基本信息

来源摘要/节选

公开展示已截断至最多 800 个字符；请访问原始来源查看完整上下文。

一、AI 开发这事儿，终于开始从「会提问」变成「会运转」 这两天看到一个说法，叫 Loop Engineering。我一开始看到的时候，说实话，有点烦。 因为 AI 圈现在太爱造词了。今天一个 Context Engineering，明天一个 Agentic Workflow，后天又冒出来一个 Harness Engineering。每个词看起来都很高级，拆开一看，好像又是那点东西。 但 Loop Engineering 这个词，我看着看着，突然觉得不太一样。 它不是在讲怎么把一句 Prompt 写得更漂亮。也不是在讲怎么往模型窗口里塞更多上下文。它讲的是一件更底层的事，怎么让 AI 不再像一个你每次都要手动叫醒的实习生，而是变成一个可以持续运行、持续发现问题、持续推进任务的工作系统。 这个变化，其实挺大的。 过去三年，AI 工程师的工作重心一直在往外扩。最早大家研究 Prompt Engineering，核心问题是，我该怎么跟模型说话。 那时候非常像玄学。同样一个需求，你加一句「一步一步思考」，效果突然好了。你换个角色设定，让它「扮演资深工程师」，代码看起来又像那么回事了。当时大家疯狂收藏 Prompt 模板，像收藏武功秘籍。 后来大家发现，Prompt 写得再好也有天花板。 因为模型不是你肚子里的蛔虫。它不知道你的代码结构，不知道你的业务约定，不知道你们公司哪个接口有历史包袱，也不知道 README 里那句「不要随便改」背后埋过多少血泪。 于是 Context Engineering 开始变重要。你不能只问问题，你得把正确的信息给它。代码、文档、Issue、日志、数据库结构、历史决策、架构约束，这些东西都要被组织起来，变成模型能理解的上下文。 我自己搞 llm-wiki 的时候，对这点感受特别深。很多时候不是模型不聪明，是它看不见。…

来源说明

当前只保存了公开页面节选，不代表原文全文。请以原始来源为准。

本页只呈现已做哈希绑定的来源证据，不包含基于旧正文或缺失原文的扩展推断。