Loop 日报: 2026年7月6日
这一周，loop（循环）不再只是拿来演示的花活，开始真正变成基础设施。最响亮的一条主线是：任何一个便宜的反馈指标，都能被包装成一个通宵运转的 agent——它自己提改动、自己跑、赢了就留下、输了就回滚，然后趁你睡觉的时候一遍遍重复。Karpathy 的 nanochat 实验是最出圈的招牌案例，但真正的故事是这套模式正在往各处渗透：Shopify 的生产环境机器学习、NVIDIA 的机器人、PlanetScale 的运维自动化。同时也冒出了越来越大的一群怀疑派，他们点破了一个要害：一个跑得飞快、却对着一个糟糕裁判打分的 loop，不过是一种更昂贵的、错得更快的方式。
#1
@fatih
https://x.com/fatih/status/2073494487549276494
PlanetScale 跑着一整支会自我维护的运维 skill 编队，几乎就是「agent loop」在写代码之外长什么样的预告片。一个端到端巡检器专门抓不稳定的测试并挖出根因；一个文档刷新器每 6 小时跑一次、自动开 PR 让文档保持最新；一个备份巡检器扫全编队的失败情况，用只读方式在生产环境里 debug，一旦某个客户的备份连续两天失败就自动开事故单。最妙的是：有些自动化会去读 Slack 里的吐槽（比如「这是 flake，不是真的备份失败」），然后回头改那个驱动自动化的 SKILL 文件，于是 loop 自己给自己调参。他很诚实的那句提醒才是重点——因为这些东西是非确定性的，每个自动化上线前都还得人工收尾、调 prompt 才靠谱。这是目前对 loop 干那些不光鲜的基础设施活儿、而非刷榜，最清晰的一张现实地图。
https://x.com/fatih/status/2073494487549276494
PlanetScale 跑着一整支会自我维护的运维 skill 编队，几乎就是「agent loop」在写代码之外长什么样的预告片。一个端到端巡检器专门抓不稳定的测试并挖出根因；一个文档刷新器每 6 小时跑一次、自动开 PR 让文档保持最新；一个备份巡检器扫全编队的失败情况，用只读方式在生产环境里 debug，一旦某个客户的备份连续两天失败就自动开事故单。最妙的是：有些自动化会去读 Slack 里的吐槽（比如「这是 flake，不是真的备份失败」），然后回头改那个驱动自动化的 SKILL 文件，于是 loop 自己给自己调参。他很诚实的那句提醒才是重点——因为这些东西是非确定性的，每个自动化上线前都还得人工收尾、调 prompt 才靠谱。这是目前对 loop 干那些不光鲜的基础设施活儿、而非刷榜，最清晰的一张现实地图。
#2
@webdevcody
https://x.com/webdevcody/status/2073256010563600655
多年手写 Terraform 的活儿，塌缩成了一个 agentic loop：给 Claude 一个 AWS 环境的 root 权限，让它把所有基础设施即代码全写出来，再让它通过 CLI 去验证部署真的起来了。重点不是它有多神，而是「部署到 AWS」这件事现在有了一个又快又可检验的反馈信号（CLI 说它起来了没？），这恰好就是 loop 需要的形状。这条推文吃到了 15 万曝光，也成了本周那场大争论的引爆点——省下来的开发工时，到底是真省了，还是只是被推到了下游。
https://x.com/webdevcody/status/2073256010563600655
多年手写 Terraform 的活儿，塌缩成了一个 agentic loop：给 Claude 一个 AWS 环境的 root 权限，让它把所有基础设施即代码全写出来，再让它通过 CLI 去验证部署真的起来了。重点不是它有多神，而是「部署到 AWS」这件事现在有了一个又快又可检验的反馈信号（CLI 说它起来了没？），这恰好就是 loop 需要的形状。这条推文吃到了 15 万曝光，也成了本周那场大争论的引爆点——省下来的开发工时，到底是真省了，还是只是被推到了下游。
#3
@MortadaDEV
https://x.com/MortadaDEV/status/2073511874826551305
这是对「直接 loop 一把梭」那派人最锋利的反驳。Terraform 之所以繁琐是故意的——它逼着你声明意图、review diff、在上生产前抓出配置错误；一个跳过 review 的 loop 并没有消除复杂度，只是把它藏进了一次没人审的合并里。给 agent 一个 root 权限，意味着每一条幻觉出来的 IAM 策略，都离一个没有 NACL 的公网子网只差一次 apply，于是你「省下」的开发工时会以 on-call 事故工时的形式重新出现。这是本周必要的配重：一个 loop 有多安全，取决于它的裁判有多靠谱、你给它的爆炸半径有多大。
https://x.com/MortadaDEV/status/2073511874826551305
这是对「直接 loop 一把梭」那派人最锋利的反驳。Terraform 之所以繁琐是故意的——它逼着你声明意图、review diff、在上生产前抓出配置错误；一个跳过 review 的 loop 并没有消除复杂度，只是把它藏进了一次没人审的合并里。给 agent 一个 root 权限，意味着每一条幻觉出来的 IAM 策略，都离一个没有 NACL 的公网子网只差一次 apply，于是你「省下」的开发工时会以 on-call 事故工时的形式重新出现。这是本周必要的配重：一个 loop 有多安全，取决于它的裁判有多靠谱、你给它的爆炸半径有多大。
#4
@stretchcloud
https://x.com/stretchcloud/status/2073232832374157705
Shopify 要在 ICML 2026 上展示 Tangent——一个建在他们 Tangle 实验平台上的开源自主 ML 研究员：提出改动、跑实验、读结果、再迭代，走的就是 Karpathy 那套路子。而且这些数字来自生产而非跑分：检索吞吐在同等质量下从 800 QPS 干到了 4200 QPS，主题编译延迟下降，冗余存储被标出来干掉。埋在里面的真正洞见是：瓶颈已经不是模型能不能提出一个改动，而是它能不能在没人逐步复核的情况下，跑出一个有效实验、读到一个真实测量值——这也正是为什么可复现的实验追踪，才是自动化研究真正的前置条件。
https://x.com/stretchcloud/status/2073232832374157705
Shopify 要在 ICML 2026 上展示 Tangent——一个建在他们 Tangle 实验平台上的开源自主 ML 研究员：提出改动、跑实验、读结果、再迭代，走的就是 Karpathy 那套路子。而且这些数字来自生产而非跑分：检索吞吐在同等质量下从 800 QPS 干到了 4200 QPS，主题编译延迟下降，冗余存储被标出来干掉。埋在里面的真正洞见是：瓶颈已经不是模型能不能提出一个改动，而是它能不能在没人逐步复核的情况下，跑出一个有效实验、读到一个真实测量值——这也正是为什么可复现的实验追踪，才是自动化研究真正的前置条件。
#5
@WhinyPuppy98
https://x.com/WhinyPuppy98/status/2073482598274179474
对 Karpathy nanochat 自动研究结果的一次干净拆解，更重要的是讲清了它为什么重要。一个 agent 花了约 2 天调一个 depth-12 的模型，探索了约 700 个改动，找到约 20 个能降低验证 loss 的，而这些收益还迁移到了更大的 depth-24 模型上，把 Time-to-GPT-2 从 2.02 小时压到 1.80 小时（在一个本已人工精调过的项目上又省了约 11%）。教训不是「AI 变魔术做研究」，而是任何一个便宜的反馈指标——验证 loss、测试通过率、延迟、成本、转化率——都能变成一个 loop 趁你不在时学习的记分牌。难的部分从写代码，转移到了设计 loop。
https://x.com/WhinyPuppy98/status/2073482598274179474
对 Karpathy nanochat 自动研究结果的一次干净拆解，更重要的是讲清了它为什么重要。一个 agent 花了约 2 天调一个 depth-12 的模型，探索了约 700 个改动，找到约 20 个能降低验证 loss 的，而这些收益还迁移到了更大的 depth-24 模型上，把 Time-to-GPT-2 从 2.02 小时压到 1.80 小时（在一个本已人工精调过的项目上又省了约 11%）。教训不是「AI 变魔术做研究」，而是任何一个便宜的反馈指标——验证 loss、测试通过率、延迟、成本、转化率——都能变成一个 loop 趁你不在时学习的记分牌。难的部分从写代码，转移到了设计 loop。
#6
@Marktechpost
https://x.com/Marktechpost/status/2073297157684379706
NVIDIA 的 ASPIRE 把 loop 对准了机器人而不是代码。一个 coding agent（Claude Code，Opus 4.6，1M 上下文）针对一套固定的感知/控制 API 自己写、自己 debug 机器人程序，再把每一个验证通过的修复蒸馏进一个可复用的文本 skill 库，于是这个 agent 干到第 100 个任务时，真的比干第一个时更聪明。因为它被禁止读取仿真的 ground truth，这些 skill 得以迁移到真实硬件上：在一台形态完全不同的真实双臂机器人上，迁移过去的 skill 把易拉罐抬取做到了 19/20，且 token 用量少了约 10 倍，抽屉开合从 0/20 干到了 11/20。这是 loop 的「经验复利」版本——记忆是一个 skill 文件，而不是权重。
https://x.com/Marktechpost/status/2073297157684379706
NVIDIA 的 ASPIRE 把 loop 对准了机器人而不是代码。一个 coding agent（Claude Code，Opus 4.6，1M 上下文）针对一套固定的感知/控制 API 自己写、自己 debug 机器人程序，再把每一个验证通过的修复蒸馏进一个可复用的文本 skill 库，于是这个 agent 干到第 100 个任务时，真的比干第一个时更聪明。因为它被禁止读取仿真的 ground truth，这些 skill 得以迁移到真实硬件上：在一台形态完全不同的真实双臂机器人上，迁移过去的 skill 把易拉罐抬取做到了 19/20，且 token 用量少了约 10 倍，抽屉开合从 0/20 干到了 11/20。这是 loop 的「经验复利」版本——记忆是一个 skill 文件，而不是权重。
#7
@vladuah
https://x.com/vladuah/status/2073430382465196038
一份 24/7 自我改进研究装置的具体配方：开了 MCP 的 Hermes Agent，再往配置里丢一个 NotebookLM skill，让 agent 直接读到你上传的知识库，从此不用每个任务都从零开始。它会实时跨你的文档做交叉引用和综合，而且回报随着知识库变大而复利——每日研究摘要、竞品情报、长期项目记忆。十分钟就能搭好，是那种「会自己运转的第二大脑」非编程模式的好例子。
https://x.com/vladuah/status/2073430382465196038
一份 24/7 自我改进研究装置的具体配方：开了 MCP 的 Hermes Agent，再往配置里丢一个 NotebookLM skill，让 agent 直接读到你上传的知识库，从此不用每个任务都从零开始。它会实时跨你的文档做交叉引用和综合，而且回报随着知识库变大而复利——每日研究摘要、竞品情报、长期项目记忆。十分钟就能搭好，是那种「会自己运转的第二大脑」非编程模式的好例子。
#8
@_alejandroao
https://x.com/_alejandroao/status/2073296500298285519
Tau 是一个受 Pi 启发的新开源 agent harness，工具同样极简，但用 Python 重写，让你真能把整套东西读明白。它干净地拆成三层：tau_ai 负责统一各家模型 provider，tau_agent 是 agent loop/harness 本身，tau_coding 管 TUI、工具和会话。这种可读、可魔改的 harness，正是「harness 才是护城河」那派人一直在要的东西，上线第一天就拿了 2.3 万曝光。
https://x.com/_alejandroao/status/2073296500298285519
Tau 是一个受 Pi 启发的新开源 agent harness，工具同样极简，但用 Python 重写，让你真能把整套东西读明白。它干净地拆成三层：tau_ai 负责统一各家模型 provider，tau_agent 是 agent loop/harness 本身，tau_coding 管 TUI、工具和会话。这种可读、可魔改的 harness，正是「harness 才是护城河」那派人一直在要的东西，上线第一天就拿了 2.3 万曝光。
#9
@HenokYemam
https://x.com/HenokYemam/status/2073486624722477498
一份来自 live 自动研究现场的真实操盘手汇报：他把 Codex 5.5 high 在一个非常具体的用例上自主跑了 4 到 5 天，评论区里大家都在追问最该问的那些问题——多久能到那一步、什么时候他不再读代码、设了哪些护栏。这是一扇小窗，让你看到真正跑一个跨天 loop 每天到底是什么样——那个你停止逐行 review、开始信任指标的临界点。
https://x.com/HenokYemam/status/2073486624722477498
一份来自 live 自动研究现场的真实操盘手汇报：他把 Codex 5.5 high 在一个非常具体的用例上自主跑了 4 到 5 天，评论区里大家都在追问最该问的那些问题——多久能到那一步、什么时候他不再读代码、设了哪些护栏。这是一扇小窗，让你看到真正跑一个跨天 loop 每天到底是什么样——那个你停止逐行 review、开始信任指标的临界点。
#10
@kaiostephens
https://x.com/kaiostephens/status/2073458088355500182
硬核用了一整天做副项目之后，对 OMP 的上手评测：内置的自动研究和自带的 skill 是最亮眼的功能，但整个东西对模型的依赖到了残忍的地步——配强模型（Fable 或 5.5）输出很棒，换成 Qwen-3.6 或 DeepSeek-v4-flash 就近乎废物，哪怕这几个模型在 opencode 里表现正常。诚实的结论：他很爱它的自动研究和 skill，但日常写代码还是回去用 opencode。一个有用的提醒：loop 原生工具是放大模型质量，而不是替模型的短板遮丑。
https://x.com/kaiostephens/status/2073458088355500182
硬核用了一整天做副项目之后，对 OMP 的上手评测：内置的自动研究和自带的 skill 是最亮眼的功能，但整个东西对模型的依赖到了残忍的地步——配强模型（Fable 或 5.5）输出很棒，换成 Qwen-3.6 或 DeepSeek-v4-flash 就近乎废物，哪怕这几个模型在 opencode 里表现正常。诚实的结论：他很爱它的自动研究和 skill，但日常写代码还是回去用 opencode。一个有用的提醒：loop 原生工具是放大模型质量，而不是替模型的短板遮丑。
#11
@Oluwaphilemon1
https://x.com/Oluwaphilemon1/status/2073421317307515129
一位产品经理把 GitHub 当作 AI 工作记忆层的打法手册，而且自动研究是内建的一环。除了 PRD、skill 和评测标准，他还把自动研究配置放在一个私有仓库里，并描述了 Karpathy 那套 loop 通宵跑 100 轮、赢了就 commit、输了就 revert，于是你一觉醒来，git log 字面上就是实验日志。更大的论点很犀利：当构建成本趋近于零，你的优势就不再是那条曾经奏效过一次的 prompt，而是那份被版本化的记忆——哪种措辞让 AI 变强、哪种把它搞坏。
https://x.com/Oluwaphilemon1/status/2073421317307515129
一位产品经理把 GitHub 当作 AI 工作记忆层的打法手册，而且自动研究是内建的一环。除了 PRD、skill 和评测标准，他还把自动研究配置放在一个私有仓库里，并描述了 Karpathy 那套 loop 通宵跑 100 轮、赢了就 commit、输了就 revert，于是你一觉醒来，git log 字面上就是实验日志。更大的论点很犀利：当构建成本趋近于零，你的优势就不再是那条曾经奏效过一次的 prompt，而是那份被版本化的记忆——哪种措辞让 AI 变强、哪种把它搞坏。
#12
@raphaelmansuy
https://x.com/raphaelmansuy/status/2073215737364381886
本周对 loop 最有深度的非编程应用：把一家投资机构重新理解为一个建在 agent 循环之上的学习系统——目标 → 上下文 → 推理 → 行动 → 观察 → 评估 → 记忆 → 下一次迭代。他的论断是，大多数机构只是在「积累」（备忘录、模型、踩坑的伤疤）却没有真正学习，因为优势活在某个人的脑子里，而不在一个每做一次决策就变得更好的 loop 里；真正的价值是那个「记忆 → 下一次迭代」的环节，它让第 1000 个决策比第 1 个更锋利。他甚至给这套纪律定了价：决策成本 = 复杂度成本 + 扭曲成本，所以别再往流程里加那些根本改变不了决策的步骤。
https://x.com/raphaelmansuy/status/2073215737364381886
本周对 loop 最有深度的非编程应用：把一家投资机构重新理解为一个建在 agent 循环之上的学习系统——目标 → 上下文 → 推理 → 行动 → 观察 → 评估 → 记忆 → 下一次迭代。他的论断是，大多数机构只是在「积累」（备忘录、模型、踩坑的伤疤）却没有真正学习，因为优势活在某个人的脑子里，而不在一个每做一次决策就变得更好的 loop 里；真正的价值是那个「记忆 → 下一次迭代」的环节，它让第 1000 个决策比第 1 个更锋利。他甚至给这套纪律定了价：决策成本 = 复杂度成本 + 扭曲成本，所以别再往流程里加那些根本改变不了决策的步骤。
#13
@crptAtlas
https://x.com/crptAtlas/status/2073547024457146509
一个把 Anthropic 内部那套搬到别的领域的实做样例。他接着 Boris 那场演讲里「几乎每个 Anthropic 工程师都在跑 100+ 个自我改进 loop 的 agent」的说法，拿走了同样的四块拼图——用 Claude 做推理、用能从每次运行中学习的 loop、用 routine 保证一致性、用动态工作流做适应，然后把它们对准市场：一个自己做研究、自己验证、再自己交易的系统。这是本周那个清晰模式的一部分——人们整套照搬 coding-agent 的 harness，转头对准一个非编程问题。
https://x.com/crptAtlas/status/2073547024457146509
一个把 Anthropic 内部那套搬到别的领域的实做样例。他接着 Boris 那场演讲里「几乎每个 Anthropic 工程师都在跑 100+ 个自我改进 loop 的 agent」的说法，拿走了同样的四块拼图——用 Claude 做推理、用能从每次运行中学习的 loop、用 routine 保证一致性、用动态工作流做适应，然后把它们对准市场：一个自己做研究、自己验证、再自己交易的系统。这是本周那个清晰模式的一部分——人们整套照搬 coding-agent 的 harness，转头对准一个非编程问题。
#14
@KijAkubovs86334
https://x.com/KijAkubovs86334/status/2073320946618761715
一个别人都没敢明说的经济账角度：一套 3600 美元、由四台 Mac mini 组成、跑着 EXO 的集群，能在局域网内把 88GB 统一内存汇成一池，在一个 OpenAI 兼容端点上本地服务 70B 模型。和 loop 的关联是那句点睛：一旦硬件是你自己的，「第 47 个 agent loop 的边际成本只是个舍入误差」——这彻底掀翻了「按 token 付费、还得盯着 rate limit」那套「常驻 loop」的算账逻辑。相比每月 200 美元的 Max 套餐，回本周期大概 9 个月，之后就是纯利润减去电费。自有推理，才是让通宵并行跑几十个 loop 真正合理的前提。
https://x.com/KijAkubovs86334/status/2073320946618761715
一个别人都没敢明说的经济账角度：一套 3600 美元、由四台 Mac mini 组成、跑着 EXO 的集群，能在局域网内把 88GB 统一内存汇成一池，在一个 OpenAI 兼容端点上本地服务 70B 模型。和 loop 的关联是那句点睛：一旦硬件是你自己的，「第 47 个 agent loop 的边际成本只是个舍入误差」——这彻底掀翻了「按 token 付费、还得盯着 rate limit」那套「常驻 loop」的算账逻辑。相比每月 200 美元的 Max 套餐，回本周期大概 9 个月，之后就是纯利润减去电费。自有推理，才是让通宵并行跑几十个 loop 真正合理的前提。
#15
@stretchcloud
https://x.com/stretchcloud/status/2073507138505191694
对「loop 的经济账为什么变了」最清楚的一句陈述：DeepSeek V4 Flash 总参数 284B，但每次前向只激活 13B（MoE），所以定价做到每百万 token 输入 0.14 美元、输出 0.28 美元，同时在 SWE-bench Verified 上拿 79% 分，成本大约只有 Opus 的 1%。他的论点是，对大多数多步 agent 来说，绑住手脚的约束是 token 成本而非能力，所以在 0.28 美元/百万这个价位上，去年还不划算的一整类高频 agentic 工作负载，突然就成立了。他把这比作 S3 在 2008 到 2012 年间降价 80%——随之涌现的应用不是老应用的缩小版，而是被这个价位解锁出来的全新用例。
https://x.com/stretchcloud/status/2073507138505191694
对「loop 的经济账为什么变了」最清楚的一句陈述：DeepSeek V4 Flash 总参数 284B，但每次前向只激活 13B（MoE），所以定价做到每百万 token 输入 0.14 美元、输出 0.28 美元，同时在 SWE-bench Verified 上拿 79% 分，成本大约只有 Opus 的 1%。他的论点是，对大多数多步 agent 来说，绑住手脚的约束是 token 成本而非能力，所以在 0.28 美元/百万这个价位上，去年还不划算的一整类高频 agentic 工作负载，突然就成立了。他把这比作 S3 在 2008 到 2012 年间降价 80%——随之涌现的应用不是老应用的缩小版，而是被这个价位解锁出来的全新用例。
#16
@talirezun
https://x.com/talirezun/status/2073285313816850576
对 Anthropic 定价困局、以及它为什么在把 loop 往更便宜模型上逼，一次精准的诊断。这套经济账只在订阅定价补贴着 agent 用量时才成立；一旦开发者被推到裸的 Claude API 费率上，一个吃 token 的 agent loop 一碰上真实利润率就活不下去，于是团队就通过 SDK 把请求路由到更便宜的模型，拿能力换经济。他的框架是：订阅是为一个人聊天设计的，API 是为一家公司做产品设计的，而 agent 开发这块中间地带，正好从这两者之间的缝里掉了下去。
https://x.com/talirezun/status/2073285313816850576
对 Anthropic 定价困局、以及它为什么在把 loop 往更便宜模型上逼，一次精准的诊断。这套经济账只在订阅定价补贴着 agent 用量时才成立；一旦开发者被推到裸的 Claude API 费率上，一个吃 token 的 agent loop 一碰上真实利润率就活不下去，于是团队就通过 SDK 把请求路由到更便宜的模型，拿能力换经济。他的框架是：订阅是为一个人聊天设计的，API 是为一家公司做产品设计的，而 agent 开发这块中间地带，正好从这两者之间的缝里掉了下去。
#17
@reallyazoz
https://x.com/reallyazoz/status/2073444905758625987
一个已经上线的个人项目：Orbit 最新更新接进了一整套 agentic loop——想 → 设计 → 构建 → QA → 学习 → 记忆，于是每个任务都走一遍结构化流程，而不是一上来就冲去写代码。他强调的差异点是持久记忆——系统跨会话变得更好，而不是每次都重置，这正是本周最强那批 loop 项目共有的那条「经验复利」主线。
https://x.com/reallyazoz/status/2073444905758625987
一个已经上线的个人项目：Orbit 最新更新接进了一整套 agentic loop——想 → 设计 → 构建 → QA → 学习 → 记忆，于是每个任务都走一遍结构化流程，而不是一上来就冲去写代码。他强调的差异点是持久记忆——系统跨会话变得更好，而不是每次都重置，这正是本周最强那批 loop 项目共有的那条「经验复利」主线。
#18
@0x278
https://x.com/0x278/status/2073377889160986636
一个具体的方法论放送：一个用于「agentic loop 工程」的 skills 包，采用「损失函数驱动开发」（Loss Function Driven Development）——每一次运行都被打分，于是你确切知道离目标还有多远、每次迭代是靠近了还是走远了。这正是大多数手搓 loop 里缺的那份纪律：没有一个数值化的「距目标距离」，loop 根本分不清改进和噪声。它把「你需要一个真正的裁判」这条教训，落地成了一个可复用的包。
https://x.com/0x278/status/2073377889160986636
一个具体的方法论放送：一个用于「agentic loop 工程」的 skills 包，采用「损失函数驱动开发」（Loss Function Driven Development）——每一次运行都被打分，于是你确切知道离目标还有多远、每次迭代是靠近了还是走远了。这正是大多数手搓 loop 里缺的那份纪律：没有一个数值化的「距目标距离」，loop 根本分不清改进和噪声。它把「你需要一个真正的裁判」这条教训，落地成了一个可复用的包。
#19
@azizakgul
https://x.com/azizakgul/status/2073294142587699240
一个不大但货真价实的非编程 loop：TinyPostAI 里内建了一整套 agentic loop，于是它每做一次新分析，帮你写帖子就变得更好一点。这是一个漂亮的极简证明——提出、测量、改进这个循环在内容质量上同样奏效，而不只是在代码上；只要你能定义一个帖子的「更好」是什么，你就能对它做 loop。这是自动研究的日常创作者版本。
https://x.com/azizakgul/status/2073294142587699240
一个不大但货真价实的非编程 loop：TinyPostAI 里内建了一整套 agentic loop，于是它每做一次新分析，帮你写帖子就变得更好一点。这是一个漂亮的极简证明——提出、测量、改进这个循环在内容质量上同样奏效，而不只是在代码上；只要你能定义一个帖子的「更好」是什么，你就能对它做 loop。这是自动研究的日常创作者版本。
#20
@Djw_learn
https://x.com/Djw_learn/status/2073218498285785439
一个来自 live 产品（Ultimate Fight IQ）的具体工程模式：与其让 chat agent 返回一堵在手机上就崩的 markdown 墙，它改为调用一个 emit_ui 工具、传回一棵 JSON 组件树，服务端把 props 归一化，前端就在原地渲染出真正带品牌样式的组件（积分榜、实时排行榜）。按钮会把隐藏的后续上下文回传进同一个 agent loop，于是「看看他们的选择」不用重打一遍联赛状态；他们还给 JSON 大小和工具轮次都设了上限，免得 UI 载荷把 loop 撑爆。这是把 agent 输出和 app UI 之间那个环闭合起来的一个干净例子。
https://x.com/Djw_learn/status/2073218498285785439
一个来自 live 产品（Ultimate Fight IQ）的具体工程模式：与其让 chat agent 返回一堵在手机上就崩的 markdown 墙，它改为调用一个 emit_ui 工具、传回一棵 JSON 组件树，服务端把 props 归一化，前端就在原地渲染出真正带品牌样式的组件（积分榜、实时排行榜）。按钮会把隐藏的后续上下文回传进同一个 agent loop，于是「看看他们的选择」不用重打一遍联赛状态；他们还给 JSON 大小和工具轮次都设了上限，免得 UI 载荷把 loop 撑爆。这是把 agent 输出和 app UI 之间那个环闭合起来的一个干净例子。
#21
@ziahydari
https://x.com/ziahydari/status/2073432081699340673
一篇严谨的教程，讲清一个 agentic 系统在输入完全相同时，为什么有时跨次运行行为却不一样——并把人们老是混为一谈的几种来源分了开来。token 采样的随机性，在种子、权重、上下文和数值都固定后是可复现的；更难缠的方差活在模型周围——实时数据、工具、重试，以及像「缺少 batch 不变性」这类服务时效应，这些统统不是一个随机种子管得住的。对做 loop 的人最要命的结论是：因为 loop 能把一个不同的 token 放大成一次不同的工具调用，可变性必须在整条轨迹的层面上被追踪和治理，而不只是盯着最终那段文本。
https://x.com/ziahydari/status/2073432081699340673
一篇严谨的教程，讲清一个 agentic 系统在输入完全相同时，为什么有时跨次运行行为却不一样——并把人们老是混为一谈的几种来源分了开来。token 采样的随机性，在种子、权重、上下文和数值都固定后是可复现的；更难缠的方差活在模型周围——实时数据、工具、重试，以及像「缺少 batch 不变性」这类服务时效应，这些统统不是一个随机种子管得住的。对做 loop 的人最要命的结论是：因为 loop 能把一个不同的 token 放大成一次不同的工具调用，可变性必须在整条轨迹的层面上被追踪和治理，而不只是盯着最终那段文本。
📡 生态产品雷达
生态产品雷达
Hermes Agent —— 本周被引用最多的 agent 运行时，卖点围绕持久记忆和自我改进的 skill（vladuah、Ilnix_i、crptAtlas 的语境）。
Claude Code —— 依旧是这些 loop 内部默认的推理/编码引擎，包括 NVIDIA 的 ASPIRE 机器人工作（Marktechpost、webdevcody、Ilnix_i）。
autoresearch / nanochat —— Karpathy 的通宵实验 loop，如今成了人人引用的参照模式（WhinyPuppy98、Oluwaphilemon1、kaiostephens）。
Codex —— 另一个大家拿来跑跨天自主 loop 的 harness（HenokYemam，以及那条 OpenAI subagent-harness 主线）。
OMP —— loop 原生的编码工具，内建自动研究和 skill，对模型依赖尤其明显（kaiostephens）。
Hermes Agent —— 本周被引用最多的 agent 运行时，卖点围绕持久记忆和自我改进的 skill（vladuah、Ilnix_i、crptAtlas 的语境）。
Claude Code —— 依旧是这些 loop 内部默认的推理/编码引擎，包括 NVIDIA 的 ASPIRE 机器人工作（Marktechpost、webdevcody、Ilnix_i）。
autoresearch / nanochat —— Karpathy 的通宵实验 loop，如今成了人人引用的参照模式（WhinyPuppy98、Oluwaphilemon1、kaiostephens）。
Codex —— 另一个大家拿来跑跨天自主 loop 的 harness（HenokYemam，以及那条 OpenAI subagent-harness 主线）。
OMP —— loop 原生的编码工具，内建自动研究和 skill，对模型依赖尤其明显（kaiostephens）。
评论