@hrswatigupta: Anthropic 一位资深工程师刚刚发布了一篇 11 页的论文,探讨循环工程——它重新构建了代理系统的设计方式……
摘要
Anthropic 一位资深工程师发表了一篇 11 页的论文,提出构建代理系统的新范式,核心是反馈循环、隔离、验证和记忆,而非更聪明的提示词。
查看缓存全文
缓存时间: 2026/06/25 19:26
一位 Anthropic 高级工程师刚刚发布了一篇 11 页的论文,探讨“循环工程”(Loop Engineering)——它从根本上重新定义了代理系统的构建方式。
转变其实很简单:
别再提示代理了。转而构建能够提示代理的系统。
循环流程如下:
调度 → 发现 → 构建 → 验证 → 重复
每一轮都是一个单独的回合,包含五个关键步骤:
• 发现 —— 代理通过扫描失败的 CI 运行、未解决的问题、最近的提交以及项目状态,自行找到待完成的工作。不需要手动整理的任务列表。
• 交接 —— 每个任务都会分配到独立的 git 工作目录,允许多个代理并行工作,互不干扰。
• 验证 —— 第二个代理负责审查输出,指令只有一个:假设代码有问题。它就是一个内置的怀疑论者——能够说“不行”的角色。
• 持久化 —— 结果写入磁盘,而不是被困在上下文窗口中等待被遗忘。
• 调度 —— 自动化机制按计时器唤醒系统。正是这一步将工作流转化成了循环。
最重要的见解:
一个代理评估自己的工作时,几乎总会批准通过。
可靠的代理系统不是靠更聪明的提示构建的,而是围绕反馈循环、隔离、验证和持久化来构建的。
这篇论文改变了我对自主软件系统的思考方式。
先读论文。然后再看看下面的文章。
相似文章
@0xRicker: Anthropic Agents 团队刚刚发布了一份11页的论文《Loop Design: The Anthropic Playbook for Agentic Systems》。每个人…
Anthropic 发布了一份11页的论文,题为《Loop Design: The Anthropic Playbook for Agentic Systems》,指出在智能体设计中,独立验证者比提示词更为关键。
@DataChaz: 一位资深Anthropic工程师刚刚发布了一份关于循环工程的11页PDF文件。核心转变:停止向智能体发出提示。…
一位资深Anthropic工程师发布了一份关于循环工程的11页PDF文件,详细介绍了构建自主AI智能体系统的框架,该系统能够自我发现工作、隔离任务、通过第二个智能体进行验证、持久化到磁盘,并按计划运行。
@0xMovez:一位谷歌资深工程师刚刚发布了一篇19页的PDF,关于LLM和智能系统的“循环工程”。行动 → 观察 → …
一位谷歌资深工程师发布了一篇19页的PDF,关于LLM和智能系统的“循环工程”,概述了一个迭代反馈循环:LLM提出代码转换,观察编译器反馈,从中学习,并重复直到不再有改进。
@systematicls: https://x.com/systematicls/status/2072975573287379194
本文讨论了循环在智能体工程中的关键作用,解释了通过向问题投入更多令牌如何提高解决方案质量,同时指出了简单循环实现中的陷阱,如错误累积和缺乏有意义的迭代。
@milesdeutscher: Anthropic 的内部循环工程指南刚刚被泄露。这是我今年读过的最有价值的 AI 指南。…
一份泄露的 Anthropic 内部指南详细介绍了循环工程原则,以最大化 AI 生产力,包括分离生成器和评估器、使用工作树以及 80/20 杠铃成本策略。