在AI分析师和开发者专业社群中发生了一件标志性事件:Anthropic公司内部关于所谓"循环工程"(即构建AI代理工作循环的方法论)的指南被泄露到网络。首席分析师迈尔斯·多伊彻称这份文件是他过去一年中见过的最有价值的AI指南。尽管泄露事实尚未得到官方确认,但文件内容已引发热烈讨论。
循环的五大支柱:从检测到调度
多伊彻引用工程师安迪·奥斯曼的发布内容,提炼出构建每个循环的五大关键原则。第一是检测:代理通过测试失败、未完成任务和代码提交自主寻找任务。第二是隔离:每个任务在版本控制系统中获得独立工作分支。
第三原则是验证:代码生成器绝不能自我评估工作成果。第四是持久性:将状态写入磁盘,确保重启后数据可延续。第五是调度:系统按定时器运行,包括用户睡眠期间。
多伊彻将生成器与评估器分离称为最重要的规则。必须使用两个代理:一个编写代码,另一个扮演持怀疑态度的裁判,默认代码存在缺陷。评估器需要实际执行操作——运行测试、点击按钮、截取屏幕截图。据分析师称,这才是真正剔除劣质结果的关键。
风险与"80/20"策略
多伊彻还列举了这种方法的潜在风险,包括"验证债务"、对自身代码库理解缺失、代币成本激增以及"认知投降"——即人类停止思考,完全依赖"循环会自行处理"。
为控制成本,分析师提出基于80/20原则的"杠铃"策略。对于需要最高智能的复杂任务,应使用Opus等昂贵模型;其余80%的常规工作则通过Claude Code工具链中的开源廉价模型完成。他举例GLM-5.2模型用于代码执行场景。
卡帕西的个人配置文件
工程师海拉拉赫·阿尔-阿瓦迪提出了类似观点。据他称,AI开发者安德烈·卡帕西五周前加入Anthropic,其团队成员展示了据称卡帕西使用的Claude.md文件。阿尔-阿瓦迪将该文件整合到自己的配置中后,模型首次响应就截然不同。据他声称,Claude不再给出泛化回答,而是开始以用户自身的思维逻辑运作。
我的专家观点:围绕这份指南的讨论反映了真实趋势:开发者正日益积极地构建AI代理的自动化工作循环。模型角色分工、质量控制和代币成本管理仍是核心议题。卡帕西的Claude.md文件进一步印证了个性化配置正成为行业标准,从根本上改变了与模型交互的质量。