博客

AI 把构建成本压到了每月 20 美元，一个周末就能做出来的东西反而越来越不值钱。独立开发者的胜负手从'能不能做出来'，搬到了需求、判断、分发这三件事上——造得起，不等于做得对。

纳德拉说 AI 时代的核心资产是学习循环，不是模型。和 Anthropic 的执行层、吴恩达的分工层叠起来，Loop 有了三层含义——执行、分工、复利。独立开发者怎么建自己的 Token 资本？

Anthropic 的《Getting started with loops》讲怎么把 Loop 造好，吴恩达讲三层 Loop 的分工——其实是同一件事的两个缩放级别。一篇教你操作，一篇告诉你精力该往哪投，合起来才是 Loop Engineering 的全貌。

Loop Engineering 被过度营销。90% 的场景不满足 Loop 的前提条件，一个写得好的 prompt 就够了。

Anthropic 内部从个人 Claude harness 到组织级 Claude Tag 的转变：共享身份、异步委托、主动可调——以及这套思路尚未解决的问题。

把 OpenAI Codex CLI 的模型后端切到本地 Gemma 4 27B，日常低风险编码任务离线处理，省钱、私密、无心理负担。附完整配置步骤和踩坑记录。

AI 让写代码的边际成本趋近于零，但决策、验证、一致性等工程成本反而在飙升。独立开发者如何在这场经济学翻转中重新分配投资？

循环跑起来之后人的角色是什么？定义完成标准、处理升级问题、审查最终结果——三个必须有人在场的节点，以及判断哪些步骤可以放心交给循环的框架。

用 CLAUDE.md 循环协议、settings.json 钩子、fixer 子代理三个文件，让 Claude Code 自动跑测试、读报错、修代码，不再需要人工传话。

从五个构建块到实战案例,展示如何将 Loop Engineering 落地——让 AI 自主发现、分发、检查工作并持续运行