文件和差异，Progress Tracking 用于监控迁移进度等。
• 主工作流程中的各个步骤，如初始化、并行检查约定和读取笔记、逐个类型迁移等，以及每个步骤中的具体操作和注意事项。
• 程序执行过程中的视频展示了 LLM 按程序执行的各个环节，如读取文件、更新状态等。