@Phoenixyin13: 不是暴论,这套自我进化的 Compounding Loop 才是长期杀手级。 现在,根据这篇文章,每个人要习惯让自己的整个流程,包括拆解方式、验证规则、输出格式、你的偏好打包成一个可复用的Skill。这将是来自未来的能力。 下次遇到类似任…
摘要
该推文讨论了将个人工作流程(包括拆解方式、验证规则、输出格式等)打包成可复用Skill的理念,认为这种自我进化的Compounding Loop符合控制论原则,是长期关键能力。
查看缓存全文
缓存时间: 2026/06/20 14:37
不是暴论,这套自我进化的 Compounding Loop 才是长期杀手级。
现在,根据这篇文章,每个人要习惯让自己的整个流程,包括拆解方式、验证规则、输出格式、你的偏好打包成一个可复用的Skill。这将是来自未来的能力。
下次遇到类似任务,直接调用Skill,几乎零配置,速度起飞,质量还更高。
从我最近一直在研究从系统工程学与工程控制论的视角看,这个设计非常合理,甚至算得上相当的优雅。 维纳和钱学森看到如今这样的时代变化,或许会粲然一笑吧。
这个Loop设计,应该算是把控制论的经典原则,诸如反馈、自适应、 requisite variety、分层控制、系统记忆在当前大模型约束下落地的极好,也值得复现。 它不需要堆参数,它只需要在系统层面做文章。 这点,就是我认为值得学习的思维方式。 真正让人类变得聪明的,是整个控制回路。
从我日常学习的认知科学、人机交互的背景看,这仿佛就是在模拟一个高适应性的distributed cognition,类似人类团队与工具外加组织记忆的究极放大版。
相似文章
@ZionFeng3364: https://x.com/ZionFeng3364/status/2062702195750191182
本文介绍如何利用 Claude Code 的 Skill 功能在十分钟内构建个人工作流,将重复性任务固化为可触发的自动化流程,并展示了装 Skill、写 Skill、组合 Skill 三种能力。
@freeman1266: 如何从零开始构建一个工业级 Skill 工业级标准要求具备精准触发、权限收敛以及可评测迭代等核心特性,而非简单的提示词堆砌。 构建评分标准、测试用例及质量门禁脚本的重要性,以确保工作流的严谨性。 通过在 Codex 等 Agent 环境中…
本文介绍了从零构建工业级技能(Skill)的方法,强调精准触发、权限收敛、可评测迭代等核心特性,以及构建评分标准、测试用例和质量门禁脚本的重要性,展示了如何在Codex等Agent环境中实现专业、可维护的技能包。
@freeman1266: https://x.com/freeman1266/status/2064702757773496552
本文介绍Loop Engineering概念,即通过设计自动化系统让AI代理自主循环工作,包括自动化任务、工作树、技能、插件、子代理等要素,从而取代手动提示的方式,提升开发效率。
@Xudong07452910: 之前介绍过 SkillOpt,它更像是在讲:怎么把一份 skill 反复打磨成更可靠的“工作说明书”。 这篇 MUSE-Autoskill 的重点不太一样,它关心的是 Agent 怎么管理一整个 skill library。 论文把 sk…
这篇 MUSE-Autoskill 论文聚焦于 Agent 如何管理整个技能库,将 skill 放入完整的生命周期:创建、记忆、管理、评估和再优化。
@shao__meng: Perplexity 团队内部 Agent Skills 设计、迭代与维护之道 Perplexity Agents 团队的内部规范公开版,核心论点很反直觉:写 Skill 不是写代码,而是为模型构建上下文。把工程师写代码的本能直接套到 S…
Perplexity 团队公开了 Agent Skills 的设计、迭代与维护规范,强调 Skill 编写并非传统编码,而是为模型构建上下文。文章提出了以评测为先、渐进式加载及通过处理特例(Gotchas)来优化 Agent 行为的反直觉方法论。