@Cander_zhu: 这两天 @AnatoliKopadze 连着发了两个重磅内容，我都认真看了： 1. 他那篇超详细的《Loops explained: Claude, GPT, Mira and what actually works》长文（目前已经破 8…

X AI KOLs Timeline 新闻
loop-engineering ai-agents claude gpt openclaw workflow automation

摘要

这篇文章讨论了Loop Engineering（循环工程）在AI代理工作流中的应用，重点介绍了Anatoli Kopadze关于循环的详细解释以及Peter Steinberger在AI Engineer Europe上的分享，强调了自动验证闭环和验收标准的重要性。

这两天 @AnatoliKopadze 连着发了两个重磅内容，我都认真看了： 1. 他那篇超详细的《Loops explained: Claude, GPT, Mira and what actually works》长文（目前已经破 890 万浏览） 2. Peter Steinberger（OpenClaw 作者）在 AI Engineer Europe 的 19 分钟分享 把 @addyosmani 的《Loop Engineering》文章 + AnatoliKopadze的两个内容 结合起来看，收获特别大。 Anatoli 的文章把 Loop 的底层逻辑讲得非常清楚： - Prompt 是「你一步步指挥」，Loop 是「你给目标 + 验收规则，让 Agent 自己跑出结果」 - 一个靠谱的 Loop 通常需要这 5 个部分：Automation（触发）、Skill（可复用指令）、Sub-agents（写代码的和检查代码的分开）、Connectors（真正执行动作）、Verifier（硬核验收） 而 Peter 作为 OpenClaw 的作者，在视频里分享了他真实的工作流： > “Each loop is so much faster now that I ship more than ever with way less effort.” 他强调的核心是： - 重点不是写出完美的 Prompt，而是能够设计出自动验证的闭环 - 验收标准（Judge）决定 Loop 的成败，最好用测试、类型检查、diff 等确定性规则 - 项目结构要为 Agent 优化，而不是跟 Agent 较劲 也希望大家去读这三篇文章，最好结合起来看（Addy 的 Loop Engineering + Anatoli 长文 + Peter 视频），理论 + 实战 + 框架，三者互补，效果会好很多。 我自己最近也在把「Obsidian 新笔记结构化」做成小 Loop，目前还在早期阶段，但已经明显感觉到从手动整理到系统自动跑的转变。 对 Loop Engineering 感兴趣的朋友，强烈建议把这三篇一起看。理论 + 真实案例 + 系统思考，效果最好。 你目前更倾向于先从理论框架学起，还是更想直接看实战工作流？ #LoopEngineering
查看原文
查看缓存全文

缓存时间: 2026/06/24 22:30

这两天 @AnatoliKopadze 连着发了两个重磅内容，我都认真看了：

  1. 他那篇超详细的《Loops explained: Claude, GPT, Mira and what actually works》长文（目前已经破 890 万浏览）
  2. Peter Steinberger（OpenClaw 作者）在 AI Engineer Europe 的 19 分钟分享

把 @addyosmani 的《Loop Engineering》文章 + AnatoliKopadze的两个内容 结合起来看，收获特别大。

Anatoli 的文章把 Loop 的底层逻辑讲得非常清楚：

  • Prompt 是「你一步步指挥」，Loop 是「你给目标 + 验收规则，让 Agent 自己跑出结果」
  • 一个靠谱的 Loop 通常需要这 5 个部分：Automation（触发）、Skill（可复用指令）、Sub-agents（写代码的和检查代码的分开）、Connectors（真正执行动作）、Verifier（硬核验收）

而 Peter 作为 OpenClaw 的作者，在视频里分享了他真实的工作流：

“Each loop is so much faster now that I ship more than ever with way less effort.”

他强调的核心是：

  • 重点不是写出完美的 Prompt，而是能够设计出自动验证的闭环
  • 验收标准（Judge）决定 Loop 的成败，最好用测试、类型检查、diff 等确定性规则
  • 项目结构要为 Agent 优化，而不是跟 Agent 较劲

也希望大家去读这三篇文章，最好结合起来看（Addy 的 Loop Engineering + Anatoli 长文 + Peter 视频），理论 + 实战 + 框架，三者互补，效果会好很多。

我自己最近也在把「Obsidian 新笔记结构化」做成小 Loop，目前还在早期阶段，但已经明显感觉到从手动整理到系统自动跑的转变。

对 Loop Engineering 感兴趣的朋友，强烈建议把这三篇一起看。理论 + 真实案例 + 系统思考，效果最好。

你目前更倾向于先从理论框架学起，还是更想直接看实战工作流？ #LoopEngineering

Anatoli Kopadze (@AnatoliKopadze): Peter Steinberger, the guy who built OpenClaw just shared his actual workflow:

“Each loop is so much faster now that I ship more than ever with way less effort.”

19 minutes from the person who knows more about AI agents and loops than anyone else.

Watch it, then read the full

相似文章

@Phoenixyin13: 一个好的Loop到底需要什么？ 这篇文章终于聊了最有价值的部分， 排名第一重要的，验证机制， AI不能自己给自己打分。它会给自己满分。必须有客观的检查方式，比如代码跑测试通过、文章符合字数+结构要求、数字对得上等，没有这个，循环就是在浪费…

X AI KOLs Timeline

文章讨论了AI循环中最重要的三个要素：验证机制、记忆和停止条件，并指出当前全自动循环的成本效益问题。

@cellinlab: https://x.com/cellinlab/status/2064144608242679822

X AI KOLs Timeline

这篇文章介绍了 Loop Engineering 的概念——不再直接给 AI agent 写 prompt，而是设计一个系统（loop）来递归地让 agent 迭代工作，直到任务完成。文章详细对比了 Claude Code 和 Codex 在 automations、worktrees、skills、sub-agents 等五个构建块上的实现，认为这可能是未来与 coding agent 协作的趋势，但仍需警惕 token 成本和 AI slop 问题。