老金 (@freeman1266)
@freeman1266
🔥 AI | 赚钱 | 大龄程序员 | 前大厂工程师
498 正在关注 3.1K 粉丝
Loop 工程代表了人工智能应用的新阶段
其核心是将人类从繁杂的提示词输入中解放出来，转而设计由自动循环驱动的系统
该方法通过发现、规划、执行与验证的闭环架构，让多个 Agent 协同工作以完成复杂任务
系统的真正瓶颈并非内容的生成，而在于验证器的质量，因为只有严格的评估门槛才能确保输出的准确性
有效的 Loop 包含内循环的任务自检与外循环的持久记忆积累，旨在通过持续学习避免重复错误
这种范式的转变意味着，未来的技术重心将从编写提示词转向构建精密的约束条件与验证机制
最终，输出的上限将由验证标准的严谨程度决定，而非生成过程本身。
显示更多
准备吧，每个人都要有自己的个人循环工作流
根据官方指南写个 loop，周末跑一下看看效果如何
看着Anthropic的两个工程师24分钟，然后意识到我一直在像猴子一样使用Claude Code
Dos ingenieros de Anthropic pasaron 24 minutos exponiendo cada función de Claude Code que no sabías que existía y gratis.
La mayoría de las personas pasarán de largo este contenido
显示更多
Google 工程师放出的这篇 Loop Engineering
核心循环是 Act→Observe→Learn→Repeat：LLM 提出代码变换方案，编译器跑完反馈结果，再迭代。
关键在于把编译器当 reward signal——不需要人类标注，不需要 RLHF，编译通过+性能提升就是自动奖励。
agent 做底层优化的路径比写业务代码清晰太多。
Pdf 链接在评论区获取👇
显示更多
Claude Code 团队如何通过 Skills 功能提升 AI 智能体的执行效率
Skills 不仅仅是简单的提示词文档，而是一个包含脚本、指令、模板和历史记录的结构化文件夹，旨在减少 AI 在复杂项目中的推测行为。
归纳了九大应用类别，涵盖了从 API 参考、自动化测试到故障排除等多种业务场景。
有效的 Skill 应当专注于记录项目特有的陷阱与规则，而非重复通用常识。
此外，通过编写面向模型的功能描述（Description）和建立渐进式的上下文结构，团队可以更精准地触发并分发这些任务经验包。
总之，Skills 是一种将零散的开发经验转化为可复用数字资产的高效方式。
显示更多
Loop Engineering 需要五样东西：
1. 目标定义（Goal Definition）
不是"做一件事"，是"持续做，直到这个条件成立"。/goal 原语让你定义可验证的停止条件，由独立的小模型来判断是否达成——而不是完成工作的那个 Agent 给自己打分。
2. 迭代循环（Automation）
按计划自动触发，自己做 discovery 和 triage。每天早上跑一遍，发现问题、分发任务，把结果送到你的收件箱——而不是你去四处检查。
3. 状态管理（Memory/State）
Agent 会忘记，但 repo 不会。一个 markdown 文件、一个 Linear board，任何存在于单次 conversation 之外的地方，都可以是 Loop 的记忆。第二天的运行从昨天停止的地方继续。
4. 验证机制（Sub-agent Verifier）
写代码的模型，在给自己打分时太友善了。把"写的人"和"检查的人"拆开，用第二个 Agent 抓住第一个自我说服后忽略的问题。这是你能走开的唯一原因。
5. 自动修正（Self-correction）
发现问题、打开 worktree、draft fix、review、开 PR——全自动。你只需要处理 Loop 无法处理的那部分。
显示更多
