标签
一位 Anthropic 工程师解释说，他们不是写提示，而是构建循环，并演示了Claude团队如何在免费的42分钟视频中创建自我提示循环。
讨论Anthropic工程师如何通过构建循环和图来替代传统提示工程，以及这种方法在系统构建中的应用和潜在成本。
文章解释了如何利用循环进行自动化检查，以及通过图表优化工作流，从而减少在管理AI代理时的人工监督。
Andrew Ng讨论了通过循环和图实现自我改进的AI代理如何消除对提示的需求，并提供了一个免费的工程指南来解释其功能。
一位中国开发者解析了 Grok Bot 的架构，解释了为什么它使用循环和图而不是单一代理来实现更好的性能。
Shubham Saboo 讨论了图如何使智能体组织变得可编程，将静态工作流图与在执行过程中自我重写的动态智能体组织进行对比，并以 FarmTable 为例。
本文解释了代理循环成本高昂的原因（每一步都会重新发送累积的上下文），并主张在网关而非提示词中设置成本上限，以防止无限制支出。
图工程是一个新术语，指利用节点（工作单元）和边（控制流）构成的图来协调多个AI代理循环。本文解释了该概念、其历史背景（如LangGraph、AutoGen等），以及设计此类图所面临的实际挑战。
前谷歌工程师发布了一小时课程，涵盖自建代理、RAG记忆和AI循环；声称比付费代理课程更好。
Anthropic 发布了四种让 Claude Code 自主运行的循环类型：基于回合、基于目标、基于时间和主动式，允许不同级别的任务交接。
本文介绍了Claude Code团队对AI智能体循环（loops）的定义和分类，包括回合制、目标导向、基于时间和主动式循环，并提供了控制token消耗和保证代码质量的实践建议。
一份实用指南，解释了在 Claude Code 中配置编码代理的不同循环类型（基于回合、基于目标、基于时间），包括如何定义停止条件以及改进自我验证。
使用 Fable 5 和 Claude Code 为 AI 代理创建自动化工作流（循环与目标）的指南，包含 25 个工作流示例及提示词与工具集成。
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。
Claude Code团队发布博客介绍/goal和/loop功能，文章分析了AI编程从一次对话到循环操作的范式转变，详细解释了四种循环类型（回合制、目标制、定时制、主动式）及其适用场景，并提出了Harness Engineering的执行层概念。
一份实用指南，介绍如何为AI编码代理设置迭代循环，包括定义的停止条件、云端执行和通知渠道，以便卸载工作而无需持续监控。
PostHog 解释了为什么“循环”（即自我提示的代理工作流）正在受到青睐，这得益于模型能力的提升以及 Stripe 和 Lovable 等公司的实际成果。该帖子详细说明了构建循环所需的要素，并展示了诸如 PR 监控和 Bug 修复等示例。
关于AI智能体中的循环如何放大有益和有害行为的讨论，强调需要有一个主动参与的人类在循环中，指导智能体学习用户偏好。