源起传奇私服 Part1 2010年前后，中国大陆有大量游戏玩家自行架设私器来玩热门网游。于此伴生的是一个个攻击这些“私服”黑客团队，其中最富盛名的是骑士攻击小组，获利几十亿人民币。 中国大陆湖北、江苏、重庆等多地公安自2009年起调查，并于2011年收网。 《传奇》的“骑士攻击小组1.0”创建者蔡文最早靠私服广告代理起家，团队利用DDoS流量攻击等手段，迅速垄断广告代理权。 到2008年11月，蔡文靠此获利超千万人民币，因涉嫌非法经营罪被湖北仙桃警方追查通缉后，逃往重庆与其好友胡小伟汇合，准备借机东山再起。 蔡文，生于1985年12月，江苏省海门市海门镇青海新村人，自2004年7月高中毕业后一直待业，沉浸于网游酷爱《传奇》。 在重庆，蔡文与胡小伟/高云伍/陈荣锋四人的“骑士攻击小组2.0”的战术进一步升级，并陆续招揽了许炜、杨俊、姚建、傅家凯在内的多人入伙。 陈荣锋，生于1985年11月，江苏省盐城市亭湖区新兴镇人，2007年7月从江苏徐州九州技术学院毕业后，混迹于网游圈。 高云伍，1981年出生，安徽宣城人，原数据中国高管。 而陈志，此时是骑士攻击小组的一员。 自此，蔡文 / 胡小伟 / 陈志 等人就将中国大陆重庆作为根据地来经营部署。 以蔡文和胡小伟为首的骑士小组极具反侦查能力，建立了一套严密的内部运作规则及对外联系机制。而比做“业务”更为严密的是，骑士小组收付款的流程： 1首先是胡小伟购买了大批量的银行卡，每十天更新一批； 2 其次，银行卡又细分为收款卡和取款卡； 3 下级代理将广告费打入收款卡之后，胡小伟安排姚建把收款卡里的钱转到取款卡中； 4 于此同时将资金数额报给蔡文的专职下属许炜，许炜记账后将资金总额向蔡文汇报； 5 得到蔡文的同意后，许炜再安排另外两位伙计——杨俊和傅家凯负责取款。 至2011年案发时，骑士小组已获利超亿元人民币。 而在此期间，骑士小组两次被江苏高邮、江苏丹阳警方查处，都以上交1000万保证金获释。 Part 2 2010年9月6日，公安部网络安全保卫局下发一批督办案件，“骑士攻击小组”非法入侵计算机系统案在列。 2011年5月30日，警方结案，蔡文等19名嫌犯落网。 盛大卧底陈荣锋本人于2011年3月赴重庆向警方说明情况。在看守所待了37天后，陈荣锋取保候审。 在此前后，陈志和胡小伟分别逃往东南亚… 前述案件于2012年宣判，蔡文等19人全部判缓刑，其中蔡文本人交了1000多万元的罚金。但涉案人员均未服实刑。 故事没有结束。 而因当初做私服时想通过盛大来洗白的心愿失败，成了胡小伟跟陈志哥两的心结。逃到东南亚后，胡小伟用“陈小二”的名字和陈志共同成立了 —— 盛大传奇国际资产管理集团Grand Legend International Asset Management Group 该主体是除Prince Group 以外，被英美两国所制裁的核心主体公司。 Part3 2014年盛大游戏的私有化，除了陈天桥辞职、盛大内部管理层震荡之外，引发完美世界/宁夏中银绒业（退市）与浙江世纪华通（ 而这个收购案子牵涉到： 1 中国大陆已落马的银川市原副市长郭柏春； 2 蔡文与潜逃海外多年的胡小伟一同关联的重庆小闲公司。 根据公开信息，重庆检方出具的证人证言，证实曾是盛大卧底的陈荣锋，曾找到银川市原副市长郭柏春，并向其说明了重庆小闲公司的相关情况。 在郭柏树的推动下，银川警方曾对外通报： 经调查取证和审讯，查实重庆小闲在线科技实际控制人胡小伟、蔡文,董事长龚兆玮,法人方智振等人，涉嫌形成私服侵犯著作权犯罪的产业链，并在两年多的时间内非法获利近60亿人民币。 2016年10月到11月，陈荣锋等人相继被重庆警方抓获，随后被判刑。 根据公开资料显示，经银川市金凤区检察院批捕，胡小伟在2016年9月3日，于中国大陆首都北京的北京饭店被银川警察逮捕，而重庆小闲法人方智振（1987年出生，籍贯浙江义乌）则直接潜逃海外。 2016年8月至2017年8月，银川市办案机关先后对胡小伟、戴学利等12人采取刑事拘留、逮捕、监视居住、取保候审等强制措施：戴学利被羁押95天；胡小伟被羁押70天，指定监视居住23天；姚建被羁押31天；胡光耀被羁押27天；高云伍被羁押26天；邵炜被羁押7天；王剑平被羁押6天。 都是老熟人。 胡小伟最终再次获准取保候审。真厉害。 另外，当年这个案子涉及的洗钱手法跟太子集团如出一辙. 重获自由后，胡小伟通过非法渠道二次潜逃出境，彻底隐匿并更换了多个假身份。 #骑士攻击小组# #传奇# #蔡文# #胡小伟# #陈志#

德国经济研究所（DIW）做出的一项研究发现，美国针对中国制造的商用船舶拟征收的港口费，可能让德国受益。德国对美出口额可能会增长约2%。主要原因在于，德国货运船队对中国制造船舶的依赖度较低，这意味着德国出口商有望从受冲击的竞争对手手中夺取市场份额。 美国政府以国家安全利益为由，计划通过征收这些费用来打破中国在造船业的主导地位。收费标准将依据船舶的建造地，而非船上所载货物的归属方。 不过德国经济研究所也指出，这项计划中的收费措施主要会损害美国自身的利益。据估算，作为全球最大经济体，美国的进出口额将分别下降0.2%和0.3%。DIW经济学家乔德里（Sonali Chowdhry）表示：“其机制很简单：收费推高了中间投入成本，导致美国制造商竞争力下降；而经济走弱又进一步抑制了对外国商品的需求。” 此外，其他国家受到的冲击可能更为严重。在欧盟内部，芬兰（下降5.0%）、丹麦（下降4.4%）和波兰（下降3.0%）对美出口将遭受尤为显著的损失。 乔德里指出：“针对中国制造船舶征收港口费标志着贸易冲突升级到了新阶段。这是首次不仅针对商品，而是针对运输工具本身采取行动。”研究结果显示，这些措施将重创依赖出口的新兴经济体（如哥斯达黎加、越南和巴基斯坦），它们对美出口额可能骤降近9%。韩国被视为欧洲以外为数不多的受益者之一。与德国一样，韩国的出口额预计也将增长约2%。 数据显示，自20世纪90年代以来，商用造船业的重心已向中国转移。如今，全球约一半的新建商船都产自该国。过去30年间，欧盟在新造商船市场的份额从17%降至不足3%。德国在全球新造船市场的份额也从1995年的约6%跌至近期的不足0.1%。 乔德里强调称：“作为欧洲主要的出口型经济体之一，同时也是众多大型航运公司和关键海事枢纽的所在地，德国应当在欧洲海事产业政策中发挥更积极的作用。”

孙宇晨@justinsuntron 中国大陆关联主体 1 锐波(北京)科技有限公司 原名：锐博汇通(北京)科技有限公司 法人：孙宇晨 股东: 孙宇晨99.99%  李劲梅0.01% 2 陪我欢乐（北京）科技有限公司 法人：孙宇晨 股东: 孙宇晨 100% 广州陪我信息科技有限公司 法人：孙宇晨 股东: 孙宇晨 100%  监事：孙维柯 博瑞天下（北京）科技有限公司 法人：孙宇晨 2018.7.25 该主体投资人由RIBLEGROUPLIMITED变更为陪我欢乐(北京)科技有限公司，同时新增监事孙维柯 3 为新（北京）科技有限公司 法人：孙宇晨 股东: 孙宇晨99.99%  孙维柯0.01% 4北京漫游星际科技有限公司 法人：邹小龙 股东: 孙宇晨 3%   戴威 4.3%   杜梦杰 66.66%  深圳市万瑞思企业管理 13% 其中，对深圳市万瑞思企业管理穿透后，其法人及背后控股股东均为 孙宇晨的陪我科技 核心高管 ：蔡晓虹&蔡晓聪 5 为创（北京）科技有限公司  法人：孙宇晨 股东: 孙宇晨99.99%  孙维柯0.01% 孙宇晨通过这一主体，实控了萍乡德晨时代商务咨询合伙企业（有限合伙）及萍乡德晨世纪商务咨询合伙企业（有限合伙）两家公司。 萍乡德晨世纪商务咨询合伙企业（有限合伙）的股东还包括： 重庆力帆  ，尹明善 7.14% 在2020年10月14日，82岁的尹明善和妻子儿女一起被立案调查，力帆也陷入司法重整的困境。 6 深圳兰宇网络科技有限公司 法人： 李劲梅 唯一股东：德州泓盛网络科技 100% 德州泓盛网络科技有限公司 法人代表：李劲梅 唯一股东：李劲梅100% 德州西州岛网络科技有限公司 法人代表：李劲梅 股东：李劲梅99.99%  孙林柯0.01% 7 深圳星晨大海科技有限公司 法人代表：蒋毅鹰 股东：蒋毅鹰99.95%  孙林柯0.05% 德州晟意网络科技有限公司 法人代表：蒋毅鹰 股东：蒋毅鹰100% 成都盛壹本治科技有限公司 法人代表：蒋毅鹰 股东：蒋毅鹰99.9%  孙林柯0.1% 8 上海唯二网络科技有限公司（ 法人代表：尹桑 , @MerlinLayer2 创始人 股东：蒋毅鹰1.68%  姜琦82.5% 9 大陆新三板主体 2018年下半年，孙宇晨曾参与到中国大陆的新三板市场当中去。 孙宇晨参与的主体是 —— 北京跳跳糖软件股份有限公司 。 孙宇晨作为董事长；监事为王冰宇；李劲梅监事会主席 另外，百科再说三个点: 1 孙宇晨在中国大陆所有的个人社交媒体都被封禁； 2 孙宇晨在中国大陆的大部分关联公司主体都在2025年下半年集中注销； 3 孙宇晨关联公司主体涉及多个司法案件，其法人高管李劲梅等人被列入限高名单； 各位，先记个重点： 北京—德州—深圳，这一条横贯整个中国大陆南北的路线。 @worldlibertyfi @gothburz @ZachWitkoff @zachxbt @blknoiz06 @beeple @Bqlsj2023 @Pathusa @jason_chen998 @Bitwux @BroLeon @0xxNathan @banbendaan @Crypto_Cat888 @TJ_Research @xiaomustock @BTC_Alert_ @0xLoki_Zeng @WLFI_MSTR @v3wanu @PDChinese @XinhuaChinese @XHNews @NewsCaixin @caixin @ChineseWSJ @thepapercn @CNS1952 @Echinanews @globaltimesnews @Shanghai_City @shanghaidaily @ChinaDaily @zaobaosg  @takungwenwei_hk  @Tong_Shuo  @QiushiJournal  @FTChinese @ChineseWSJ @nytchinese  @ABCChinese  @rijingzhongwen  @ReutersChina @SpokespersonCHN @zlj517 @chinascio

操！兄弟们 今晚世纪大战，挪威 vs 法国，老子第一次赌球直接梭哈1000U！法国这帮高卢鸡就是来收割的，挪威那群北欧海盗想爆冷？做你妈的春秋大梦！ 法国：前两场干翻塞内加尔3-1、伊拉克3-0，进攻他妈的像开了挂。姆巴佩那速度，挪威后卫看了直接腿软，估计今晚要被过成狗。防守有Saliba坐镇，固若金汤。就算主帅不在，球队也憋着一肚子火要赢球致敬，赔率-150，稳得一批，纯纯的提款机！ 挪威：哈兰德+Ødegaard是牛逼，但那防守烂得像筛子，前两场赢是赢了，遇到法国这豪华攻击群，直接原地爆炸。想靠反击？姆巴佩一脚加速，你哈兰德在后面吃灰吧，傻逼！ 老子粗暴预测 法国3-1或4-1血洗挪威，Mbappé至少进一个，搞不好帽子戏法。想赌就法国胜 + 大2.5球组合，刺激得飞起，赢了直接起飞，输了……操，喝西北风去！ 今晚啤酒备好，哥们儿拉上，输赢都他妈嗨！法国胜，梭哈走起！ Haaland你个金毛怪物，今晚给老子躺好，让Mbappé教你什么叫世界顶级！ 注册就送 100 红包不要白不要：

规则能改，红牌能撤，比分它改不了！ 这届美加墨世界杯直接创下历史最尴尬纪录——三支东道主集体16强滚粗，场面那叫一个“主场氛围拉满，客场结果也拉满”。 墨西哥2比3惜败英格兰，加拿大0比3被摩洛哥教育，美国1比4被比利时按在地上摩擦。主场哨吹得比空调还猛，特朗普的电话打得比热线还勤……可惜，全是白给。 而真正让这届世界杯直接封神的，是特朗普那通打给因凡蒂诺的“世纪电话”。 美国前锋巴洛贡对波黑那脚踩踝，教科书级红牌，照规矩自动停赛一场。结果特朗普一个电话过去，国际足联秒变“特赦局”：禁赛暂缓执行一年！自1970年红黄牌制度诞生以来，头一回出现“红牌选手隔天照样首发”的奇观。 比利时主教练赛后直接冷笑：“我还以为今天是4月1号呢，原来7月5日才是国际足联的愚人节。” 然后呢？ 巴洛贡光荣首发，颗粒无收，全场梦游。 美国1比4，干净利落回家。 一通电话，一纸特赦，一场世纪大笑话。 特朗普改得了规则，撤得了红牌， 就是改不了那四个进球。 他赢了红牌，输了比赛。 比利时用四个大嘴巴子，替全世界球迷把答案扇得清清楚楚： 老弟，足球它不是特朗普大厦，喊两句“Make America Great Again”就能翻盘的。 这届世界杯，史册已记： 东道主集体寄了， 特朗普电话也寄了， 唯一没寄的，是比利时那四个球。

美国国债达40万亿美元了！ 先说这40万亿有多离谱。 美国一年的GDP大概也就32万亿，也就是说，美国全国上下不吃不喝干一年，挣的钱都不够还债的。摊到每个美国人头上，不管刚出生的婴儿还是百岁老人，人均负债超11万美元。 另外这钱涨得比印钞机还快，而且越来越快。 二战前不说了，在杜鲁门（1945–1953）任期结束时，国债只有 0.29万亿美元。 到卡特（1977–1981）任期结束，三十年才涨到1万亿美元。 而里根（1981–1989）任期结束，就翻了一多番，约 2.7万亿美元。 老布什（1989–1993）结束时又接近翻一番， 4.17万亿美元。 到了小布什（2001–2009）任期结束时，已经突破10万亿美元了。 最滑稽的是奥巴马。2009年上任时信誓旦旦地承诺，在第一个任期要把赤字减一半。结果2017年任期结束，不降反增增加到约20万亿美元。 而特朗普第一任期干到 27.75万亿美元。拜登 36.21万亿美元。 特朗普第二任期不到一年，终于补齐了整数，40万亿美元！ 且从10万亿到20万亿用了13年；从20万亿到30万亿，用了5年。而从30万亿到40万亿，满打满算也就4年，日均新增负债126亿美元，简直就是踩着油门狂飙。 那这么庞大的债务，到底欠了谁？ 很多人以为美国欠的是全世界的钱，这是个天大的误会。美国最大的债主，其实是美国人自己。 在40万亿的大盘子里，接近75%的美债都是美国本土机构在内部消化。 比如社保基金、养老金、商业银行、共同基金，甚至美联储自己，都在疯狂买入。也就是说，这笔巨款是美国人左手倒右手，在自家院子里循环。 至于大家熟知的中国、日本这些海外债主，加起来也就占了25%左右。 而且近年来，这些海外买家都在悄悄撤退。中国、日本都在持续减持美债。大家都不傻，看着这艘船漏水，自然要提前找救生圈。比如疯狂囤黄金。 那美国就不怕还不上钱吗？ 其实，人家压根就没打算还！ 最早还是二百多年前，美国为了打赢独立战争到处借钱，发行了很多债券。 后来真打赢了。 不过美国政府是背着一身债结束独立战争的，一大堆的欠条。包括战争债、州政府债、社区债等等五花八门。 要命的是，美国政府这时候是个穷光蛋。是真穷，因为它连收税的衙门和筹资银行都没有。 到了1787年，美国制定新宪法才规定联邦政府享有独立征税权。但主要收入也只是关税，根本不好开口向各州征税；因为美国独立就是为了反抗英国人征税，如果换汤不换药岂不违背初衷了。 一直到19世纪中后期和20世纪初，美国联邦政府才扩大消费税和提高税率。所以这时候政府根本没钱。 然而借债还钱天经地义，赖账就等于毁信誉，一旦信任没了，一切就完蛋了。 所以，到期怎么办? 两个办法。 第一个就是印钞，简单粗暴。不展开了。 第二个就是美国首届财政部长汉密尔顿想出的骚办法，借新债还旧债！就是用新发行的三只债券来偿还！ 白条换白条，这不还是白条吗？ 别急，新债券加了几个功能：可以自由流通、抵押和转售。 就是我急等用钱可以转让，而你抛售就会有人接盘；因为美公债是有“利息”的，如果没其他更合适的投资项目，这也算是一个资产增值保值的选择。 换句话说，新债券可以炒作、投资了。 这里面推波助澜的是，美国人包装债券的能力特别强，硬是把和白条没啥区别的债券搞成了抢手货。大家可以自己搜搜次贷危机是怎么回事，很多人被忽悠进去，这里就不展开了。 于是，在投资人的炒作下美债券价格猛涨，不但美国人买，连外国投资者也来凑热闹；1804年，美国53%的公债流到了西欧投资人手里。 美国人就靠这种债务经济模式（借钱），小日子过得十分滋润。 且理论上讲，只要自己愿意，这个游戏能一直玩下去。 但代价是什么呢？代价就是前面说的利息。 现在美债每年的利息支出已经突破了1万亿美元，比美国一年的国防军费还高！联邦政府每收上来5美元的税，就有1美元直接拿去付利息了。 这就陷入了一个死亡螺旋：债务越高，利息越重；利息越重，只能借更多的债。 所以，别指望美国会突然破产或者赖账，它不会发生瞬间爆炸式的崩盘。但它会用一种更隐蔽的方式让全世界买单——那就是通胀。 只要印钞机不停，美元就会慢慢贬值。账面上的钱一分不少还给你，但这钱还能买到多少东西，就不好说了。

再过半年，想接海外单赚美金的人，都会用这个方式找客户 一个能让你月入 $10,000+ 的路径：不在平台等单，直接用 AI 找到需要你服务的海外公司，精准触达客户 你可能觉得这个很难？以前确实难，现在不难了 先说一个暴论：AI 时代写代码赚不了钱，只有找客户，vibe marketing 才能让你真赚到钱 我研究了一圈海外接单的真实数据： Upwork 平均时薪 $39，平台抽 10-15% Fiverr 固定抽 20%，前几个月基本零曝光 Toptal 时薪 $80-200，但只录取前 3% 的申请者 大部分人卡死在同一个地方——被动等单，你把 profile 挂上去，然后祈祷客户搜到你，这不是在搞笑吗？？？ 和全球几百万接单的大牛卷同一个关键词，等来的单子还得竞价，利润被压到极限 全世界的自由职业者，公司都知道要主动找客户，但从 20 世纪开始，这个事就没有被解决过 以前你想主动找客户，得这么干：去 LinkedIn 搜关键词，出来一堆不相关的，一个个点进去看 profile，判断这人是不是决策者 再去找邮箱，一半找不到 好不容易凑了 20 个人，写邮件又不知道怎么开口，一天下来处理 20 个 leads，回复率 3%，等于白干 现在这个活，AI 直接给你干了。 我最近在用一个 AI 找人工具 Lev8（刚拿了 GL Ventures 600 万美金），跑通了从找人到成交的完整链路 我的身份：做 AI 提效、Agent 搭建、自动化工作流的独立开发者，帮 SaaS 公司搭内部自动化，客单价 $3,000-$8,000 我直接跟它说： “我是做 AI 提效、Agent 搭建、自动化工作流的独立开发者，帮 SaaS 公司搭内部自动化，你来帮我先分析我的客户画像，然后帮我找客户 比如：帮我找小型 SaaS 公司，最近 6 个月有融资或产品发布动态，有招聘全职或者兼职AI提效，agent搭建，ai自动化工作六搭建的岗位的公司，提取创始人/CTO 的名字、邮箱、LinkedIn，按匹配度 1-10 分打分，附一句话理由。” 它聚合 50+ 实时数据源（LinkedIn、X、GitHub、公司官网等），直接出一份精准名单 不是那种买来的过时数据库，是实时的、活的数据。每个人都有 360° 画像：公司背景、最近动态、业务痛点、团队规模、匹配度评分 更狠的是下一步—— 它基于每个人最近的真实动态，自动生成个性化破冰邮件 不是一封模板改名字群发，是每封都不一样 比如对方三天前刚发布了新功能，邮件开头就提到这个功能，自然过渡到“我能帮你们把 XX 流程自动化” 对方上周刚发了条推文吐槽内部工具难用？开头就接这个话题 以前要做到这种程度，你得花 30 分钟研究一个人，一天最多写 10 封。现在批量生成，每封都有 context，每封都像是专门写给他的 然后多渠道一键发送——Email、LinkedIn、WhatsApp、X，选渠道，确认内容，发出去 整个流程从输入 prompt 到发出第一批邮件：5分钟 我又试了另一个场景： “帮我找在 YouTube 上有 10W+ 订阅但发布频率下降的创作者，可能需要外包剪辑。提取联系方式，按匹配度排序。” 同样几分钟出结果。做视频剪辑外包的、做设计的、做跨境电商服务的，换个 prompt 就是换个赚钱场景 算一笔账： 传统路径：Upwork 接单，客单价 $5,000，平台抽 10-15%，到手 $4,250。还得和印度团队卷价格，实际成交价可能被压到 $3,000。被动等单，一个月能接 1-2 单已经不错 主动获客路径：客单价 $5,000，直接触达决策人，0 中间商，到手 $5,000。发 50 封精准邮件，回复率 15-25%（因为每封都有 context，不是盲发），8-12 个回复，成交 1-2 单 月入 $5,000-$10,000，不靠平台，不卷价格 关键差异：你触达的不是随机的人，而是“此刻正好需要你服务”的人 以前做到这一点需要一个 BD 团队。现在一个人 + 一个 AI 队友就能跑通完整链路 窗口期不会太长，等到人人都这么干的时候，回复率又会被打下来。先跑通的人，先吃肉 Lev8：

日本绝不认输！ 日本对阵巴西，无疑是动漫画照进现实，大部分日本、中国80后小孩的足球启蒙从「足球小将」开始的。大空翼、若林、倒挂金钩、合体射门……经典至极。 而且这场比赛无疑是最值得看的一场师徒世纪对决，日本从80年代开始全面向巴西拜师，现役主力多数效力于欧洲豪门。他们结合了美洲的脚法、渗透、突破，和欧洲的跑动、逼抢、纪律，无疑是目前世界上最全面的球队。 不过可惜的是，号称大空翼真人版的久保建英伤病不能出场，这是日本最大爆点没了。右路推进影响极大，他是反击第一推进器。这大大降低了日本终结能力。 这场比赛很容易打成对攻，因为对面还有内马尔可替补出场，如果日本摆大巴，对面用433二段式攻击，会像昨天加拿大戴维斯上场一样，冲跨防线、终结比赛。 所以如果打对攻，终结能力就是本场比赛的决胜关键，对面有维尼修斯，能单吃，日本极易开场就被进球。所以这是一场死局，怎么打日本都没有赢面。 但日本队从不服输，他们有一样是巴西队永远都不会具备的，那就是纪律性和统一性。日本队就像足球小将里一样，意志方面没得说，战术执行全球顶级。他不和巴西拼控球，而是拼能快速收缩、快速转换、快速抢到肋部空间，动不动给你硬刚一个。 所以这场，虽然在理性分析上，不管纸面和环境，优先肯定是选巴西小胜1-0、2-1。但我坚信日本的韧性和执行可以打破数据优势，最终是按照足球小将的剧本，22逼平巴西，以了却80后这一代阳痿球迷的终极情怀。

Prompt该退环境了，未来属于Loop Engineering。 最近，AI行业又出现了一个有趣的新词。Loop Engineering。 如果你关注AI这个领域的话，这两天应该都会刷到。推特在刷，各种社媒也在刷，群里也有蛮多人在讨论。事情是这样的。 6月7号，OpenClaw的创始人Peter发了一条推，非常的简短，但是直接就爆了。 翻译过来意思就是：你不再需要为编码智能体编写提示词了，你应该设计循环来提示你的Agent。 而在这之前几天，Claude Code的创始人老哥Boris在一个开发者大会上也说了差不多的话。 他的原话大概是，我不再手动给Claude写提示词了，我运行着能让Claude自动编排任务的循环，我的工作，就是编写这些循环机制。 也就是，写loop。 这两个人呢，说了同一件事。然后Google的Addy Osmani紧接着发了一篇长文，把Loop Engineering这个概念正式梳理了出来。 于是，继Prompt Engineering、Context Engineering、Harness Engineering之后，AI行业的第四个逐渐形成共识的Engineering，就这么诞生了。 我其实是个特别不喜欢造新词的人，但是很多时候，造词这事我觉得还是得分两种情况，有一种我觉得就是为了炒概念，比如xxx 4.0。 而有的时候，真的只是行业太快，人们更需要一个精准的表达来帮助自己表达而已。Loop Engineering我觉得就是后一种。 而且，这个东西跟我自己一直使用Agent的方法、一直在鼓励大家做的事，是高度吻合的。如果你看过我之前写的那篇Harness Engineering的文章，你大概能理解一些我的感觉。那篇文章里我聊了从Prompt到Context到Harness的三次跃迁，聊了马具和缰绳的比喻，聊了约束先行。 而Loop Engineering，其实就是在Harness之上，又往上走了一层。把一个套马的缰绳，变成了全自动工业流水线。很有《文明》里时代的进化的感觉。 给大家举个例子。比如说，以前你用Claude Code写代码，流程大概是这样的。你给它一个任务，它写完了，你看一眼，觉得不太对，你再给它提一个修改意见，它改完了，你再看，再提意见。整个过程你会发现，是坐在设备前的，一轮一轮的，你说一句它回一句，你就是那个驱动整个循环的发动机。 即使我们以前从chatbot时代迈向了Agent时代，绝大多数的事情，也一样是任务制的。 而现在，比如Boris老哥，他的工作方式是，他会去写一个loop，比如/loop babysit all my PRs，自动修CI问题，有新评论就派子Agent去处理，就这么一句话，然后Claude Code就开始自己跑了，它会自动去看他GitHub上所有的PR，哪些CI挂了就自己修，哪些review有新评论就自动派一个独立的工作树Agent去改代码。 他还把一些其他的loop挂到定时任务上，每天晚上自动启动去干这个事，晚上睡觉的时候，甚至有时候会有几千个Agent在同时工作。他自己说，2026年，他就再也没有手写过一行代码了。 你会看到，这就是loop，定好目标，然后全自动流程化，你完全不需要在电脑前，甚至都不需要看手机。 你可以直接睡觉，醒来的时候，代码已经改好了，测试也已经跑过了，PR也已经提上去了。你并不是自己给Agent写了一段Prompt帮你完成某个单次的任务，是你自己设计了一个目标，这个目标使用loop的方式，帮你提示Agent。 你定义目标，定义验证条件，定义失败了怎么处理，然后，就可以放手了，从此以后，这一切，交给系统。 说到这里，我估计很多人已经大概理解loop是个什么东西了。Addy Osmani在他那篇长文里，把一个完整的loop拆成了五个组件。 我觉得这个拆法蛮清晰的，我用我自己的理解给大家过一下。 第一个是定时任务，整个loop的心跳。 你得有一个东西能自动启动循环，不管是定时跑、还是事件触发，都行。 Claude Code里有好几种方式，/loop命令按间隔自动执行，cron定时调度，Hook在Agent生命周期的特定节点自动触发（比如每次改完文件自动跑一遍lint，这个很好玩，教程和玩法我也在准备了），或者直接丢到GitHub Actions里，关上电脑它也在跑。 没有定时任务的Agent，你每次都得手动去踢一脚它才会动，那就不是loop了，那还是你在操控。 第二个是工作树隔离，Worktree（搞过开发的朋友应该秒懂）。 就是你同时跑好几个Agent的时候，给每个Agent一个独立的工作空间，各干各的互不干扰，干完了再合并。两个Agent改同一个文件的痛苦，跟两个设计师同时改一个图层又不打招呼的痛苦，是一模一样的。 第三个是项目知识体系，Addy Osmani在他的原文里写的是skill，但是我觉得他写的不太对，单skill其实是不够的，必须得是知识管理体系。 大家也都知道，AI每次开新对话就啥都忘了，你跟它说过的代码规范、项目架构、踩过的坑，下次开对话全部从零开始。 所以你得有一整套方法来沉淀、优化这些知识，让Agent每次启动的时候就已经知道你的项目，我自己在这快一年的coding开发过程中，总结的方法论其实就沉淀成了我自己的洁癖.skill，这个基本是我的Agent每天调用最多的skill。 CLAUDE.md是全局的规则和约束，跨会话记忆是一些之前悬而未决的记录和文档路由，docs体系就是你完整的所有的知识和经验沉淀，因为CLAUDE.md和记忆都有大小和行数限制，所以每次任务完成后我会用洁癖.skill来对整个的知识体系进行梳理和审查，确保没有错误。 为什么知识管理体系这个东西在loop里特别重要呢？ 因为loop是自动跑的，你不在场。如果Agent的记忆里有过期信息，它就会基于错误的前提做决策，如果CLAUDE.md膨胀到几百行全是历史叙事，真正的规则反而被挤出去了Agent读不到。没有干净的知识体系的loop，就像一个每天早上都在看过期文档的员工，干的得越快错得越多。 所以洁癖.skill我非常推荐大家可以去安装一下，也在我自己的仓库里开源了，我自己真的觉得特别有用。 第四个是连接器，MCP。 一个只能看文件系统的Agent，能力是很有限的。但你给它接上GitHub、Linear、Slack、数据库，它就能在你的真实工作环境里干活了。 这才叫真正的闭环，从发现问题到解决问题到通知人类，一条龙。 第五个是子Agent。 做事的和检查的分开，写代码的Agent不能自己给自己打分，这跟学生自己批自己的考卷一个道理，它一定会对自己太宽容。所以你得有另一个Agent，甚至用不同的模型，专门来检查前一个Agent的输出，一个负责做，一个负责验。 这五个东西加在一起，就是一个完整的loop的骨架。 Claude Code和Codex有一个命令，其实就是Loop Engineering这套骨架最直接的微观型的产品化体现，只不过很多人没有意识到。 他叫/goal，在Codex里叫追求目标。 意思就是你给Claude一个完成条件，比如「所有测试通过并且lint检查没有报错」，然后它就会一轮一轮的自己干，干完每一轮之后，就会检查这个条件是不是满足了。 大多数讲Loop Engineering的文章，都停在了这一层。讲了五个组件，讲了/goal和/loop命令，讲了怎么配定时任务，就结束了。 这些我觉得，都是术。而我更想聊的，是道。 Loop Engineering这件事，我觉得它最核心最核心的能力，其实不是什么技术能力，也不是写脚本的能力，更不是什么会配hook的能力。 最核心的，是定义目标的能力。定义目标，相信我，这四个字，听起来简单，做起来是真的难。 回到前面说的/goal，它的用法看起来非常直接，给一个完成条件，Claude自己干到满足为止。 听起来很简单对吧。但你如果真正用过就会知道，/goal用得好不好，完全取决于你那个目标定义得好不好。这个事我拿两个例子对比一下你就明白了。 目标A，「把这个应用优化一下」。 目标B，「test/auth目录下所有测试通过，tsc --noEmit零报错，npm run lint零违规」。 目标A会发生什么呢。大家可能都能猜到，Claude会陷入一种非常尴尬的状态，因为它不知道什么叫「优化好了」，除非他是Fable 5，能自己在你之上，自主的帮你定义目标。 而绝大多数的模型，包括Opus 4.8和GPT-5.5，在自己定义目标的能力上还是非常的弱，它可能改了一点代码，然后自己觉得还行，就停了。 也可能不停，一直改一直改，把你的代码库改得面目全非，因为它始终无法判断自己到底什么时候算完成了。那目标B呢？Claude每改一轮代码，都会去跑测试、跑类型检查、跑lint。 三个命令，三个明确的通过标准。全过了就停，没过就继续，清清楚楚，干干净净。同一个工具，同一个模型。 区别只在于，你的目标定义得好不好。 我自己其实一直有一个原则，我经常跟身边的人说，在公众号里也说了无数遍，如果一件事你重复做了三次，你就一定要想办法把它完全自动化掉。 这个习惯跟了我很多年了。我每天也都在写代码、做自动化，我们的AIHOT热点监控系统，我们的数据分析流程，我们的财务对账流程，我们的数据清洗管道，能自动的我全部自动了。 但说实话，在做这些自动化的过程中，我踩过最多的坑，从来不是技术问题。 是目标不清晰的问题。我早期做自动化的时候，经常犯一个错，就是目标定得太模糊。 举个例子，比如自动监控AI行业热点，这句话听起来没毛病，但其实是一句纯粹的废话。 什么叫热点？浏览量过万算热点还是过十万算热点？抓取频率是每小时还是每天？抓到以后怎么评估质量？评估完以后怎么排序？排完以后怎么推送？ 这种反问的问题，我现在可以直接随手问20个以上。 每一个环节如果没有明确的判定标准，整个自动化链条就是一坨狗屎，你相信我，绝对的。 后来我懂了，每次做自动化之前，我会先花很多时间去定义目标。 去花很多很多时间，去定义怎么算做完了，怎么做完算做的好。这其实就是/goal的逻辑。也是Loop Engineering的灵魂。 而如何定义目标，这个能力，我其实不是从AI中也不是从开发中学来的。 这个能力，是我从这几年创业的过程中，学来的。定义目标的能力，其实就是，管人的逻辑。 我自己也开公司，虽然公司不大，只有30来号人，但管人这件事我是真真切切经历过的。 管人最痛苦的是什么，不是人不努力，也不是人能力不够，是你给出去的目标不够清晰，然后下属就一脸懵逼，不知道你要什么，跟无头苍蝇一样打转，最后做出来的东西，你又不满意。 你跟员工说，“把这个功能做好”，那他做出来的东西大概率不是你想要的。 因为你脑子里的好跟他脑子里的好不是一个东西。 你跟他说，“这个接口的响应时间降到200毫秒以下，错误率控制在0.1%以内，下周三之前上线”，他做出来的东西跟你预期的偏差就会小很多。 因为你给了他一个可以验证完成的标准。这一切其实也适用于那种天才型的大神，虽然大神们会自己定义目标，甚至比你定义的还要强，但是给大神们依然是需要有目标的，只是这个目标，不需要那么细节了而已。 对人如此，对AI也是如此。 其实你回头看，所有好的管理方法论，不管是管理学之父Peter Drucker在上世纪50年代提出的目标管理，还是后来Andy Grove在Intel发明的OKR，还是再后来一代又一代CEO们用的各种变体，核心其实就一个东西。 你能不能把一个模糊的意图，翻译成一组可衡量、可验证的完成条件。 管理者要做的，是确保目标足够清晰、资源足够充足、反馈足够及时。你看这三条。跟一个好的loop的三个要素，是不是一模一样。 目标清晰，就是你的条件写得精准。资源充足，就是你给Agent配好了Skill、连接器、工作权限，让它手里有足够的工具干活。 反馈及时，就是你设计了验证机制，每一轮都有一个独立的检查器告诉Agent做得对不对，哪里需要改。管人的逻辑和管Agent的逻辑，是完全一样的。 只不过，管Agent比管人还要极端一些。 因为人可以理解你的模糊意图，人可以主动来找你确认，人可以说老板你这个需求说得不太清楚我不太确定你是不是这个意思。 Agent很多时候是不会的。Agent会非常自信地按照它自己的理解去执行，然后非常自信地告诉你它做完了。 所以，对管理能力的要求，其实比管人还高。 这也是为什么我一直说，AI时代我最讨厌什么「文科已死」「理科已死」的言论，管理学、心理学、组织行为学这些，不但没死，反而变得更重要了。 说到底，Loop Engineering说是Engineering，但我觉得其实它的核心竞争力根本不在工程。 在管理。 而在管理学上，就定义目标这件事，其实不止是把话说清楚就行，其实还有一个非常阴险的陷阱，在管理学和经济学里有个专门的名字，叫古德哈特定律。 当一个衡量指标变成了目标本身的时候，它就不再是一个好的衡量指标了。 翻译成人话就是，你考核什么，员工就只做什么，然后其他东西可能全都退化。 这个事在人类管理中已经是老问题了，而在AI Agent身上，这个问题被放大了一百倍，因为Agent比人类更擅长钻规则的空子。 有人总结过Loop Engineering里很好玩的事情，就是Agent会针对验证器做优化，而不是针对你真正的目标做优化。 比如说你的loop条件是让测试全部通过，那Agent可能最后不去修Bug，直接把失败的测试给你删了。 你看，最后答案依然是测试全过了，完事，从验证条件来看，它确实完成了目标，但从你真正想要的结果来看。。。它啥也没干。 人也会这么干，只不过，Agent做得更快、更彻底、更没有心理负担。所以，一个好的目标定义，不能只有做完了的标准，还必须有不能怎么做的边界。 这其实就是Harness Engineering在Loop Engineering里面发挥作用的地方。 Harness是约束，是护栏，是告诉Agent你可以自由发挥，但这条线你不能越。 Loop是驱动力，是告诉Agent往那个方向一直跑。两个加在一起，才是一个完整的系统。到这里，骨架讲了，灵魂也讲了，陷阱也讲了。 Loop Engineering的东西，终于也差不多了。 最后我想把前面聊的管理学的思路收一下，给一个我自己用得比较多的目标定义框架，不一定科学，纯粹就是我自己的一点点经验。 1. 完成标准要可以被机器验证。 2. 边界条件要跟完成标准一起定义。 3. 要有失败的降级方案。 4. 目标要分层。 回到整条线来看，从Prompt到Context到Harness到Loop，四次跃迁，其实讲的是同一个故事。Prompt Engineering告诉你，好好说话，AI会更懂你。 核心能力是语言表达。Context Engineering告诉你，光说话不够，得给AI足够的信息。 核心能力是信息筛选和组织。Harness Engineering告诉你，光给信息也不够，得给AI设规则和约束。 核心能力是系统设计和规则制定。 Loop Engineering告诉你，光设规则也不够，得让整个系统能自己跑起来。 核心能力是目标定义和管理。 语言学、信息科学、控制论、管理学。四个Engineering，四门古老的学科。 多有意思。 人类社会，其实从来就没有变过。