@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…

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