Loop 日报: 2026年7月19日
Loop 圈子这两天明显裂成了两派，而且一天的帖子就能看出这条分界线。一派在拼规模：一夜跑 700 个实验、70 组 GPU 扫参消融、18000 个 agent 的构建系统。另一派在问 Karpathy 这周点破的那个扎心问题：你的 loop 正在规模化生产垃圾，而你根本看不见。今天最有价值的帖子已经不是讲怎么跑 loop 了，而是讲 loop 外面那圈脚手架：准入过滤、会进化的评分指标、spec 先行的纪律、还有让下一个 agent 能接着上一个死掉的 agent 继续干的证据链。loop 本身已经是大路货了，judge、记忆、还有钱怎么流转，这三样才是真功夫转移到的地方。
#1
@swyx
https://x.com/swyx/status/2078244735794413786
Swyx 丢出一条看着简单但含金量很高的 alpha：如果你还没让 Codex、Claude、Gemini 或 Devin 的自动化任务每周自动研究怎么提升你的 SEO 和 AEO，那你就是把白捡的钱扔在桌上。他管这叫「早该被做烂但奇怪地没人碰」的机会。关键在框架：一个循环自我改进的 loop，对准的是可衡量的业务指标，而不是代码。这条拿了 125k 展示量，是当天被看得最多的 loop 观点，它指向的是下一波 loop 应用会是营销基础设施，而不是软件工程。
https://x.com/swyx/status/2078244735794413786
Swyx 丢出一条看着简单但含金量很高的 alpha：如果你还没让 Codex、Claude、Gemini 或 Devin 的自动化任务每周自动研究怎么提升你的 SEO 和 AEO，那你就是把白捡的钱扔在桌上。他管这叫「早该被做烂但奇怪地没人碰」的机会。关键在框架：一个循环自我改进的 loop，对准的是可衡量的业务指标，而不是代码。这条拿了 125k 展示量，是当天被看得最多的 loop 观点，它指向的是下一波 loop 应用会是营销基础设施，而不是软件工程。
#2
@0xRicker
https://x.com/0xRicker/status/2078148918173368411
Karpathy 新的 20 分钟对谈的回顾帖，冲到了 200k 展示量：你的 agent loop 正在规模化生产垃圾，而你看不见。单看一条输出没问题，看一千条就会发现熵死了、多样性死了。他的指控是 90% 的 AI 公司在做 demo 而不是产品，因为没人去检查输出的分布，大家只抽样看几条。这一枪正打中本周的主旋律：生成已经被解决了，规模化评估还没有。
https://x.com/0xRicker/status/2078148918173368411
Karpathy 新的 20 分钟对谈的回顾帖，冲到了 200k 展示量：你的 agent loop 正在规模化生产垃圾，而你看不见。单看一条输出没问题，看一千条就会发现熵死了、多样性死了。他的指控是 90% 的 AI 公司在做 demo 而不是产品，因为没人去检查输出的分布，大家只抽样看几条。这一枪正打中本周的主旋律：生成已经被解决了，规模化评估还没有。
#3
@AtlanHQ
https://x.com/AtlanHQ/status/2078128759010451512
今天最诚实的生产环境故事。Atlan 在 2026 年初就有一个调查告警的 agent loop，但照样翻车：每月 11000 条告警，每条都用同样的力度去查，API 预算全烧在噪音上，跑完一轮什么也没学到。解法不是换更好的模型，而是加脚手架：模型跑之前先做准入过滤、记住过去猜错的假设、每次运行卡死成本纪律。结果是 85% 的告警在进模型前就被压掉，单次调查从 10 分钟以上降到 2 分钟左右，成本只有原来的三分之一。loop 的成熟形态长这样。
https://x.com/AtlanHQ/status/2078128759010451512
今天最诚实的生产环境故事。Atlan 在 2026 年初就有一个调查告警的 agent loop，但照样翻车：每月 11000 条告警，每条都用同样的力度去查，API 预算全烧在噪音上，跑完一轮什么也没学到。解法不是换更好的模型，而是加脚手架：模型跑之前先做准入过滤、记住过去猜错的假设、每次运行卡死成本纪律。结果是 85% 的告警在进模型前就被压掉，单次调查从 10 分钟以上降到 2 分钟左右，成本只有原来的三分之一。loop 的成熟形态长这样。
#4
@sudoingX
https://x.com/sudoingX/status/2078204182994235410
一位 Hermes 贡献者在跑所有人都想看的那场 harness 对决：Hermes agent 对 OpenClaw，同一个模型、同一批任务，都接一台 3090 上的 3.9GB Bonsai 模型。他提前公开自己的立场偏向，并承诺不管结果如何都会发出来：两边都用上游原版、同一个本地端点、不搞 fork 小动作。他的切入很锋利：一个早期测试者说 Bonsai 一迭代就崩，另一个说它霸榜 agentic 基准，这个分裂可能根本不是模型的问题，而是 harness 的问题。这场测试要回答的是：跑本地权重的工具调用 loop，到底是一个文件 25 个依赖的方案顶得住，还是上千文件的 TypeScript 大栈顶得住。
https://x.com/sudoingX/status/2078204182994235410
一位 Hermes 贡献者在跑所有人都想看的那场 harness 对决：Hermes agent 对 OpenClaw，同一个模型、同一批任务，都接一台 3090 上的 3.9GB Bonsai 模型。他提前公开自己的立场偏向，并承诺不管结果如何都会发出来：两边都用上游原版、同一个本地端点、不搞 fork 小动作。他的切入很锋利：一个早期测试者说 Bonsai 一迭代就崩，另一个说它霸榜 agentic 基准，这个分裂可能根本不是模型的问题，而是 harness 的问题。这场测试要回答的是：跑本地权重的工具调用 loop，到底是一个文件 25 个依赖的方案顶得住，还是上千文件的 TypeScript 大栈顶得住。
#5
@slash1sol
https://x.com/slash1sol/status/2078196984851095957
一场 Leslie Lamport 演讲被重新打包成对 loop 工程师的直接警告：没有 spec 的无人值守 loop，只是更快地交付坏活。Lamport 的论点是程序员会整个跳过画蓝图的阶段，因为敲键盘的感觉像是在推进，而这波 loop 热潮马上要撞上的正是这堵墙。现在大家设计的是人走开后自己写代码自己检查的 agent loop，但真正让你敢离开的纪律，是在代码之上思考，不是更好的 prompt。spec 就是 loop 工程缺失的那一半。
https://x.com/slash1sol/status/2078196984851095957
一场 Leslie Lamport 演讲被重新打包成对 loop 工程师的直接警告：没有 spec 的无人值守 loop，只是更快地交付坏活。Lamport 的论点是程序员会整个跳过画蓝图的阶段，因为敲键盘的感觉像是在推进，而这波 loop 热潮马上要撞上的正是这堵墙。现在大家设计的是人走开后自己写代码自己检查的 agent loop，但真正让你敢离开的纪律，是在代码之上思考，不是更好的 prompt。spec 就是 loop 工程缺失的那一半。
#6
@Mnilax
https://x.com/Mnilax/status/2078184270305095800
一篇拆解 Amazon 自我改进 agent loop 新打法的帖子，正面硬刚 judge 问题：技能要进化，给技能打分的指标也要进化，两者都对着一个固定锚点做审计，然后重复。大多数 loop 追的是一个从没被验证过的分数；Amazon 连分数本身也一起构建，用一堆小的可检查的判断长出一个透明指标，而不是用一个不透明的 LLM judge。报告的结果：在代码、text-to-SQL 和报告生成三个领域，进化出来的指标能拿回真人手工构建指标 88% 到 110% 的提升。
https://x.com/Mnilax/status/2078184270305095800
一篇拆解 Amazon 自我改进 agent loop 新打法的帖子，正面硬刚 judge 问题：技能要进化，给技能打分的指标也要进化，两者都对着一个固定锚点做审计，然后重复。大多数 loop 追的是一个从没被验证过的分数；Amazon 连分数本身也一起构建，用一堆小的可检查的判断长出一个透明指标，而不是用一个不透明的 LLM judge。报告的结果：在代码、text-to-SQL 和报告生成三个领域，进化出来的指标能拿回真人手工构建指标 88% 到 110% 的提升。
#7
@Aria_086
https://x.com/Aria_086/status/2078252623443231096
一场在 Karpathy autoresearch 基准上的正面耐力赛：一个 GPT-2 风格的小 nanochat 模型，一份写着永远别停的 program.md，加上标准循环——提一个改动、训 5 分钟、留或弃。Claude 中途自己停了。AdaL 整整跑满 49 小时，一次没有擅自停下。不管你怎么看参赛的这几个 agent，这场测试隔离出了一个真实且被低估的维度：过夜研究 loop 真正要的是无人值守的持久力，不是智力。
https://x.com/Aria_086/status/2078252623443231096
一场在 Karpathy autoresearch 基准上的正面耐力赛：一个 GPT-2 风格的小 nanochat 模型，一份写着永远别停的 program.md，加上标准循环——提一个改动、训 5 分钟、留或弃。Claude 中途自己停了。AdaL 整整跑满 49 小时，一次没有擅自停下。不管你怎么看参赛的这几个 agent，这场测试隔离出了一个真实且被低估的维度：过夜研究 loop 真正要的是无人值守的持久力，不是智力。
#8
@MacrocosmosAI
https://x.com/MacrocosmosAI/status/2078096057989255202
Macrocosmos 报告他们的 Orion 训练冲刺现在跑在一套 70 多个 autoresearch 扫参的实验栈上，消融各种参数来最大化生产环境的 MFU。几百万 token、200 张 GPU、一个 autoresearch loop。这是这波趋势安静的工业版本：autoresearch 不是 demo，而是训练团队用来调吞吐量的常设基础设施。
https://x.com/MacrocosmosAI/status/2078096057989255202
Macrocosmos 报告他们的 Orion 训练冲刺现在跑在一套 70 多个 autoresearch 扫参的实验栈上，消融各种参数来最大化生产环境的 MFU。几百万 token、200 张 GPU、一个 autoresearch loop。这是这波趋势安静的工业版本：autoresearch 不是 demo，而是训练团队用来调吞吐量的常设基础设施。
#9
@blelbach
https://x.com/blelbach/status/2078136877442359593
NVIDIA 的 Bryce Lelbach 在克拉科夫的 EuroPython 上带一场 GPU MODE Cholesky 竞赛的 sprint，教人用 autoresearch 写 CUDA kernel，Modal 捐 GPU 算力，NVIDIA 提供前沿 LLM 访问。kernel 优化本来就是 autoresearch 最早的杀手级 demo，现在直接变成了会议 workshop 的固定格式：发一套 harness 和一个排行榜，让 loop 自己去磨。
https://x.com/blelbach/status/2078136877442359593
NVIDIA 的 Bryce Lelbach 在克拉科夫的 EuroPython 上带一场 GPU MODE Cholesky 竞赛的 sprint，教人用 autoresearch 写 CUDA kernel，Modal 捐 GPU 算力，NVIDIA 提供前沿 LLM 访问。kernel 优化本来就是 autoresearch 最早的杀手级 demo，现在直接变成了会议 workshop 的固定格式：发一套 harness 和一个排行榜，让 loop 自己去磨。
#10
@realbarnakiss
https://x.com/realbarnakiss/status/2078135366662389868
一位从 Rust ZK 代码转向用 Lean 形式化 proximity gap 问题的研究者，分享了血泪换来的 loop 经验：任何带条件的东西都容易幻觉，哪怕过了好几轮审计也一样；而对撞式的双 agent autoresearch 设计是真有威力，因为两边各自钉死一个具体目标，通过一个较弱的编排模型和一个 GitHub 仓库共享知识。最大的难题是空洞目标，而这正是双 agent 结构能破的。还有一段坦率的模型点评：Fable 表现很强，Kimi 大到没法忽视，而把前沿模型关起门来才是整个生态最大的风险。
https://x.com/realbarnakiss/status/2078135366662389868
一位从 Rust ZK 代码转向用 Lean 形式化 proximity gap 问题的研究者，分享了血泪换来的 loop 经验：任何带条件的东西都容易幻觉，哪怕过了好几轮审计也一样；而对撞式的双 agent autoresearch 设计是真有威力，因为两边各自钉死一个具体目标，通过一个较弱的编排模型和一个 GitHub 仓库共享知识。最大的难题是空洞目标，而这正是双 agent 结构能破的。还有一段坦率的模型点评：Fable 表现很强，Kimi 大到没法忽视，而把前沿模型关起门来才是整个生态最大的风险。
#11
@tanmays
https://x.com/tanmays/status/2078133547685273676
Halo 加了个 auto-research 功能：LLM 自己判断哪个即将到来的日程值得提前研究，然后自己去做。一个会议触发对参会人的调研，一条喝咖啡的提醒触发对附近最好咖啡店的调研。有意思的是自主权的反转：不是用户来要研究，而是 agent 决定什么值得跑一轮研究 loop。替你主动做研究，正在悄悄长成一个产品品类。
https://x.com/tanmays/status/2078133547685273676
Halo 加了个 auto-research 功能：LLM 自己判断哪个即将到来的日程值得提前研究，然后自己去做。一个会议触发对参会人的调研，一条喝咖啡的提醒触发对附近最好咖啡店的调研。有意思的是自主权的反转：不是用户来要研究，而是 agent 决定什么值得跑一轮研究 loop。替你主动做研究，正在悄悄长成一个产品品类。
#12
@baldwinbuilds
https://x.com/baldwinbuilds/status/2078267874129453066
一人电影工作室被压成一个 agentic loop：Claude Fable 5 在 Claude Code 里管制片，Veo 3.1 做动画，每一帧都在 headless Chrome 里渲染，连脚步声都是代码合成的。人类唯一的工作是导演。产出是给一个求职者产品做的 60 秒讲解视频。一个人坐在顶上、视频生产变成一个 loop——这正是这个栏目存在的意义：非编程应用。
https://x.com/baldwinbuilds/status/2078267874129453066
一人电影工作室被压成一个 agentic loop：Claude Fable 5 在 Claude Code 里管制片，Veo 3.1 做动画，每一帧都在 headless Chrome 里渲染，连脚步声都是代码合成的。人类唯一的工作是导演。产出是给一个求职者产品做的 60 秒讲解视频。一个人坐在顶上、视频生产变成一个 loop——这正是这个栏目存在的意义：非编程应用。
#13
@Gyome1_
https://x.com/Gyome1_/status/2078213215394074635
一条长线程讲 Anthropic 那个 16 个 Claude 写 C 编译器实验里最诡异的部分：这个项目撑过了将近 2000 个独立 session，中间没有人类重新交代过状态，因为 agent 之间传的不是对话，而是留下的证据。写完的代码进仓库，失败的测试就是下一条指令，任务文件标记试过什么，进度笔记警告哪里埋着雷。记忆搬进了文件，判断搬进了测试，所以 16 个失忆的 agent 才能把一个项目维护过 140000 步、100000 行代码。
https://x.com/Gyome1_/status/2078213215394074635
一条长线程讲 Anthropic 那个 16 个 Claude 写 C 编译器实验里最诡异的部分：这个项目撑过了将近 2000 个独立 session，中间没有人类重新交代过状态，因为 agent 之间传的不是对话，而是留下的证据。写完的代码进仓库，失败的测试就是下一条指令，任务文件标记试过什么，进度笔记警告哪里埋着雷。记忆搬进了文件，判断搬进了测试，所以 16 个失忆的 agent 才能把一个项目维护过 140000 步、100000 行代码。
#14
@0xCodila
https://x.com/0xCodila/status/2078266775397859577
一篇 Claude Code 团队 managed-agents 系统的复盘：18000 个 agent，140000 步，90% 的运行没有任何人类敲键盘。打法是：干掉全能型 agent，每个阶段一个专职（调查员、规划员、构建员），按 agent 锁权限，用 Slack 消息或状态变化触发来取代聊天，全部跑在服务端所以能自己恢复，让 agent 每晚重读自己的记忆。抛开营销滤镜，这些架构要点都很具体，而且和独立开发者们各自摸索出来的东西不谋而合。
https://x.com/0xCodila/status/2078266775397859577
一篇 Claude Code 团队 managed-agents 系统的复盘：18000 个 agent，140000 步，90% 的运行没有任何人类敲键盘。打法是：干掉全能型 agent，每个阶段一个专职（调查员、规划员、构建员），按 agent 锁权限，用 Slack 消息或状态变化触发来取代聊天，全部跑在服务端所以能自己恢复，让 agent 每晚重读自己的记忆。抛开营销滤镜，这些架构要点都很具体，而且和独立开发者们各自摸索出来的东西不谋而合。
#15
@Zach_Schloss
https://x.com/Zach_Schloss/status/2077941639780143271
一条关于 Replit 的引用推里藏着一个锋利的理论点：他们的 AI 团队做了一套持续学习系统，分析用户反馈、提出改进、再用基准和 A/B 测试验证收益，让 Replit Agent 自我改进。洞察在于：就算模型本身不能递归自我改进，agent 系统也可以，只要 harness 在 agent 自己的掌控之下。系统层面的 RSI 能逼近 harness 工程本身所能给出的收益上限，根本不需要新模型。
https://x.com/Zach_Schloss/status/2077941639780143271
一条关于 Replit 的引用推里藏着一个锋利的理论点：他们的 AI 团队做了一套持续学习系统，分析用户反馈、提出改进、再用基准和 A/B 测试验证收益，让 Replit Agent 自我改进。洞察在于：就算模型本身不能递归自我改进，agent 系统也可以，只要 harness 在 agent 自己的掌控之下。系统层面的 RSI 能逼近 harness 工程本身所能给出的收益上限，根本不需要新模型。
#16
@LAVAwithanS
https://x.com/LAVAwithanS/status/2078161084532261161
今天最好的一句审计提问，对准一个被描述成自我改进的 Coinbase 工作流：连 loop 都没有，凭什么叫自我改进 loop？摄取、总结、排序、起草、提交审核，这是一条 pipeline。agent 从哪里拿到正负反馈信号，又在哪里改进？这个问题值得偷来当过滤器用：市面上大多数号称自我改进 loop 的东西，其实是没有任何学习回边的前馈管线。
https://x.com/LAVAwithanS/status/2078161084532261161
今天最好的一句审计提问，对准一个被描述成自我改进的 Coinbase 工作流：连 loop 都没有，凭什么叫自我改进 loop？摄取、总结、排序、起草、提交审核，这是一条 pipeline。agent 从哪里拿到正负反馈信号，又在哪里改进？这个问题值得偷来当过滤器用：市面上大多数号称自我改进 loop 的东西，其实是没有任何学习回边的前馈管线。
#17
@ZAlvin39105
https://x.com/ZAlvin39105/status/2078241042915103022
一个有思考含量的开放问题：harness 工程之后是什么？推理模型已经把 CoT prompting 曾经诱导出来的东西内化了，交错的推理加工具使用就是学出来的 ReAct。顺理成章的下一步是把 agent loop 本身也内化：规划、错误恢复、验证、停止。作者给的试探性答案是对的：认知搬进模型里，强制力留在外面。harness 继续负责沙箱、权限、预算和审计，恰恰因为它就不该信任那个学出来的策略。
https://x.com/ZAlvin39105/status/2078241042915103022
一个有思考含量的开放问题：harness 工程之后是什么？推理模型已经把 CoT prompting 曾经诱导出来的东西内化了，交错的推理加工具使用就是学出来的 ReAct。顺理成章的下一步是把 agent loop 本身也内化：规划、错误恢复、验证、停止。作者给的试探性答案是对的：认知搬进模型里，强制力留在外面。harness 继续负责沙箱、权限、预算和审计，恰恰因为它就不该信任那个学出来的策略。
#18
@stas_sorokin_
https://x.com/stas_sorokin_/status/2078107078208438330
一份 loop 验证关卡的操作员清单：在 CLAUDE.md 里定义期望行为，让 judge 和这个定义对齐，每条输出都过一遍验证 loop，只记 verified=1 或 unverified=0，验证通过的往前推、其余的回炉，再用一个过夜 autoresearch loop 来改进这套系统本身。点名的失败条件是 judge 错位：如果指令要的是一种行为而 judge 奖励的是另一种，那这个分数保护不了生产环境。二元关卡加上 judge 与 spec 的一致性，说得明明白白。
https://x.com/stas_sorokin_/status/2078107078208438330
一份 loop 验证关卡的操作员清单：在 CLAUDE.md 里定义期望行为，让 judge 和这个定义对齐，每条输出都过一遍验证 loop，只记 verified=1 或 unverified=0，验证通过的往前推、其余的回炉，再用一个过夜 autoresearch loop 来改进这套系统本身。点名的失败条件是 judge 错位：如果指令要的是一种行为而 judge 奖励的是另一种，那这个分数保护不了生产环境。二元关卡加上 judge 与 spec 的一致性，说得明明白白。
#19
@kerrsee
https://x.com/kerrsee/status/2078228956319539226
一条值得收藏的推，重新框定了 Kimi K3 的发布：真正重要的数字不是 2.8T 参数，而是百万 token 上下文下 6.3 倍的解码速度。参数量是你租来撑面子的虚荣指标；长上下文的解码速度才决定一个 agent loop 是能用还是幻灯片。loop 工程师就该用这个视角去读每一次模型发布。
https://x.com/kerrsee/status/2078228956319539226
一条值得收藏的推，重新框定了 Kimi K3 的发布：真正重要的数字不是 2.8T 参数，而是百万 token 上下文下 6.3 倍的解码速度。参数量是你租来撑面子的虚荣指标；长上下文的解码速度才决定一个 agent loop 是能用还是幻灯片。loop 工程师就该用这个视角去读每一次模型发布。
#20
@initc3org
https://x.com/initc3org/status/2078172975476449408
IC3 介绍了 BitRouter，一个自我改进的 LLM 路由器，兼容任何 harness 或 loop，每跑一次都在优化 agentic 工作流。生产环境的 agent 运行动辄几千次模型调用，大多数根本不需要前沿模型；BitRouter 把每次调用路由到最便宜的够用模型，并通过一个行动-观察-评估-学习的 RL 循环持续改进策略，难任务往上升级，服务商挂了就回退。成本优化作为一个自我改进的层，垫在 loop 底下，而不是塞进 loop 里面。
https://x.com/initc3org/status/2078172975476449408
IC3 介绍了 BitRouter，一个自我改进的 LLM 路由器，兼容任何 harness 或 loop，每跑一次都在优化 agentic 工作流。生产环境的 agent 运行动辄几千次模型调用，大多数根本不需要前沿模型；BitRouter 把每次调用路由到最便宜的够用模型，并通过一个行动-观察-评估-学习的 RL 循环持续改进策略，难任务往上升级，服务商挂了就回退。成本优化作为一个自我改进的层，垫在 loop 底下，而不是塞进 loop 里面。
#21
@Praveen_G07
https://x.com/Praveen_G07/status/2078077651231944805
MetaSkill-Evolve 论文的回顾：agent 不只进化任务技能，还进化元技能，也就是它学习的方式。一个快 loop 改进任务技能，一个慢 loop 改进学习策略，五个协作 agent（Analyzer、Retriever、Allocator、Proposer、Evolver）同时打磨两层，全程不需要微调。报告的收益：OfficeQA 上 +23.54，SealQA 上 +16.09，都是对比基线。双时间尺度的自我改进是一条真正的新轴线：重新设计 loop 的 loop。
https://x.com/Praveen_G07/status/2078077651231944805
MetaSkill-Evolve 论文的回顾：agent 不只进化任务技能，还进化元技能，也就是它学习的方式。一个快 loop 改进任务技能，一个慢 loop 改进学习策略，五个协作 agent（Analyzer、Retriever、Allocator、Proposer、Evolver）同时打磨两层，全程不需要微调。报告的收益：OfficeQA 上 +23.54，SealQA 上 +16.09，都是对比基线。双时间尺度的自我改进是一条真正的新轴线：重新设计 loop 的 loop。
#22
@SungJinIn2
https://x.com/SungJinIn2/status/2078238326763761842
一篇取材自 YC 和 Replit 实践的长文，讲自动驾驶公司这个模式。核心诊断是失忆陷阱：每次聊天都归零，生产力永远不复利。解法是架构性的：别再造助手，去造一支有外化记忆的劳动力队伍，让上下文活在文件和库里，而不是人脑那七个格子的工作记忆里。方向上和 C 编译器实验殊途同归：复利来自 agent 之外的状态。
https://x.com/SungJinIn2/status/2078238326763761842
一篇取材自 YC 和 Replit 实践的长文，讲自动驾驶公司这个模式。核心诊断是失忆陷阱：每次聊天都归零，生产力永远不复利。解法是架构性的：别再造助手，去造一支有外化记忆的劳动力队伍，让上下文活在文件和库里，而不是人脑那七个格子的工作记忆里。方向上和 C 编译器实验殊途同归：复利来自 agent 之外的状态。
#23
@GeoffreyLentner
https://x.com/GeoffreyLentner/status/2078115204416643520
一位科研软件工程师发布了软件工厂：HyperShell 项目下一条端到端、自我改进的 agentic loop，遵循 spec 驱动开发，可移植到任何项目。六个 agent skill 加配套模板，驱动科研软件的功能开发。值得注意的是，这是创业公司反复重新发现的那个模式的学术基建版：spec 先行，loop 其次，skill 作为打包单位。
https://x.com/GeoffreyLentner/status/2078115204416643520
一位科研软件工程师发布了软件工厂：HyperShell 项目下一条端到端、自我改进的 agentic loop，遵循 spec 驱动开发，可移植到任何项目。六个 agent skill 加配套模板，驱动科研软件的功能开发。值得注意的是，这是创业公司反复重新发现的那个模式的学术基建版：spec 先行，loop 其次，skill 作为打包单位。
#24
@getpiercode
https://x.com/getpiercode/status/2078135647777468463
Pier 上线一个月用户破 1000，并从 v1.5.0 开始开源：克隆下来本地跑，通过 Sarvam AI 或 OpenRouter 自带 key，完整的 prompt、harness 和 agent loop 全部开放给你读和改。每周都有新的编程 agent harness 开源；护城河在持续从 harness 代码迁移到围绕它的运营知识上。
https://x.com/getpiercode/status/2078135647777468463
Pier 上线一个月用户破 1000，并从 v1.5.0 开始开源：克隆下来本地跑，通过 Sarvam AI 或 OpenRouter 自带 key，完整的 prompt、harness 和 agent loop 全部开放给你读和改。每周都有新的编程 agent harness 开源；护城河在持续从 harness 代码迁移到围绕它的运营知识上。
#25
@beicasunlaoshu
https://x.com/beicasunlaoshu/status/2078005241052909710
那个开放科学项目（一个 Claude Science 的替代品，内置 24 个连接器和 200 多个可调用的科学工具）在 Kimi K3 发布当晚就开始测它当引擎：多轮工具调用的稳定性、推理内容会不会丢、连接器选择、R 和 Python 执行、以及最大思考模式下的 token 消耗。有个细节值得注意：K3 自己建议按需加载工具，而不是把所有 schema 一股脑塞进上下文，这恰恰是一个 200 工具的科学工作台最能压出来的约束。第一晚的目标很朴素：把完整的 agent loop 跑通。
https://x.com/beicasunlaoshu/status/2078005241052909710
那个开放科学项目（一个 Claude Science 的替代品，内置 24 个连接器和 200 多个可调用的科学工具）在 Kimi K3 发布当晚就开始测它当引擎：多轮工具调用的稳定性、推理内容会不会丢、连接器选择、R 和 Python 执行、以及最大思考模式下的 token 消耗。有个细节值得注意：K3 自己建议按需加载工具，而不是把所有 schema 一股脑塞进上下文，这恰恰是一个 200 工具的科学工作台最能压出来的约束。第一晚的目标很朴素：把完整的 agent loop 跑通。
#26
@TeksCreate
https://x.com/TeksCreate/status/2077924902863061114
一篇拆解 1Password 新集成的帖子，直击 loop 的头号断点：登录墙。Claude 现在可以在完全不读到凭据的情况下使用它们——通过 1Password 安全通道的零暴露注入、按任务的生物识别授权、自动填充后的页面扫描、以及只放行被授权凭据的 vault 锁定。以前每次 agent 撞上「请登录以继续」，loop 就断，人就得接手。用而不读，是每家密码管理器接下来都不得不抄的模式。
https://x.com/TeksCreate/status/2077924902863061114
一篇拆解 1Password 新集成的帖子，直击 loop 的头号断点：登录墙。Claude 现在可以在完全不读到凭据的情况下使用它们——通过 1Password 安全通道的零暴露注入、按任务的生物识别授权、自动填充后的页面扫描、以及只放行被授权凭据的 vault 锁定。以前每次 agent 撞上「请登录以继续」，loop 就断，人就得接手。用而不读，是每家密码管理器接下来都不得不抄的模式。
#27
@ernDju
https://x.com/ernDju/status/2078040333192196435
一位开发者在把支付直接接进 loop 本身：给 agent 一个 pay_for_service 工具，让它在推理中途调用一个 x402 计费的服务，付钱、拿回结果、接着推理。支付作为一等公民的工具调用，而不是人类去结账的步骤，这正是 agent 对 agent 商业真正缺的那块拼图，现在正一个工具一个工具地被搭出来。
https://x.com/ernDju/status/2078040333192196435
一位开发者在把支付直接接进 loop 本身：给 agent 一个 pay_for_service 工具，让它在推理中途调用一个 x402 计费的服务，付钱、拿回结果、接着推理。支付作为一等公民的工具调用，而不是人类去结账的步骤，这正是 agent 对 agent 商业真正缺的那块拼图，现在正一个工具一个工具地被搭出来。
#28
@backnotprop
https://x.com/backnotprop/status/2077906994858807751
一条犀利的基础设施吐槽：今天你没法把事件推送进 agent，只能让它自己循环观察，或者让 harness 来扛这份契约。谁都能写个轮询 API 的 bot，缺的是一个让 agent 原生接收事件的协议适配器，两端都是 agent 加 MCP。事件驱动 agent 对轮询 loop 是一个真实的架构分叉，而今天轮询在赢，赢在默认，不是赢在道理。
https://x.com/backnotprop/status/2077906994858807751
一条犀利的基础设施吐槽：今天你没法把事件推送进 agent，只能让它自己循环观察，或者让 harness 来扛这份契约。谁都能写个轮询 API 的 bot，缺的是一个让 agent 原生接收事件的协议适配器，两端都是 agent 加 MCP。事件驱动 agent 对轮询 loop 是一个真实的架构分叉，而今天轮询在赢，赢在默认，不是赢在道理。
#29
@stretchcloud
https://x.com/stretchcloud/status/2077943873398358041
一篇分析讲为什么所有主流编程工具都收敛到了行内 PR review：写与审之间的上下文切换，正是 agentic 生产力漏掉的地方。OpenAI 给 Codex 加了行内 review，让写代码的那个 agent 在同一个 session 里读到审查反馈并立刻处理；Copilot、Cursor、Windsurf、Codeium 全在攻同一个缺口。真正要紧的区别：在 Cursor 里你审的是你写的东西，在 Codex 里是 agent 审它自己写的东西，你只是在批准而不是在写。悬而未决的问题是扫一眼的速度下怎么校准信任。
https://x.com/stretchcloud/status/2077943873398358041
一篇分析讲为什么所有主流编程工具都收敛到了行内 PR review：写与审之间的上下文切换，正是 agentic 生产力漏掉的地方。OpenAI 给 Codex 加了行内 review，让写代码的那个 agent 在同一个 session 里读到审查反馈并立刻处理；Copilot、Cursor、Windsurf、Codeium 全在攻同一个缺口。真正要紧的区别：在 Cursor 里你审的是你写的东西，在 Codex 里是 agent 审它自己写的东西，你只是在批准而不是在写。悬而未决的问题是扫一眼的速度下怎么校准信任。
#30
@JacobCounsell
https://x.com/JacobCounsell/status/2077943591557570717
一位开发者发布了 LaunchChair，一个 spec 驱动的 agent loop，不用写 prompt 就能做出经过市场验证的产品：输入一个问题和一个解法，它验证想法、自动生成 spec 和 PRD，然后产出一个看板，每张功能卡都带验收标准、prompt 和补救 prompt。完整的 MCP 和 API 让 Codex 或 Claude 端到端跑完全程。prompt 这一层正在被编译掉：人类表达意图，系统生成 agent 将来需要的每一条 prompt。
https://x.com/JacobCounsell/status/2077943591557570717
一位开发者发布了 LaunchChair，一个 spec 驱动的 agent loop，不用写 prompt 就能做出经过市场验证的产品：输入一个问题和一个解法，它验证想法、自动生成 spec 和 PRD，然后产出一个看板，每张功能卡都带验收标准、prompt 和补救 prompt。完整的 MCP 和 API 让 Codex 或 Claude 端到端跑完全程。prompt 这一层正在被编译掉：人类表达意图，系统生成 agent 将来需要的每一条 prompt。
#31
@clawpumptech
https://x.com/clawpumptech/status/2078207706893255088
CLAW Agent 以 MIT 协议开源了：一个基于 Nous Research 的 Hermes 构建的 Solana 自我改进 agent，带一整套 131 个工具的 MCP 面，能发币、交易、跑永续合约、DCA、借贷，还能从终端或 Telegram 管理 agent。发币这个用例先放一边；真正值得注意的是这个模式——一整套垂直 agent 栈（harness、MCP 工具、自我改进）在一个离编程很远的领域以开源形式发货。
https://x.com/clawpumptech/status/2078207706893255088
CLAW Agent 以 MIT 协议开源了：一个基于 Nous Research 的 Hermes 构建的 Solana 自我改进 agent，带一整套 131 个工具的 MCP 面，能发币、交易、跑永续合约、DCA、借贷，还能从终端或 Telegram 管理 agent。发币这个用例先放一边；真正值得注意的是这个模式——一整套垂直 agent 栈（harness、MCP 工具、自我改进）在一个离编程很远的领域以开源形式发货。
#32
@YanXieAI
https://x.com/YanXieAI/status/2078192185460322315
GTLC 大会上关于 agentic 时代的无滤镜心得：三分之二的开发者在 agent 都标记代码可疑的情况下照样批准通过，说明人类护栏在漏水；带递归改进的可扩展多 agent 系统，最后又塌回经典的分布式系统问题（状态、回滚、重试、监控），而配套基础设施还很稚嫩；auto-research 和迭代 loop 让 token 消耗爆炸，推高了一波推理优化热潮，但纯 GPU 云并没有因此获得护城河。可检验的预测：专门的 agent 安全赛道会爆发式增长。
https://x.com/YanXieAI/status/2078192185460322315
GTLC 大会上关于 agentic 时代的无滤镜心得：三分之二的开发者在 agent 都标记代码可疑的情况下照样批准通过，说明人类护栏在漏水；带递归改进的可扩展多 agent 系统，最后又塌回经典的分布式系统问题（状态、回滚、重试、监控），而配套基础设施还很稚嫩；auto-research 和迭代 loop 让 token 消耗爆炸，推高了一波推理优化热潮，但纯 GPU 云并没有因此获得护城河。可检验的预测：专门的 agent 安全赛道会爆发式增长。
#33
@ritvikkapila
https://x.com/ritvikkapila/status/2078203133671698733
Neo Sigma 分享了给自主 agent 建沙箱基础设施的经验，并将与 Daytona、Core Auto 和 Exa 一起在 AGI House 联合主办一场 auto-research 峰会。沙箱、RL 基础设施和搜索服务商围着 auto-research 这个已经成名的品类办峰会，这本身就告诉你工具厂商们认为工作负载正在往哪走。
https://x.com/ritvikkapila/status/2078203133671698733
Neo Sigma 分享了给自主 agent 建沙箱基础设施的经验，并将与 Daytona、Core Auto 和 Exa 一起在 AGI House 联合主办一场 auto-research 峰会。沙箱、RL 基础设施和搜索服务商围着 auto-research 这个已经成名的品类办峰会，这本身就告诉你工具厂商们认为工作负载正在往哪走。
#34
@Saboo_Shubham_
https://x.com/Saboo_Shubham_/status/2077943117873815978
那个 123k star 的开源 agents 仓库又在趋势榜上了，而最近新增的内容全是 loop 味的：对着 eval 自我改写的 agent skill、一个你睡觉时替你读 Hacker News 的常驻简报 agent、还有一个三层编排模式——Fable 当顾问，GPT-5.6 当编排者，Gemini 3.5 Flash 当工人。对着 eval harness 自我修改的 skill 出现在一个主流免费仓库里，标志着这个模式从研究正式跨进了商品化。
https://x.com/Saboo_Shubham_/status/2077943117873815978
那个 123k star 的开源 agents 仓库又在趋势榜上了，而最近新增的内容全是 loop 味的：对着 eval 自我改写的 agent skill、一个你睡觉时替你读 Hacker News 的常驻简报 agent、还有一个三层编排模式——Fable 当顾问，GPT-5.6 当编排者，Gemini 3.5 Flash 当工人。对着 eval harness 自我修改的 skill 出现在一个主流免费仓库里，标志着这个模式从研究正式跨进了商品化。
📡 生态产品雷达
生态产品雷达
今天的 loop 讨论中被提到 3 次以上的产品和工具：
Claude Code - 大多数 loop 配置里的默认 harness，从电影制片到 managed-agent 舰队都在用
Hermes - Nous Research 的单文件 agent loop；CLAW Agent 的底座，也是 harness 对决的一方
OpenClaw - 现任重量级 harness，在本地模型上迎战 Hermes 的卫冕战
Codex - OpenAI 的 agent，新加了行内 PR review，把写与审的循环闭上了
Kimi K3 - Moonshot 的 2.8T MoE，长上下文解码快 6.3 倍，发布第一天就被接进科学工作台和各种 loop
Karpathy autoresearch - 一夜 700 实验、耐力测试和 CUDA sprint 背后的那套基准和方法
MCP - 工具面的事实标准：131 工具的 agent 栈、科学工作台、spec 驱动的产品工厂都靠它
x402 - agent 原生的支付计费，正在被直接接进推理 loop
Fable 5 - Anthropic 的前沿模型，在多模型 loop 栈里以编排者和顾问的角色频频出现
今天的 loop 讨论中被提到 3 次以上的产品和工具：
Claude Code - 大多数 loop 配置里的默认 harness，从电影制片到 managed-agent 舰队都在用
Hermes - Nous Research 的单文件 agent loop；CLAW Agent 的底座，也是 harness 对决的一方
OpenClaw - 现任重量级 harness，在本地模型上迎战 Hermes 的卫冕战
Codex - OpenAI 的 agent，新加了行内 PR review，把写与审的循环闭上了
Kimi K3 - Moonshot 的 2.8T MoE，长上下文解码快 6.3 倍，发布第一天就被接进科学工作台和各种 loop
Karpathy autoresearch - 一夜 700 实验、耐力测试和 CUDA sprint 背后的那套基准和方法
MCP - 工具面的事实标准：131 工具的 agent 栈、科学工作台、spec 驱动的产品工厂都靠它
x402 - agent 原生的支付计费，正在被直接接进推理 loop
Fable 5 - Anthropic 的前沿模型，在多模型 loop 栈里以编排者和顾问的角色频频出现
评论