扫描下载APP
其它方式登录
文章介绍Graph Engineering（图工程）作为下一代LLM Agent系统的核心工程范式，旨在解决单Agent在处理复杂任务时的结构性瓶颈。它通过显式构建任务、智能体与运行状态三类图结构，实现任务组织、多Agent协同和运行时状态管理，推动AI从个体智能迈向可扩展、可演化、可审计的系统智能。
文章围绕AI for Science（AI4S）爆发趋势展开，通过对话前DeepMind科学家曹原，分析Jeff Dean等核心人物出走谷歌创办Discovery Loop的深层原因，探讨AI在数学、物理、生物制药等领域的科研范式变革，强调AI自进化闭环与验证瓶颈，并指出AI目前仍无法自主提出新概念或理论，人类在问题定义、价值判断和最终验证中不可替代。
2026年Q2 Web3行业呈现收缩与紧缺并存态势：超40家公司裁员逾7000人，但Engineering类岗位需求占比达46%，投递不足，人才缺口显著；AI技能要求升至53.1%，带来约21%薪资溢价；Compliance/Legal和Gaming/NFT等职能收缩明显，行业正向AI-native和专精技术方向结构性调整。
谷歌核心AI人才Jeff Dean、Sanjay Ghemawat等集体离职引发市值蒸发160亿美元，但公司通过持股Anthropic、投资Discovery Loop、提供云服务及掌控搜索分发与基础设施，维持长期竞争优势，业务增长与技术护城河未受实质冲击。
Jeff Dean联合Quoc Le、Oriol Vinyals等顶尖AI科学家创立公司Discovery Loop，聚焦自动化机器学习与科学实验循环，旨在加速AI驱动的科研与工程发现。其豪华创始团队背景涵盖Google搜索、TensorFlow、Gemini、AlphaFold等核心成果，已获Khosla Ventures、Radical Ventures等顶级VC联合领投，融资达数亿美元。
Jeff Dean离职谷歌后首次公开亮相，阐述其新创公司Discovery Loop的愿景：将科学发现流程自动化，通过AI驱动假设、实验、评估闭环，聚焦AI for Science领域；他复盘了MoE、TensorFlow、Gemini等关键技术演进，并提出‘5+2问题形状’等方法论，强调数量级提升与跨学科连接对基础性技术判断的关键作用。
文章探讨AI编程范式从Loop Engineering向Graph Engineering演进的动因与内涵：Loop解决单Agent的循环反馈，而Graph应对多Agent协作中的任务编排、状态共享与路径选择；Graph并非全新技术，而是将既有工作流、DAG调度等与智能体结合，强调可观察、可路由、可约束的系统设计；其适用性取决于任务是否可拆分、并行及容错，而非单纯复杂度。
Claude Code之父Boris Cherny通过Loop机制和/goal命令构建自动化AI工作流，实现数千智能体协同编程、自主迭代与自我校验；其团队已基本停用人工写代码，转向设计自动化系统；Fable 5模型支持长期自主任务、内置验证闭环及图表理解能力，普通人可通过两个核心命令快速落地应用。
文章探讨Loop Engineering在AI领域的兴起，指出其核心是构建AI执行、反馈、修正的持续闭环，Coding Agent因软件世界天然具备高质量反馈而率先实现闭环；具身智能则面临真实世界反馈缺失难题，脸谱心智提出Ego-NeuroLoop数据范式，融合眼动、脑电、肌电与视觉信号，旨在采集人类动作背后的完整闭环过程，推动机器人从观察学习走向反馈驱动的闭环学习。
Geoffrey Huntley提出Ralph Loop这一极简AI Agent循环机制，推动Coding Agent从一次性生成转向长时间运行；他指出软件开发已平民化，但真正的软件工程师需掌握验证、抽象与类型系统等硬核能力，并强调AI时代职业生存关键在于构建力而非使用力，警惕K型分化下传统企业的衰落。
文章阐述AI Agent领域的新兴工程范式——Loop（循环）工程，强调其使Agent能自主理解目标、执行任务、检验结果并迭代修正，从而摆脱对人工提示词的依赖。Loop已成Claude Code、Codex等主流AI编程产品的核心能力，并正向研究、客服、运营等复杂工作场景扩展，推动AI从工具升级为协作者。
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。
黄仁勋提出AI开发新范式——Loop（循环），强调从手动编写Prompt转向设计自动化闭环系统：AI自主执行、自我验收、失败重试，直至目标达成。Loop使人类角色从指令执行者变为规则设计者，核心在于解耦编写与验收、引入独立验证机制，并已在Claude Code和OpenAI Codex等产品中落地。该范式代表AI工程化演进的第四阶段，本质是控制粒度上移与人机协作模式升级。
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。
