在人工智能开发者专业社区中,发生了一起引起分析师密切关注的事件。Anthropic公司一份关于所谓"循环工程"(构建AI代理工作循环的方法论)的内部文件泄露到了网络上。尽管泄密事实尚未得到官方确认,但这份指南已被誉为过去一年中最有价值的AI指导手册。

高效循环的五大支柱

对文件的分析可以提炼出构建每个此类循环的五个关键原则。第一是发现:代理必须通过分析测试、公开的问题和代码提交来自主寻找任务。第二是隔离:每个任务在版本控制系统中获得独立的工作分支,从而防止混乱。

第三个原则在专家看来最为重要:生成器与评估器的分离。代码生成器绝不应检查自己的工作。为此引入第二个代理——持怀疑态度的"裁判",它基于代码已损坏的预设前提开展工作。该代理运行测试、点击按钮并截取屏幕截图,确保客观验证。

第四个原则是韧性:必须将状态写入磁盘,以在运行之间保持进度。第五个原则是调度:系统按定时器运行,包括在用户睡眠期间,确保持续全天候的生产力。

风险与成本优化

循环工程方法论并非没有风险。主要风险包括"验证债务"、对自身代码库理解的丧失,以及尤为重要的开发者的"认知投降"——开发者停止思考,依赖"循环自行处理"。

为控制成本,提出了务实的"80/20"方法。对于20%需要最高智能的最复杂任务,应使用昂贵的模型(例如Opus)。其余80%的常规工作可委托给Claude Code工具集内的廉价开源模型。

卡帕蒂的个人配置文件

在此次泄密事件的背景下,另一则内幕消息也颇具趣味。据报道,知名AI开发者安德烈·卡帕蒂在五周前加入Anthropic后,使用了个人的配置文件Claude.md。据熟悉其工作的工程师称,在引入该文件后,模型完全改变了回答风格——不再提供泛化的模板,而是开始以用户自身的逻辑进行思考。

我的专业观点: Anthropic指南的泄露不仅仅是又一份技术文档。这是一个信号,表明行业正从手工作坊式的提示词转向工程化纪律。"生成器-评估器"的角色分离以及优化Token成本的"80/20"策略,这些实践将在不久的将来成为任何基于AI代理的严肃开发的标准。忽视这些原则将意味着技术上的落后。