AI 写了我大半个项目,但核心重构我一直不敢让它自己跑。后来我想通了:卡住我的不是 AI 的能力,是我从没把'什么叫对'做成一个能自动跑的检查。AI 时代真正稀缺的,是把判断编译成可执行代码的能力。
老金的分享
全部文章 · 第 5 页
最新文章
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。
Anthropic Claude Code 团队官方博客译文。把 Agent 循环按触发和停止方式分成四类:基于回合、基于目标(/goal)、基于时间(/loop、/schedule)和主动式循环,讲每种适合什么任务、怎么保住代码质量、怎么控制 token 用量。
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。