文章目录前言单人写代码的三大致命坑你中了几个第一个坑确认偏误第二个坑审查疲劳第三个坑记忆蒸发七步流水线不是让AI变聪明是让它少犯蠢设计一一次只问一个问题禁止“顺便问一下”设计二先猜后看审查玩起了预判设计三小问题当场修不许“以后再说”设计四经验不是啥都存三条铁律筛废话设计五换个厂商挑毛病抓自家模型的盲区编排层把审查做成真·闸门不是走形式第一审查和测试上下文完全隔离第二闸门是真阻断不是摆设第三循环有上限防止无限烧钱第四文档就是接口全程可追溯说实话这玩意儿也不完美坑还不少第一个毛病上下文窗口吃紧第二个毛病审查和测试偶尔“串通”第三个毛病简单任务太笨重第四个毛病经验闭环还不够紧第五个毛病全靠CLAUDE.md撑着真正牛的不是代码循环是进化循环最后说点实在的P.S. 无意间发现了一个巨牛的人工智能教程非常通俗易懂对AI感兴趣的朋友强烈推荐去看看传送门https://blog.csdn.net/HHX_01前言前段时间硅谷AI圈突然刮起一阵风叫Loop Engineering。传得有多快呢比咱们公司群里传老板要裁员的消息还快。先是Claude Code的负责人说自己现在都不直接写prompt了写循环让循环自己去折腾AI。接着Google Cloud的人给起了个正式名国内媒体立马一窝蜂跟上。我一看这不就是我偷偷跑了小半年的东西吗合着我先实操了概念才追上来。今天就不跟大家扯概念了网上讲概念的比讲养生的还多。我就拿自己跑了半年的生产环境实战给大家拆解拆解这玩意儿到底是怎么回事顺便吐槽吐槽那些踩过的坑。单人写代码的三大致命坑你中了几个先唠唠为啥要搞这套东西。以前用AI写代码主打一个vibe coding——张嘴说需求AI哗哗写代码我审查微调。效率确实涨了以前干几天的活几小时搞定原型几周的活几十分钟完事。但爽是爽了新问题也来了而且全是单人开发的老毛病AI一来全给放大了。第一个坑确认偏误说白了就是你说啥AI都附和。你拍脑袋说“这个功能就得用方案A”AI立马给你列八条理由证明方案A牛给你哄得找不着北。你永远不知道方案B是不是更香因为根本没人跟你抬杠。一个人脑暴本质就是自己跟自己玩回音壁说啥都有回声还以为自己想得贼全面。第二个坑审查疲劳一开始AI写代码你逐行看比查对象手机还认真。两周后开始跳读一个月只看diff三个月扫一眼函数名就敢提交。真不是你懒是大脑自带经济账95%的代码都是对的我费那劲干啥自动就把审查预算砍到5%。可问题是那5%的bug从来不会自己贴个标签说“我是坑”。专等你上线了才跳出来给你惊喜比老板突击查岗还准时。第三个坑记忆蒸发三个月前修的那个诡异bug你翻注释就写了一行“fix edge case”。当场大脑一片空白比酒醒了忘昨晚说了啥还茫然。单人开发就这点惨没同事能问“你还记得那bug咋修的吗”每次遗忘都得从头debug一遍相当于把吃过的苦再吃一遍纯纯二次伤害。这仨问题说穿了都是人的问题AI只是把以前被团队掩盖住的单人弱点全给扒出来了。那咋办总不能再招几个人吧成本多高啊。所以我就琢磨能不能搞一套系统用规则把这些毛病全管住这套loop流水线就这么来的。七步流水线不是让AI变聪明是让它少犯蠢先给大家看整体结构一共七步从需求到记忆整成一个闭环。说白了就是搭了个虚拟小团队七个agent各司其职各有各的性格、权限、用的模型输出的文档全整整齐齐放一个目录里。模型分配也不是瞎选的不是哪个贵就用哪个。审查这种需要判断力的活就用贵的Opus慢是慢点但准写代码、测功能这种执行活就用性价比高的Sonnet快还便宜。跟开公司一个道理专家岗给高薪干把关的活执行岗招性价比高的干体力活成本控制这块算是玩明白了。下面不挨个念说明书agent定义都在开源仓库里纯文本五分钟就能看完。我挑几个最有意思的设计决策跟大家唠。设计一一次只问一个问题禁止“顺便问一下”一般AI澄清需求都是一下甩五六个问题看着效率高实则质量稀碎。人的注意力是串行的啊你回答第三个问题的时候心里已经在想“啥时候问完”了后面的问题全是敷衍。我就给clarify agent定了死规矩一次只问一个不许批量提问不许搭便车。而且它得先读代码再提问代码里能找到答案的就别张嘴问人。改完之后啥效果每轮对话深度直接上来了产出的需求文档也靠谱多了。代价就是慢一个功能澄清得聊四五轮。但也有退出机制你嫌烦了说一句“够了开始设计”立马就停绝不墨迹。超过八轮还没问完系统自己就停了防止它变成话痨无限追问。设计二先猜后看审查玩起了预判这是我最得意的一个设计。一般代码审查都是上来就读代码找问题。我偏不。review agent先不看代码只看设计文档和实现说明先列3到5个最可能出问题的地方比如“错误处理会不会漏”、“并发会不会有竞争”。带着这些预判再去审代码一边找一边对答案哪些猜中了哪些没猜中。没猜中的更重要说明这是盲区。这可不是我瞎想的认知科学里早就有结论先看答案再推理你会高估自己的水平先做预测再对答案准度直接飙升。而且预判不是瞎猜是从历史踩坑记录里扒出来的。每次做完项目系统都会把教训存起来下次审查先翻旧账专盯着以前摔过的地方看。说白了就是在哪摔过下次就先盯着哪绝不同一个坑摔两次。设计三小问题当场修不许“以后再说”审查出问题也不是全打回去重写分等级。严重的、重要的必须修不修就卡着不让过跟考试不及格不让毕业似的。那些小问题、小建议就走“低风险即修”规则。啥意思只要有客观依据、不改接口、改动不超20行还在一个文件里、不用问人那就必须当场修掉不许说“这个不重要先跳过”。别小看这些小问题今天跳过一个明天跳过一个三个月后一百个小问题堆在一起代码库就烂得没法看了跟你攒了三个月没洗的袜子一样碰都不想碰。而且想延后也得有正当理由就四种超范围了、要问用户、得大改、跟设计冲突。不许说“后续优化”这种屁话说了直接打回照样卡着。设计四经验不是啥都存三条铁律筛废话很多人搞经验总结最后全存了一堆正确的废话“要写测试”、“注意并发”、“文档很重要”。这不扯吗这些东西谷歌一下全有占内存干啥我给存经验定了三条死规矩三条全满足才能存第一网上搜不到的通识一律不要第二跟项目强相关的能指到具体文件具体错误的空泛的经验一律不要第三真踩过坑付出代价的顺手做的功能不算。而且总数量就保持5到8个有上限。新的进来旧的就得合并或者扔掉防止越存越多最后变成没人看的垃圾场。这么一筛存进去的全是真金白银踩出来的坑下次用的时候一搜全是干货效率直接拉满。设计五换个厂商挑毛病抓自家模型的盲区虽说审查和测试是两个独立agent但都是同一个模型家族的就像亲兄弟有些盲区一模一样。有些错Claude就是看不见不是能力不行是训练数据带的偏见。咋办找外援。写代码之前先换个厂商的模型独立评审设计文档。DeepSeek、Kimi啥的只要兼容接口都能用拉个独立会话把文档喂进去拿一份评审报告。当然这个评审只是建议不卡流程。就是给你多一个视角Claude觉得没问题的设计换个模型说不定能找出好几个坑。你觉得有道理就改觉得没事就接着往下走选择权在你手里。编排层把审查做成真·闸门不是走形式前面说的都是单个agent的设计整套系统最核心的其实是/ship这个编排器。它不是一个agent是个状态机把开发、审查、测试串成一个循环没问题了才放行。听起来简单细节里全是门道决定了这套流程是真把关还是走个过场装样子。第一审查和测试上下文完全隔离写代码在当前会话你能实时看着改随时打断。但审查和测试是开独立子agent跑的上下文完全隔离。它们只能看到设计文档和实现说明看不到你中途改了啥又撤回了啥也看不到开发agent的思考过程。为啥要这么干要是共享上下文审查很容易被开发的思路带偏不知不觉就顺着人家的话走了还审个啥劲。独立上下文就是强制审查保持中立别搞官官相护那一套。第二闸门是真阻断不是摆设很多所谓的流程卡点都是纸老虎失败了手动点个跳过就完事了。我这不行是硬阻断。审查结果回来只要严重和重要问题的数量大于0直接跳过测试打回开发重写。必须把所有阻断项都处理完才能进下一轮。为啥有问题要跳过测试省钱啊。带着已知bug去测测出来也是同样的问题纯纯浪费token。先修干净了再测才是正经事。第三循环有上限防止无限烧钱token都是真金白银啊可不能让系统瞎折腾。跑了4轮还没搞定就会停下来问你“还接着跑吗”超过5轮直接强制终止给你列剩下的问题和原因分析。不是不信任AI是防止它陷入“差一点就成了”的死循环跟你刷短视频似的不知不觉半小时没了钱也没了。第四文档就是接口全程可追溯所有agent的输出都老老实实存在目录里七份文档整整齐齐。审查报告和测试报告都是增量追加新内容放上面旧的往下推不许改历史记录。啥好处你能回溯整个功能的演变过程第一轮查出啥问题开发怎么改的第二轮验证了啥哪些问题修了哪些接受了一清二楚。这些文档不是为了归档吃灰是给下一个功能当参考的前人踩坑后人避坑。说实话这玩意儿也不完美坑还不少吹了这么多也得说说实话。这套东西不是银弹毛病也挺多。第一个毛病上下文窗口吃紧循环跑多了历史文档越来越长每个agent都得读一遍几万token哗哗就没了。就跟你开二十个网页电脑不卡才怪。我现在也在琢磨自动压缩历史文档但还没整利索。第二个毛病审查和测试偶尔“串通”毕竟是同一个模型家族的有些盲区一模一样。你看不到的我也看不到俩人情不自禁就统一战线了。所以才搞了跨厂商评审但目前只在设计层做了代码层还没整。第三个毛病简单任务太笨重修个typo、改个文案也要跑完整套七步流程纯纯脱裤子放屁。我现在就是凭感觉判断小任务就不跑全流程。但啥叫小任务还没个准数这也是后面要解决的问题。第四个毛病经验闭环还不够紧按理说存的经验应该在设计阶段就用上避免重蹈覆辙。但现在设计环节用得还少主要还是审查的时候用。相当于学了知识只在考试的时候翻平时上课不用效果打了折扣。第五个毛病全靠CLAUDE.md撑着要是你项目的CLAUDE.md写得烂或者干脆是空的那所有agent都在瞎忙活。垃圾进垃圾出这是AI的老毛病了不是loop能解决的。前提条件不行啥流程都白搭。真正牛的不是代码循环是进化循环说了这么多大家要是只记一件事就记这个这套系统最值钱的不是开发-审查-测试的代码循环是复盘-存经验-下一次优化的进化循环。代码循环保证这次少出错进化循环保证下次比这次强而且是自动变强。刚搭起来的时候就是个防错流水线经验库是空的审查预判全靠瞎蒙命中率也就一半。跑了半年经验库存了七条实打实的事故模式不是空话都是“这个模块跨市场时间对齐会飘”、“上次漏了异步竞态是因为没画时序图”这种干货。现在审查先翻经验库命中率直接干到七成多。模型没升级还是那个Opus但系统自己变强了。因为它记住了在哪摔过下次先盯着那个地方看。这也是为啥存经验的规矩那么严。不是存储空间贵是废话会毁了这个进化循环。存一百句“注意边界条件”下次检索全是噪音命中率反而更低。少而精的经验才是燃料多而杂的纯纯是阻力。那Loop Engineering和以前的Prompt Engineering到底啥区别核心区别就是循环本身会不会学习。没有记忆、没有校准、不会改进的循环就是个带重试的脚本同一个错重复犯烧N倍token最后碰巧过了。每次都是从零开始啥也没留下。会学习的循环每跑一个功能都在三个地方攒经验知识上踩过的坑存起来校准上漏过的错变成重点关注区流程上不好用的规则就改。这不是一次性的效率提升这是复利。跑的功能越多系统就越强。最后说点实在的整套东西我已经开源了clone下来跑个安装脚本就能用在项目里敲几个斜杠命令就能跑流程。开源不是因为我觉得它完美恰恰是因为它不完美。上面说的那些毛病全是真实用出来的。开源就是想让更多人用用告诉我哪设计错了大家一起改。要是你也想试试给你几个建议别一下七个全上先从审查和复盘开始这俩性价比最高。一个拦bug一个攒经验先用起来再说其他的等你觉得需要了再加。先把CLAUDE.md写好。花一小时写个靠谱的上下文比花一天调prompt有用多了。地基打不牢楼盖得越高越容易塌。第一个功能的经验积累就当投资。头几个功能可能啥都存不进去因为规矩严很正常。等跑两三个功能经验慢慢就有了后面的功能会越来越顺。这套东西的目标从来不是完美而是今天比昨天强一点下个功能比这个少踩一个坑。六个月跑下来它确实做到了。P.S. 无意间发现了一个巨牛的人工智能教程非常通俗易懂对AI感兴趣的朋友强烈推荐去看看传送门https://blog.csdn.net/HHX_01