扫描下载APP
其它方式登录
AI领域正经历从提示词工程向循环工程（Loop Engineering）的范式转变，核心是构建自主运行的AI智能体闭环系统（发现→执行→验证→持久化→调度），取代人工反复编写提示词。硅谷多位技术领袖如黄仁勋、吴恩达、Karpathy及Anthropic、Google工程师等共同推动该趋势，强调人类角色从操作者转向系统架构师与判断力提供者。
文章系统梳理AI工程范式的三次演进：从Prompt Engineering（控制模型单次输出）到Harness Engineering（构建Agent运行环境），再到Loop Engineering（实现智能体自主行为控制）。重点阐释Loop Engineering作为新焦点，通过目标驱动、循环执行（观察-思考-行动-评估-重规划）取代传统流程驱动，提升Agent的自主性与适应性。
Loop Engineering 是 AI 编程新阶段的核心方法，强调构建可持续运转的自动化循环系统，涵盖任务发现、上下文组装、独立验证、状态持久化与调度重启五个环节；其本质不是提升代码生成能力，而是重构软件开发中人类判断、验证机制与流程约束的重心，Stripe 每周合并 1300 个 AI PR 等案例凸显可靠性源于系统性约束而非模型本身。
文章以实测方式探讨AI自动化工作流新概念'loop engineering'，指出其试图通过预设长文档指令让AI自主完成代码编写、测试、修复等闭环任务，但在实际调优Stable Diffusion模型时效果不佳，暴露出说明书编写困难、缺乏人工干预导致偏差累积、适用场景受限等问题，质疑其当前实用性。
文章剖析Loop Engineering这一新概念的本质：它并非单纯技术突破，而是模型能力边际递减背景下，Anthropic与OpenAI等厂商推动的商业策略——通过推广‘循环’范式，将用户锁定在需持续调用API的工程管道中，从而在模型同质化时代开辟新增长点和收费入口。
DeepSeek因业务扩张急需人才，尤其Harness团队长期缺人，开放Agent Harness研究员、研发工程师、产品经理三类岗位，工作地点为杭州和北京；公司明确不排斥外国人，仅要求中文工作能力，并在500亿元融资中加入‘禁挖人’条款以保障核心团队稳定。
文章探讨AI协作范式的升级，指出传统Prompt Engineering已显疲态，新兴的Loop Engineering（循环工程）成为硅谷新趋势。其核心是从人工反复提示转向设计自动化闭环系统，让AI自主执行、验证、反馈任务，强调目标定义、角色分工与系统化规则设计，同时警示其潜在风险如AI钻空子、人力退化和高成本问题。
Deepseek组建Harness团队聚焦代码智能体，标志国内AI竞争主战场从大模型参数比拼转向工具链与办公落地；Harness作为Agent运行时基础设施，承担编排、安全、错误恢复等关键职能，是模型能力闭环与商业变现的核心。腾讯、阿里等大厂亦基于生态差异布局连接器与前端渗透路径，企业付费意愿正从辅助生成转向自主执行。
文章围绕AI自进化（Recursive Self-Improvement）展开，探讨其技术内涵、当前进展与落地路径，聚焦基模训练、harness（驾驭工程）、长期记忆等关键环节的进化实践；同时深入分析安全可控性、动态评测体系缺失、人机协同演化等挑战，并指出AI自进化正推动技术范式从量变走向质变，或将重塑工作模式、教育形态与人类认知发展。
AI编程范式正从手动编写Prompt转向Loop Engineering（循环工程），即设计自动化工作流系统，由Automations、Worktrees、Skills、Plugins/Connectors和Sub-agents五大模块构成，并依赖外部记忆层持续运行。该模式强调将工程师的判断力前置到系统设计中，提升开发杠杆，但不替代人工验证与理解，核心挑战在于避免认知投降和理解债。
AI编程范式正从手动提示词工程转向Loop Engineering，即开发者设计具备反馈闭环的循环系统来持续调度、验证和约束编程Agent。Claude Code创始人Boris Cherny与OpenAI工程师Peter Steinberger共同推动该趋势，强调通过/loops和Routines等原生机制实现长时间自主开发任务，但面临Token成本高、调试复杂及上下文衰减等现实挑战。
文章基于Anthropic公开的Skill方法论，反思当前AI技能（Skill）设计中的常见误区，强调Skill本质是上下文工程（Context Engineering），应聚焦沉淀隐性经验（Gotchas）、结构化组织知识（如references/scripts/examples/assets）、用脚本替代重复推理、将Description作为意图路由规则，并采用轻量分发机制验证Skill真实价值。
文章介绍一种以终端命令行和plan.md文件为核心的智能体工程工作流，强调Research→Plan→Work三阶段循环，人专注方向制定与计划审查，AI代理负责执行，旨在提升大型项目开发效率，同时分析其适用边界与潜在风险。
文章系统阐述了Agentic Engineering（智能体工程）这一新型开发范式，作者通过个人实践展示如何利用AI Agent重构软件开发与知识工作流程：以plan.md为核心进行结构化规划，用语音输入、多会话并行、Claude与Codex分工协作、上下文增强（笔记/会议/代码库）、可复用技能沉淀等方式提升生产力，并反思执行成本下降后人类价值应转向问题定义、方向判断与最终决策。
DeepSeek选择量化交易专家崔添翼主导Harness研发，凸显其战略重心从模型性能转向AI Agent工作流执行系统；Harness本质是将大模型能力稳定、安全、高效转化为生产力的工程系统，核心在于上下文管理、工具调用、风控与反馈闭环，而非单纯依赖模型参数规模。
