KeyFrame內部研究專用

Loop Engineering is Dead!

Piyush Garg21 min英文
觀看原始影片

三句話摘要

Loop Engineering 是設計自主循環系統讓 AI Agent 自我迭代的思維方式,而非持續提示它執行每一步。 Loop Engineering 的本質是設計自主循環系統,通過初始上下文和持久內存讓 AI Agent 自我迭代,而非頻繁提示它執行每一步。 Loop Engineering 的核心是摆脱頻繁提示的模式,改為設計自主循環系統。講者用實習生的工作流程做比喻:實習生接收任務後能自主詢問、準備文檔、執行工作、尋求反饋和改進,而不需要主管每一步都指導。

重點整理

  1. Loop Engineering 的核心是摆脱頻繁提示的模式,改為設計自主循環系統。講者用實習生的工作流程做比喻:實習生接收任務後能自主詢問、準備文檔、執行工作、尋求反饋和改進,而不需要主管每一步都指導。

  2. 初始上下文(Initial Context)和持久內存(Memory)是系統的兩大支柱。需要給 Agent 一個"日記"來記錄學習、反饋和進度檢查點,類似 git commit,使 Agent 能保持狀態連續性並逐次改進,避免重複工作。

  3. 系統需要五個核心要素支持自主循環:自主自動化、工作樹隔離、技能加載、工具連接和子 Agent。這些不是新東西,Cursor 和 Claude Code 等工具已實現這些能力。

  4. Loop Engineering 不是複雜新技術,而是心態轉變。與其頻繁告訴 Agent「在這裡做那個」,不如告訴它最終目標,讓智能足夠的 Agent 自己規劃和執行,通過反饋循環自我改進。

實用技巧與重點

  • 實習生工作流程:接收任務 → 提問澄清 → 準備思路文檔 → 搜索代碼庫 → 修改代碼 → 測試 → 查詢外部資源(文檔、Stack Overflow、API參考) → 反饋循環 → Review 循環 → 完成
  • 內存存儲形式:文件形式、Vector 形式、Graph 形式、純文本、Markdown 文件、Linear Board
  • RAG Loop 條件:任務完成時退出,或達到時間限制(如 3 小時)防止無限循環
  • 五個核心要素:Autonomous Automation、Work Trees、Skill Loading、Plugins and Connectors、Sub-agents、Memory
  • 工具示例:Cursor、Claude Code、Jira、Linear
  • 記憶機制:檢查點(Checkpointing),類似 git add、git commit

結論

Loop Engineering 的本質是設計自主循環系統,通過初始上下文和持久內存讓 AI Agent 自我迭代,而非頻繁提示它執行每一步。

完整解析

講者從人類組織的角度出發,用實習生的工作流程來類比 AI Agent 應該如何運作。當一個實習生加入公司時,主管最初需要設置工作框架和邊界,但隨後實習生能夠自主工作而不需要每一步都被指導。這個比喻揭示了 Loop Engineering 的核心思想。

傳統的 AI 編程方式是頻繁提示:「在 index.js 中添加一個函數」,然後「在 util.js 中導入它」,每一步都需要用戶干預。而 Loop Engineering 則完全不同。你首先給 Agent 設置初始上下文和最終目標,設計一個完整的工作流程系統,然後讓 Agent 能夠自主執行。在這個過程中,Agent 會自己搜索代碼庫、進行修改、運行測試、查閱外部文檔和 API 參考、請求反饋,直到任務完成。關鍵是建立一個持久化的「日記」或內存系統來記錄學習、反饋和進度檢查點,使 Agent 能保持狀態連續性。

這個系統的支柱是五個核心要素。首先是自主自動化能力,讓系統能自行執行決策和任務。其次是工作樹(Work Trees),用來隔離多個 Agent 的工作以避免衝突,類似在不同 Git 分支上工作。第三是技能加載,即識別項目使用的語言和框架後,動態加載相關技術文檔。第四是工具和連接器,這些是 Agent 能夠調用的各種功能。最後是子 Agent,用於將大型任務拆分成更小的微任務。內存系統雖然看似簡單,但同樣關鍵——可以是文件、向量或純文本形式,其作用是讓 Agent 持續改進和追蹤進度。

RAG Loop 是一個著名的實現模式,其中 Agent 在完成承諾的任務之前會持續循環,有兩個停止條件:要麼任務完成,要麼達到時間限制以防止無限循環。講者強調這不是什麼高深的技術——本質上就是一個設計精良的大型系統提示,輔以各種工具和驗證機制。重點不在學習新技能,而在於思維方式的轉變:不再費力頻繁指導,而是設計優秀的循環系統,讓足夠智能的 AI Agent 能自主規劃、執行和迭代改進。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。