先说我的第一反应:
又一个新词。AI圈造词是真的快,上半年刚把Harness Engineering搞明白,现在X上又开始刷Loop Engineering了。
我以为是炒概念,但仔细看了 Addy Osmani(Google Chrome工程总监)6月7日那篇文章之后,想法变了。
Harness Engineering真的过时了吗?
先说结论:没有,但它被包进了一个更大的系统里。
Harness是给一个agent造笼子。Loop是在笼子上面,再盖一栋会自动运转的工厂。
Osmani的原话是: “Loop sits one floor above the harness.”
Loop Engineering的本质
不是你在驱动agent,而是你设计了一套系统让它自己驱动自己。
五个基础模块:
① Automations(心跳)—定时触发,自动发现任务,不等你发号施令
② Worktrees(隔离墙)—多个agent并行工作,各自独立分支,互不踩踏
③ Skills(知识芯片)—把项目规范、决策记录提前写好,agent每轮启动不从零开始,知识复利
④ Sub-agents(制衡)—写代码的agent给自己打分永远偏高,所以另设一个专职挑毛病
⑤ Connectors(手臂)—基于MCP接入真实工具,agent不只给建议,它自己开 PR、更新ticket、CI通过了自动ping Slack
Loop Engineering不只是程序员的事
这是我觉得最有趣的地方。
这套逻辑放到其他领域,也完全成立。
想想一个完整的内容运营动作:
监控今天的热点→判断是否适合创作→生成内容→发布到各平台→追踪数据表现→明天,重新开始
这不就是一个Loop吗?
现在市面上有些工具已经在做这件事了。比如Omniwork,它的社媒运营设计本身就是一套Loop——热点抓取、内容生成、发布、数据追踪,第二天自动衔接下一个热点。
你不是在用AI工具辅助发帖,你在运行一条内容生产线。
Loop Engineering的思维方式,已经悄悄渗透进来了。
⚠️但这条路不是没有代价
Osmani提了三个真实风险,我觉得值得认真对待:
验证盲区 — Loop跑得越自动,错误也越自动
理解债务 — Loop越顺滑,你对产出的东西越陌生
认知投降 — 习惯接受Loop给的一切,就停止了真正的判断
他的结语很有意思:
“设计Loop是解药,当你带着判断去做。也是加速剂,当你用它来逃避思考。同一个动作,反向的结果。”
🎯所以Harness过时了吗?
没有。它只是不够用了。
Harness解决的是"怎么让一个agent跑得稳"。
Loop解决的是"怎么让整个系统在没有我的情况下持续工作"。
工程范式在向上移,不是在覆盖。
如果你还在手动喂prompt,你落后的不是一个工具,是一层思维。
学AI大模型的正确顺序,千万不要搞错了
🤔2026年AI风口已来!各行各业的AI渗透肉眼可见,超多公司要么转型做AI相关产品,要么高薪挖AI技术人才,机遇直接摆在眼前!
有往AI方向发展,或者本身有后端编程基础的朋友,直接冲AI大模型应用开发转岗超合适!
就算暂时不打算转岗,了解大模型、RAG、Prompt、Agent这些热门概念,能上手做简单项目,也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料,手把手帮你快速入门!👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型(GPT、文心一言等)特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架(LangChain等)实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块,看似清晰好上手,实则每个部分都有扎实的核心内容需要吃透!
我把大模型的学习全流程已经整理📚好了!抓住AI时代风口,轻松解锁职业新可能,希望大家都能把握机遇,实现薪资/职业跃迁~