工业聚
@guyingjie129
AI/Agent Full-stack developer。Author of koka-ts, remesh-js, farrow-js, react-lite and react-imvc.
1.1K 正在關注 1.7K 粉絲
循环工程最佳实践就是让 spec/task 成为 Loop Agent 的内部细节，而人类输入则是离散的、粗糙的、原始的。
用 AI 放大一遍，甚至是反模式，因为人类常常连 spec 都看不完，不管是 md 还是 html。即便勉强看完，也消化不过来。
越多中间材料，越多中间冗余对齐环节；往往中间材料（spec/task/todo/prd/prototype/设计稿）的可验证性不强，远低于作为最终交付物的代码的可验证性。
减少中间环节、减少中间材料，从某种程度上看，是将算力投入到更具备可验证性的媒介中，投入到离交付更近的媒介中。
不过，有一个例外，就是目标(goal），目标不要自己写。
要让 AI 吸收给定上下文和原始意图后（聊完后），让 Agent 自己设置（如图1）。
然后我们审核 Goal 是否跟预期相符（如图2），不符合则取消后重新聊，再要求设置目标。
这就是【目标对齐】过程，goal 比 spec 宏观，是人类可适应的简洁的、易理解的媒介。
顯示更多
看板不适合 Agent，特别是 Loop Agent。因为它的表达能力太弱了，就几个 Ordered Grouped List 的腾挪。
看板是过去人类协作时代的产物，特点是任务背后复杂的拓扑关系网络，存在于人类员工脑海里的隐性知识，所以看板自身可以简单。
但 Agent 工作要求显性化隐性知识，一旦展开就超过看板的表达能力，也超过人类的跟踪能力。
MCDT(Montone Co-Design Theory) 给出了工作单元之间形成的网络结构中的 Requirement/Functionality 关系的单调性和可计算性优化策略的刻画能力，可用在循环工程中作为 Agent/Session 之间协作的内部结构。
MCDT in the loop, Human on the loop.
Human 是 MCDT 网络中的 Input/Output 节点。
人类定义目标（要什么）和验收标准（是什么），Loop 内部自行从当前状态规划面向验收目标的内部 Todos。
人类可以通过分解目标，将可验收性质分配到多个时间阶段中，从而微调 Loop 内部的执行路径。
但监控一组固定的看板/Todos 的作用可能不显著了，因为它们是动态的，随目标变化、事实开展而调整的。
曾经 Cursor/Codex/Claude-Code 都显示了相关 tasks，但随着 steering 和 coding 开展，很容易跟 tasks 匹配不上。
总的来说，Agent 的可观测性建设重点应当从过程指标，转向结果指标；围绕关键事实节点开展。
顯示更多
近期我将离开工作近 12 年的公司，现在看外面各种工作机会，欢迎大家帮忙内推或扩散这条消息~
我期望工作地点是上海，职位方向可以是前端开发或Agent开发；现阶段保持最大的开放性，希望接触各种不同的机会，多学习和了解。
提前感谢各位的帮助~从以下渠道可以了解我的更多信息：
GitHub: Lucifier129
微信公众号：工业聚
顯示更多
