扫描下载APP
其它方式登录
Loop工程是一种AI Agent工作范式，强调以目标为导向的多轮迭代闭环流程（目标→行动→观察→评估→修正），取代传统一次性提示词指令；它通过自动化反馈与自我修正机制，使Agent能在开放性任务中持续优化结果，核心在于设计可验证的目标、上下文管理、工具集、自动化评估和明确停止条件。
Anthropic凭借Claude模型在企业API服务尤其是程序员群体中实现爆发式增长，其核心飞轮是：模型代码能力越强→程序员及企业付费越多→反哺算力投入→训练更强模型，形成自举式闭环。虽聊天产品市场份额低，但靠Claude Code等开发者工具两年收入从10亿飙升至300亿美元，并成为行业首家盈利的大模型公司。
文章深入解析Agent Harness底层逻辑，指出代码正从模型输出产物转变为承载计划、执行、反馈、验证与状态管理的核心媒介；强调代码的可执行、可检查、有状态三大属性使其成为连接推理、行动与环境建模的操作系统级载体，并延伸至GUI/OS、机器人、科学发现等多领域。
文章探讨Claude Code新推出的Dynamic Workflows（动态工作流）如何革新AI辅助深度研究，对比作者自建系统，分析其六大内置模式（路由、拆分合并、对抗验证、生成过滤、锦标赛、循环）如何系统性解决目标漂移、过早停止、上下文污染和输出偏向等长任务痛点，强调其将研究流程结构化、目标导向化的能力。
百姓网创始人王建硕分享使用Claude Code的十四条实践心得，涵盖工具专注、快捷键运用、语音输入、项目结构化、AI代理启用、基础设施协同、人机分工、多格式文件交互、记忆系统重构、技能沉淀、动态工作流触发、技能持续迭代、Git文档驱动任务衔接，以及将AI视为自主协作主体而非被动执行工具。
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。
Anthropic技术成员Boris Cherny指出，AI正快速习得人类所谓“品味”，编程已进入Agent主导时代；Claude Code不仅是生产力工具，更是研究AI安全与真实世界交互的实验平台；工程师角色转向设计自动化流程（Loops）和跨领域整合，招聘更看重通才（Generalist）与构建能力，组织形态向去职级化、Builder文化演进。
Anthropic通过Snorkel AI运营的Marlin项目，雇佣约1000名资深软件工程师，以每小时280美元报酬进行代码A/B评审，将人类对生产级代码的安全性、可靠性与可维护性的判断转化为高质量训练数据，用于提升Claude Code这一项目级AI编程智能体的能力。此举凸显AI编程竞争已从模型参数转向真实工程过程数据和专家判断。
Codex与Claude Code在AI编程智能体领域呈现高度功能趋同，24项共性功能中Claude Code率先发布18项，Codex仅领先4项（如/goal、多智能体并行），且差距缩至11天；双方在斜杠命令、技能格式、记忆机制等关键接口上逐步对齐，反映AI编程智能体正快速收敛于统一产品范式，竞争焦点从功能有无转向可靠性、工程体验与系统级深度。
大模型行业正从追求Benchmark高分的“做题家时代”转向强调真实场景落地能力的新阶段，核心竞争已从单一模型智能上限转向系统级工程能力，包括成本控制、安全机制、记忆管理与错误自修正等Harness Engineering能力，模型与驾驭系统形成共生数据飞轮。
Claude Code推出动态工作流功能，允许AI根据任务即时生成定制化执行框架，通过协调多个隔离子Agent并行处理，解决大规模、高并行及对抗性任务中的智能体懒惰、目标漂移和自我偏好偏差等问题，适用于代码重构、深度研究、根因调查、工单分拣等复杂场景。
Claude Code 推出动态工作流功能，使AI能自主拆分任务、调度多个子智能体并行执行、交叉验证与循环迭代，解决单Agent在长任务中的惰性、自我偏好偏差和目标漂移问题，显著拓展其在代码迁移、深度研究、事实核查、根因分析、规则沉淀等复杂场景的应用能力。
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。
