最小 Loop:让 Claude 自己跑测试、修 Bug
老金(@freeman1266)写了一篇 X Article,讲他怎么用"最小 Loop"让 Claude 自己跑测试、修 bug。174 赞、36 转。

发现 AI Agent、开发工具、开源项目与效率软件,跟上每日科技与工程实践。
编辑精选
不量化、不蒸馏、不剪枝,AirLLM 用逐层流式加载把万亿参数模型的推理显存压到个位数 GB;Kimi K3 只需 3.72GB,DeepSeek-V3 约 12GB,还支持 LoRA 训练。Apache 2.0,38.3k 星。

最新精选
老金(@freeman1266)写了一篇 X Article,讲他怎么用"最小 Loop"让 Claude 自己跑测试、修 bug。174 赞、36 转。

你大概也有这种经历——跟着教程搭了个 Agent Demo,跑得挺顺,老板看了很满意。然后说:"那咱们上线吧。" 然后问题开始爆炸:权限怎么管?状态怎么恢复?工具调用怎么审计?

西昂折腾互联网快十年——做过个人站长、虚拟电商、公众号、抖音 DSO、小红书变现。什么风口的钱都赚过,但有个问题一直困扰他:收入和时间强绑定。

1975 年,一个叫 Frederick Brooks 的人写了一本书。他记录了自己领导 IBM OS/360 操作系统开发的经验——一个 5000 人年、几百万行代码的超大项目。

Bindu Reddy(@bindureddy)发了一张"每个场景最佳模型"的速查表——391 赞、23 转。标题写着"未删减版"(暗示之前被删过一次)。

微信读书做了一件很超前的事——把你的阅读数据(书架、笔记、划线、统计、书评)通过 Skill 开放给 AI Agent。

AI 能力越强,双刃剑风险越大。能找漏洞的 AI 也能被用来攻击;合规体制能否跟上 AI 发现漏洞的速度,是真问题。

把个人知识库的"维护"交给 AI,让人专注"判断"。Karpathy 的 LLM Wiki 方法。

当 AI Agent 成为常驻工作伙伴,它们需要一个"操作系统层"来调度服务、管理会话、跨设备协同。微信小微和 OpenCodexBar 是两个方向的探索。

2026 年中,主流大模型形成三足鼎立 + 开源白嫖 + 国产突围的格局。选型不只是技术问题,是地缘和成本问题。

这批文章里拆过的具体开源工具横向对比。共同哲学:用整合对抗碎片化,用开源对抗订阅制。

给 AI Agent 准备的"固定工作方法"。一个 SKILL.md + 一组脚本 = 一个专业能力。可跨 Agent 复用,模块化、可组合。

AI Agent 时代最核心的工程能力。上下文是王——Agent 的成败 70% 取决于上下文干不干净、聚不聚焦、腐不腐烂。

让 AI 干活不靠"魔法提示词",靠结构化的、可验证可撤销的工程化 prompt。CJ Zafir 那段电池优化 prompt 是范本。

带反馈的 AI 工作剧本。普通 prompt 让 Agent 做一次,loop 让 Agent 从结果学习、再决定下一步。

IEEE 论文提出的方法论,把软件开发看作"五个移动"组成的循环:discovery(发现)→ handoff(交接)→ verification(验证)→ persistenc……
