Sabrina Ramonov · 10:42 · 发布 2026-07-03 · 3656次观看(截至抓取) · 观看原视频
主旨
把”人手动逐条给AI下prompt”升级为”人一次性设计好自动化+隔离+规则+工具接入+双agent校验+外置记忆六件套、之后系统自主运行”的循环工程(Loop Engineering)框架。
核心论点
- 循环工程把”人手动敲每条prompt”升级为设计一次、系统自主运行的心跳自动化。(→ 详解1)
- 多agent并行必须靠worktree式独立车道隔离,否则并发编辑同一文件必然冲突。(→ 详解2)
- Skill文件把项目规则一次性写死,让agent停止每次从零重新猜测。(→ 详解3)
- Connectors是agent真正”动手”的关键,把AI从给建议变成能执行动作。(→ 详解4)
- 制造者与检查者必须是两个不同的agent,自己审自己的工作天然会偏袒自己。(→ 详解5)
- 记忆必须外置到磁盘文件或看板,循环才能跨次运行接续上次的进度。(→ 详解6)
- 循环跑得越顺,越需要主动核查与守住对系统的理解力,自主性滑块推得太高会反噬自己。(→ 详解8)
知识点详解
1. 为什么要写循环:从手动prompt到自动化心跳 00:53
现状是人每天打开电脑、想起要做什么、一条条敲prompt。循环工程把这份”启动工作”的职责从人转移给系统:设一个时间表(比如每天早上8点),系统自己醒来,看有什么变了、有什么该做的,把活排好。时间表本身就是”自动化”(automations)——它把一次性运行变成自己跑的循环。
视频引用 Anthropic 的 Claude Code 缔造者 Boris Cherny 的话:“我不再给Claude下prompt了,我的工作是写循环。“另一位开发者 Peter Steinberger 的说法在Twitter一天内获得500万浏览:“别再给你的agent下prompt了,开始设计能prompt它们的循环。“类比是扫地机器人——你不推着它走,你设一个日程,它自己按路线跑完全程。
这里的关键转变是角色转变:从”操作者”变成”系统设计者”。但视频也提醒,一旦循环唤醒不止一个agent同时干活,它们就会彼此碰撞——这是下一部分要解决的问题。
2. Worktrees:给每个agent一条独立车道 01:40
两个agent同时编辑同一个文件会互相覆盖,制造混乱——这和两个程序员互相覆盖对方存档是同一种头疼。Git Worktree 给每个agent一份项目的独立副本,让它在自己的车道里干活。视频强调:想让不止一个agent同时跑,就得给每个agent一条车道,没有车道的速度等于连环相撞。
好消息是车道现在已经内置在工具里了,不需要自己手搭。类比是高速公路:一车一道;如果拿掉车道线还多加车,只会撞车。车道让每个agent都能又快又安全地移动。
有了车道之后,agent们仍然会在每次运行时重新猜测项目怎么运作——这是下一部分要解决的问题。
3. Skills:一次写下规则的playbook 02:34
每次agent从头启动,它都会忘记你的规则、你的命名习惯、那个你绝不会犯第二次的错误。Skill是一个小文件,你把规则一条条写下来一次,agent每次运行都会读它。你只需要写一次,agent就不再每次运行都重新猜测。
各家工具的实现方式相同:一个叫 skill.md 的普通文件。类比是给新员工一本写好的操作手册,而不是每天早上从零讲一遍整个工作内容。视频里的”skill”概念与项目里常见的 Claude Code Skill / Claude Skills 是同一件事的不同措辞——一次写下、反复复用的规则文件。
有了车道和playbook,agent目前还只能碰文件——这是下一部分要解决的局限。
4. Connectors:把AI接进你真正用的工具 03:18
一个只能困在你文件里的循环没问题,但很小。Connectors 把AI插进你实际使用的工具——邮箱、issue tracker、Slack。现在agent不再只是”谈论”你的工具,而是伸手进去动作。Connectors 是”AI说’这是修复方案,祝你好运‘“和”循环自己开出pull request并ping团队”之间的区别。
视频强调 connectors 跑在一套共享标准上,所以在一个工具里配好的连接器,在另一个工具里也能用——这与 MCP 强调的统一协议理念一致。类比是:之前AI是电话那头一个聪明的朋友,只会给你建议;现在它是一个有你家钥匙的朋友,会进来打扫、洗碗。
循环现在有了手,能在你用的工具里行动了——但接下来是最重要也最容易出问题的一环:agent给自己的工作打分太宽松。
5. Subagents:制造者与检查者分离 04:30
一个agent写代码、又自己检查自己的工作,它会撒谎——不是故意的,是它为自己做的东西感到骄傲,于是说”看起来不错”。修复很简单:把工作拆开,一个agent负责做,另一个带着不同指令的agent负责挑刺、找茬。绝不能让制造者和检查者是同一个agent。
视频指出这正是”run until done”功能的底层原理:一个全新的、没写过这段代码的agent,来判断工作是否真的完成了。类比是编辑:作者太爱自己的文字,发现不了自己的错误;而一双专门被雇来挑剔的眼睛,能抓到作者已经说服自己接受的问题。
这个”制造者-检查者”分离的思路,与本站笔记里的 Contrarian Agent(专门唱反调、挑战其他agent观点的角色)同源——都是靠拆分立场来制造对抗性审查,防止agent自证自己的工作。
6. Memory:活在磁盘上的记事本 05:16
AI在两次运行之间会忘记一切,聊天窗口一关就是一张白纸。所以记忆不能活在聊天里,而要活在磁盘上的一个普通文件,或者一块看板(比如Linear)上,记录做完了什么、接下来要做什么。agent会忘,但笔记本上都记着。
于是明天的agent运行时能从今天agent停下的地方接着做。这听起来简单到不值一提,但视频认为这是每一个长时间运行的agent都依赖的关键技巧——没有它,循环每次都得从零开始。类比是夜班交接的共享白板:早班不需要重做昨晚的活,读一眼板子接着干就行。
7. 六件套合体跑一整夜 + 命名溯源 06:41
六个部分拼在一起:早上8点自动化醒来,读昨晚代码里跑挂的测试、你的open issue、你做的新改动,把这些写进笔记本。对每个值得修的问题,它开一条新车道、派一个agent写修复,第二个agent挑刺、找它可能引入的新bug、拿playbook核对。connectors负责开pull request、更新GitHub/Jira/Linear的工单。循环处理不了的会落进你的收件箱等人工复核。
你只搭建了一次,一步都没手动prompt,循环跑了一整晚。视频里这个框架被称为”loop engineering”,开发者 Aditya Agrawal 被认为给它起了这个名字。
8. 循环不能删掉你:三个现实警示 07:15 · 07:42
第一,检查仍然是你的工作。一个无验证独自运行的循环,也就是一个独自犯错的循环。曾在Tesla负责AI、联合创办OpenAI的 Andrej Karpathy 说:“就算AI写代码,我仍然是瓶颈,我得确保它没引入bug。“循环的智能上限,取决于你复核它的能力——写循环容易,写验证步骤才是你的活。
第二,你对系统的理解力会腐化,如果你放任它腐化。循环跑得越快、交付的代码你没亲自写过,你的代码库和你的理解之间的差距就越大。Hacker News上一条被高赞的评论说:“当你这样构建、并停止理解自己的系统时,那就是你变得太舒适的时刻。“循环用来加快思考是好事,但如果循环让你从此不再思考,那就是陷阱——同一个循环、不同的心态,得到完全相反的结果。
9. 从零起步三步法与Claude Code的/goal专业版 08:08 · 09:00 · 10:02
简化版三步:第一步,挑一件你重复做的小而无聊的活(清理收件箱、检查网站死链等),保持体量小、风险低。第二步,把步骤在一个文件里写一次,不再重复输入,这就是你的playbook。第三步,给它一条终点线和一个计时器——告诉agent怎么算完成,并设定运行节奏,这就是心跳和检查。
如果用Claude Code,视频给出专业版:一个命令 /goal 加上你的终点线,比如 /goal all my tests pass and the lint is clean。主模型做活,一个更小更快的模型在每一轮之后读完整段对话,只问一件事:终点线过了吗?没过就自动打回重做;过了就停下告诉你完成。这正是把制造者与检查者内建进一条命令里,与 goal 模式(设目标+成功标准后让模型自主推进到终态)高度一致。写终点线的诀窍是让检查者能在日志里看到证据——别说”做好点”,要说”测试通过时算完成”,并加一条止损规则,比如”试15次后还没成就停下告诉我卡在哪”,防止它无限空转。Karpathy 把这种可调的自主运行程度称为”自主性滑块”——检查能力能兜住多少,滑块就只能推多高。
可执行步骤
- 挑一件你重复做的小而无聊的活,写下步骤存成一个文件当作playbook。
- 给这件事一条可被日志验证的完成标准(而非”做好点”这种模糊话),再加一条最大重试次数的止损规则。
- 设一个运行节奏(定时或触发式),让第一版循环先在低风险场景里跑起来,自己实际核查它的产出后再逐步放大自主程度。
关联
- 印证:Harness 定义”围绕AI编码助手的规则/context/skills/guardrails/workflow/可观测性集合”,本视频的六部分(自动化+worktree+skill+connector+subagent+memory)正是把这个定义拆解成的可操作清单,二者是同一理念的不同颗粒度表述。
- 印证:Ralph Loop”把任务清单交给agent自主推进、每步验证通过才前进”的做法,可视为本视频循环工程Part1(心跳)与Part5(maker/checker)结合的早期实践版本。
- 印证:goal”设目标与成功标准后让模型自主推进到终态”的模式,正是视频末尾 Claude Code
/goal命令的理论原型。 - 印证:Contrarian Agent”专门唱反调、挑战其他agent观点”的角色设计,与本视频”制造者不能审查自己”的原则同源。
一手来源与延伸
- 视频未在描述中给出引用来源。联网核验发现,多个第三方来源(如 AddyOsmani.com、Cobus Greyling 的 Substack/GitHub 整理)将”loop engineering”一词及其”自动化/worktree/skill/connector/sub-agent/外置状态”六要素解剖框架,追溯到 Google Cloud AI 总监 Addy Osmani 2026年6月发表的同名文章,其六要素与本视频的六部分高度吻合。但这与视频里”开发者 Aditya Agrawal 给它起的名字”的说法不一致——由于无法直接抓取原文全文逐字核对,这里只做提示,不代替视频的原话,读者若要溯源引用请自行核实原始出处。
术语
- Loop Engineering(循环工程):把重复性AI操作从人工逐条prompt,升级为由自动化+车道+playbook+连接器+双agent校验+外置记忆六件套构成的自主循环。
- Connectors(连接器):让agent接入邮件、工单系统、IM等真实外部工具、能执行动作而非仅给建议的标准化接口层。
- Maker-Checker(制造者与检查者):让两个不同agent分别负责生成与审查同一产出,避免agent自证自己工作的偏袒。
- Autonomy Slider(自主性滑块):Karpathy提出的可调旋钮,表示你允许agent自主运行的程度,应随你的检查能力同步调节。
- Finish Line & Stop Rule(完成线与止损规则):用可在日志中被验证的明确完成标准,加一条最大重试次数,防止循环无限空转。
金句
“I don’t prompt Claude anymore. My job is to write loops.” → 把角色从”操作者”改写为”系统设计者”的一句话总结。 “Never let the agent who makes it be the same agent who checks it.” → 制造者-检查者分离原则,一句话讲透”自己审自己”的利益冲突。
立场与利益
视频末尾提到自己在”拥有数千付费用户的创业公司”里天天实际运行这些循环,并预告下一场直播将现场从零搭建一个循环——属于用自身实践为框架背书、并为直播引流,未见直接推销付费课程或工具。
价值定位
本片给出的是一套把 Claude Code 等工具里已零散存在的能力(worktree、skill、subagent、hook/connector、外置记忆)统一命名并串成流程的认知框架,适合已在用AI编码助手、想把日常重复操作系统化的开发者建立词汇体系;框架本身是既有技术的整理与命名,而非新技术,/goal 等具体实现细节限定于 Claude Code。对完全没有agent实操经验的读者,价值偏概念普及,需要自行在工具里逐步验证落地。
自检问题
- “自动化心跳”和普通定时任务的本质区别是什么? 答案:定时任务只是触发条件;循环工程的心跳是把”人决定何时开始工作”这一职责整体转移给系统,系统自己判断该做什么、排好工作,详见 详解1。00:53
- 为什么多agent并行必须要有worktree,而不是”能省则省”? 答案:没有独立车道,多个agent会并发编辑同一文件互相覆盖,速度反而变成”连环相撞”,详见 详解2。01:40
- 为什么检查者不能是制造这个东西的同一个agent? 答案:制造者对自己写的东西天然有偏袒(“为自己做的东西骄傲”),需要一个立场独立、专门挑刺的agent才能给出可信判断,详见 详解5。04:30
- Claude Code的
/goal命令如何在一条命令里落地”制造者与检查者分离”? 答案:主模型负责做事(制造者),另一个更小更快的模型在每轮结束后单独读对话、判断终点线是否达成(检查者),没达成就打回重做,详见 详解9。09:00 - “自主性滑块”给使用者的实际建议是什么? 答案:自主运行的程度应该只推到你的检查/复核能力能兜住的上限,而非越高越好,详见 详解8/9。10:02