yii.
← Digest
EP110 · 2026年6月19日 星期五 · 10 min read

Loop Engineering 全面引爆

寫 Prompt 的時代正在過去，會設計「循環」的人開始拿到不公平的優勢

每天花 1% 的時間，掌握科技脈動。

今日金句#

“Lines of code went from being treasured, reused, cared for and carefully curated, to being disposable and regenerable, practically overnight.” 「程式碼從被珍視、重複使用、細心維護的資產，一夕之間變成可拋棄、可再生的產物。」 — Charity Majors, CTO, Honeycomb（經 Simon Willison 引用）

今日主軸：當每個人都在自動化「下指令」這件事#

昨天我們提到「循環（loop）」這個詞開始在電子報裡冒頭，今天它直接引爆——同一週內，PostHog 寫了〈為什麼我們看好 loops〉、Lenny’s Newsletter 出了一篇完整的〈如何設計 AI Agent 循環〉拆解 heartbeat／cron／hook／goal 四種型態，Theo 連發三支影片、AI Jason 花 30 小時實測、Greg Isenberg 找來教授對談，連 GitHub 趨勢榜都冒出一本免費的《Loop Engineering 橙皮書》。核心觀念其實只有一句：別再一步步提示 AI 寫程式，而是建一個「會自己提示自己」的循環，讓 Agent 去跑長時間任務。

但同一批人也在踩煞車——Greg Isenberg 那集提到，真正在大規模跑 loop 的工程師一個月燒掉一百多萬美元的 token；Latent Space 則點出更底層的問題：前沿實驗室的 GPU 利用率可能只有一成。從「模型能不能做」到「你付不付得起、會不會用」，瓶頸正在悄悄換位。

必讀#

  1. 如何設計 AI Agent 循環：排程、目標與子代理 — Lenny’s Newsletter AI
  2. 美國禁用 Fable 的深遠影響：中國開源模型趁勢崛起 — Pragmatic Engineer AI
  3. 為什麼我們看好 AI Agent 循環 — PostHog AI
  4. GLM-5.2：目前最強純文字開放權重大型語言模型 — Simon Willison AI
  5. GPU 利用率才是 AI 擴展的真正瓶頸 — Latent Space AI
  6. OpenAI IPO 前大舉招兵，Transformer 共同作者 Shazeer 出走 Google — TechCrunch AI
  7. Midjourney 跨界醫療：全身超音波 CT 掃描器登場 — Latent Space AI
  8. 程式碼從珍貴資產變成可拋棄品 — Simon Willison AI
  9. Zero-Touch OAuth for MCP：企業級託管認證 — MCP Blog Dev
  10. Datasette Apps：在資料庫工具中內嵌自訂 HTML 應用 — Simon Willison Tools
  11. 我發現一萬個 GitHub repo 在散播木馬 — Hacker News News
  12. 可觀測性入門：日誌、指標與追蹤全解析 — ByteByteGo Dev
  13. 自動化實驗室：AI 如何加速材料科學探索 10 倍 — Latent Space AI

1. 如何設計 AI Agent 循環：排程、目標與子代理#

這是本週「loop 熱潮」裡最務實的一篇。文章把 Agent 循環拆成四種型態——heartbeat（心跳）、cron（排程）、hook（觸發）與 goal（目標），並說明各自適用場景。實際示範在 Claude Code 建立每日 PR 審查排程，以及在 Codex 建立每週技能識別自動化，同時派生子代理（subagent）做即時驗證。

  • 四種循環中，「目標型」最難寫好，也最容易白白燒掉 token
  • 好的循環需要四件事——目標、上下文、評估機制、Agent 本身
  • 子代理驗證是控制品質的關鍵，避免循環在錯誤假設上一路狂奔

💡 為什麼重要：這把「prompt engineering」正式推進到「loop engineering」——對獨立開發者，這是把「一次性聊天」變成「可重複資產」的分水嶺。

🔗 閱讀原文 | 來源: Lenny’s Newsletter

2. 美國禁用 Fable 的深遠影響：中國開源模型趁勢崛起#

美國政府限制 Anthropic 新模型 Fable 只能由美國公民使用，本文分析此舉的二階效應——可能讓中國開源模型在其他國家獲得更大影響力。同期 SpaceX 完成 IPO 讓馬斯克成為兆億富翁並收購 Cursor，SpaceX 似乎正面對決 Anthropic 與 OpenAI；Meta 工程裁員、Gemini 負責人跳槽 OpenAI 也一併報導。

  • 以「能力門檻」管制 AI 出口，是史上首例，開了監管先例
  • 封鎖頂級閉源模型，反而替 GLM-5.2 等開源模型讓出海外市場
  • 本週業界人才與資本同時劇烈流動，巨頭戰線重新洗牌

💡 為什麼重要：AI 正在地緣政治化，「你在哪個國家」開始決定你能用什麼工具。

🔗 閱讀原文 | 來源: The Pragmatic Engineer

3. 為什麼我們看好 AI Agent 循環#

OpenClaw 和 Claude Code 的創作者都在談同一個概念：循環。主張不該只是提示 AI 寫程式，而是建立能自我提示的循環，讓 Agent 完成長時間任務。一個有效的循環需要四個要素：目標、上下文、評估機制，以及 Agent 本身。

  • 循環讓 Agent 從「被動回應」變成「主動推進」
  • 評估機制（怎麼判斷做對了沒）是循環能不能自走的關鍵

💡 為什麼重要：和必讀 #1 互為理論與實作，兩篇一起看能拼出 loop 的完整圖像。

🔗 閱讀原文 | 來源: PostHog

4. GLM-5.2：目前最強純文字開放權重大型語言模型#

中國 AI 實驗室 Z.ai 以 MIT 授權釋出 GLM-5.2，擁有 753B 參數（MoE，40B 激活）與 100 萬 token 上下文。Artificial Analysis 評測顯示它登頂開放權重排行榜，在 Code Arena WebDev 位居第二，僅次於 Claude Fable 5。

  • 開源、免費、第一名三件事同時成立，是今年開源陣營的里程碑
  • 缺點是每任務輸出 token 數（約 43k）偏高，實際使用成本不低

💡 為什麼重要：呼應必讀 #2——當美國封鎖頂級閉源模型，這類開源模型正好補位。

🔗 閱讀原文 | 來源: Simon Willison

5. GPU 利用率才是 AI 擴展的真正瓶頸#

AI 擴展討論總聚焦「如何取得更多 GPU」，但更關鍵的是如何最大化現有 GPU 的利用率。前沿實驗室的 MFU（模型 FLOPs 利用率）可能低至一成以下，最佳實踐已達 60-70%。前沿 AI 愈來愈是系統工程問題：排程、網路、核心、框架與叢集可靠性缺一不可。

  • 同一批卡，會調的團隊能多榨出數倍效能
  • 瓶頸從「算力供給」轉向「工程能力」，利好懂系統的小團隊

💡 為什麼重要：在算力軍備競賽的敘事之外，提醒大家「會用」比「擁有」更稀缺。

🔗 閱讀原文 | 來源: Latent Space

6. OpenAI IPO 前大舉招兵，Transformer 共同作者 Shazeer 出走 Google#

OpenAI 在 IPO 前夕從 Google DeepMind 挖來 Transformer 共同發明人 Noam Shazeer，以及前川普政府 AI 政策官員 Dean Ball。

  • 寫出〈Attention Is All You Need〉的核心人物之一轉投 OpenAI
  • 技術＋政策雙線補強，明顯是為 IPO 與監管環境鋪路

💡 為什麼重要：頂級人才的流向，往往是下一個權力中心的領先指標。

🔗 閱讀原文 | 來源: TechCrunch

7. Midjourney 跨界醫療：全身超音波 CT 掃描器登場#

Midjourney 宣布進軍醫療影像，推出全身超音波 CT 掃描器，創辦人 David Holz 稱其為「50 年來第一個全新的全身醫療影像模式」。目前裝置本身尚未整合 AI，但超音波 CT 成像將為下游 AI 應用開啟龐大空間。Hacker News 社群對其準備程度仍有疑問。

  • 先做成像硬體、AI 留待下一步，搶的是真實世界資料入口
  • 影像生成公司跨足醫療硬體，路徑出人意料

💡 為什麼重要：誰握有大量人體影像，誰就握有下一代醫療 AI 的燃料。

🔗 閱讀原文 | 來源: Latent Space

8. 程式碼從珍貴資產變成可拋棄品#

Honeycomb CTO Charity Majors 指出，2026 年程式碼生產的經濟學被徹底顛覆：生成程式碼從困難、耗時、昂貴，變成幾乎免費且即時。程式碼從被珍視、重複使用、精心維護的資產，一夕之間成為可拋棄、可再生的產物。Simon Willison 引用並認為這正是工程紀律更重要的原因。

  • 程式碼貶值，但「判斷力」與「紀律」升值
  • 可拋棄不代表可隨便——維護成本只是換了形式

💡 為什麼重要：和今日 loop 主題互補——程式碼免費了，所以「何時該跑循環」的判斷才是新稀缺品。

🔗 閱讀原文 | 來源: Simon Willison

9. Zero-Touch OAuth for MCP：企業級託管認證#

Model Context Protocol 推出企業級零接觸認證，讓 MCP 在企業環境中可由管理員統一託管授權，使用者無需手動設定。

  • 解決 MCP 在企業導入時的身分驗證痛點
  • MCP 從個人工具走向企業基礎設施的關鍵一步

💡 為什麼重要：MCP 生態要進企業，認證與治理是繞不開的門檻。

🔗 閱讀原文 | 來源: MCP Blog

10. Datasette Apps：在資料庫工具中內嵌自訂 HTML 應用#

Simon Willison 發布 datasette-apps 外掛，讓開發者在 Datasette 中託管自訂 HTML+JavaScript 應用，透過沙箱 iframe 執行 SQL 查詢，並以嚴格 CSP 防止惡意存取。源自為 Datasette Agent 打造 Claude Artifacts 機制的嘗試。

  • 把「資料庫」變成「應用平台」，沙箱化確保安全
  • 又一個「Agent 自己生成可執行產物」的具體案例

💡 為什麼重要：呼應 loop 主題——讓 Agent 產出能直接跑的東西，而非只是文字。

🔗 閱讀原文 | 來源: Simon Willison

11. 我發現一萬個 GitHub repo 在散播木馬#

安全研究員揭露約一萬個惡意 GitHub repo 正在散播木馬程式，在開發者社群引發激烈討論。

  • 開源供應鏈攻擊規模超乎想像
  • 下載前先看 commit 歷史與 star 真實性，別只看 README

💡 為什麼重要：AI 讓產生「看起來正常」的惡意 repo 成本更低，下載任何東西都要更小心。

🔗 閱讀原文 | 來源: Hacker News

12. 可觀測性入門：日誌、指標與追蹤全解析#

一個運行中的服務不斷產生事件，日誌、指標與追蹤是觀察同一事件流的三種視角：日誌記錄單一事件、指標聚合大量事件、追蹤串連跨服務事件。文章詳解 cardinality、sampling 與 correlation。

  • 三者不是三套系統，而是同一資料的三種切法
  • Agent/loop 跑起來後，可觀測性是你唯一能看懂它在幹嘛的窗口

💡 為什麼重要：當系統越來越多是 Agent 自動跑，可觀測性從「nice to have」變成「沒有就瞎了」。

🔗 閱讀原文 | 來源: ByteByteGo

13. 自動化實驗室：AI 如何加速材料科學探索 10 倍#

Radical AI 創辦人 Joseph Krause 分享如何以 AI 驅動的自動化實驗室（Self-Driving Lab）將材料科學探索速度提升超過 10 倍。不同於生物分子可用 token 序列表達，材料涉及供應鏈、微結構與製造流程等複雜變數，單一模型無法一次搞定。

  • AI 開始往實體世界走，影響消費電子、航太、運算與國防
  • 材料探索的複雜度遠高於文字，需要系統而非單一模型

💡 為什麼重要：AI 的下一個戰場不在螢幕裡，而在真實材料與製程上。

🔗 閱讀原文 | 來源: Latent Space

推薦閱讀#

大神動態#

  • Simon Willison：本週三連發——GLM-5.2 評測、Datasette Apps、引用 Charity Majors 談程式碼經濟學（詳見必讀 #4、#10、#8）
  • Noam Shazeer：Transformer 共同作者離開 Google DeepMind 加入 OpenAI（詳見必讀 #6）

中文技術圈#

開源精選#

tamnd/kage — Go | ⭐ 2.0K 把任意網站「影印」成可離線瀏覽版本，並移除 JavaScript。

vercel/eve — TypeScript | ⭐ 1.4K Vercel 推出的 Agent 開發框架，呼應今日 loop 主題。

EEliberto/IPA-Download — Swift | ⭐ 1.1K 安裝 iOS App 歷史版本、自動抓封包，可 AirDrop 直送 iPhone。

loop-engineering-orange-book — ⭐ 673 《Loop Engineering 橙皮書》白話指南（中英 PDF，免費）。

Plaer1/junction — TypeScript | ⭐ 510 給本地 AI 編程 agent 用的 VS Code 聊天側欄。

royalbhati/sqltoerdiagram — JavaScript | ⭐ 467 貼上 CREATE TABLE 即生成互動式 ER 圖，全程瀏覽器運算。

privatenumber/mac-ocr — Swift | ⭐ 362 用 Apple Vision 做 OCR 與可搜尋 PDF 的 macOS CLI。

bjarneo/ku — Go | ⭐ 339 鍵盤驅動的 Kubernetes TUI，瀏覽資源、編輯物件、追 log、進 pod。

影音精選#

我們現在開始寫 loop 了#

Theo (t3.gg) · 1 天前

Theo

Theo 分享他從「手動逐步引導 AI」轉變為「設計自動化迴圈讓 Agent 自我提示」的過程。他建立了讓 Agent 自動 code review、監控 PR 和 issue 的系統，並接受「大多數 Agent 執行不該由你親自寫 prompt」這個過去無法想像的結論。

  • 傳統做法是由人類串接各 Agent 步驟；新做法是設計讓 Agent 自我觸發的迴圈
  • 建立了 PR 監控、code review 回饋、自動重審的 loop，顯著減少人工
  • 用 Hermes agent 主動把上下文推給他，而非他主動去抓

Agent Loop 實戰 30 小時後的核心洞察#

AI Jason · 1 天前

AI Jason

AI Jason 分享他花 30 小時建構 Agent Loop 的實戰心得，包括讓 Agent 自動找 Bug、提 PR、連續兩天無人值守產出 SEO 內容的案例。他定義「Loop Engineer」的三大核心：Agent 迴圈、記憶層、工具存取。

  • Loop 三大基礎：執行迴圈、跨執行的記憶層、與外部系統的工具連接
  • 從 2023 年補全型 prompt，到 RAG/Agent，再到 2026 年自動化 loop 的演進
  • 成功的 loop 需要「共享記憶」讓不同 Agent 互通上下文

Agentic Loop：什麼時候該讓機器自己跑？#

Greg Isenberg · 1 天前

Greg Isenberg

Greg Isenberg 與教授 Ras Mic 討論 Agentic Loop 的邊界：人在迴圈中（human-in-the-loop）仍是現階段最佳實踐，完全自動化只適合「輸出可二元判斷」的任務，例如 code review。

  • 完全自動的 loop 會填充錯誤假設並燒掉大量 token
  • 有大神月燒上百萬美元 token 跑 loop，一般預算要謹慎
  • code review 等二元判斷任務最適合 loop；App 建構仍需 human-in-the-loop

改變世界的 10 篇電腦科學論文#

Fireship · 2 天前

Fireship

Fireship 用幽默風格梳理過去百年電腦科學最重要的 10 篇論文：從圖靈的可計算性、Shannon 資訊論、感知器、反向傳播，到 PageRank、ImageNet、Transformer 與 GPT-3。

  • 1936 年圖靈機在解題過程中意外定義了「計算」概念
  • Shannon 把通訊抽象成位元，借熱力學熵量化資訊
  • 2017 年〈Attention Is All You Need〉直接催生現代 LLM 浪潮

SpaceX 最大 IPO、Fable 遭禁、Salesforce 收購 Finn#

20VC · 1 天前

20VC

20VC 週報覆蓋本週重大事件：SpaceX 完成史上最大 IPO，馬斯克身家 24 小時內暴增；Anthropic Claude Fable 週一上線、週四就被美國政府以能力出口管制理由禁用；Salesforce 36 億美元收購 Finn；Adobe 財報亮眼但 CFO 離職致股價下跌。

  • SpaceX IPO 首日大漲，Elon 資產超越第二名達兆美元級
  • Fable 禁令是美政府首次以「能力門檻」禁用 AI 模型，創監管先例
  • Wix 大幅下修指引並裁員，舊式 SaaS 面臨 AI 時代存亡考驗

庫克卸任前最後 WWDC：蘋果 AI 重組解析#

硅谷101 · 2 天前

硅谷101

硅谷 101 深度報導 WWDC26：庫克卸任前最後一次主持，蘋果發表 5 款 AFM 模型（含 30 億端側與 200 億 MoE）、新 Siri、Gemini 合作及私密雲端運算。內部則是 AI 失敗後的權力重組。

  • 端側 3B Core + 20B MoE Advanced，僅支援 iPhone 17 Pro / M4 以上
  • Giannandrea 被邊緣化，Rockwell 接 Siri 但向 Federighi 匯報
  • 蘋果押注「端側＋系統權限＋隱私＋開發者生態」，而非單點模型能力

如何選擇你的創業點子#

Y Combinator · 2 天前

Y Combinator

YC 合夥人 Jon Xu 分享創業點子選擇的實戰框架：別過度思考，承諾單一想法並深入執行，親自接觸市場、從客戶獲得反饋。

  • 沒有「不接觸現實就能找到最佳想法」這種事
  • 同時做多個想法會導致數據品質差，先全力投入單一方向
  • 深入到能替客戶「打理生意」的程度，才挖得到更好的機會

今日觀察#

這禮拜最值得玩味的，不是 loop 突然紅了，而是同一批最用力推廣它的人，正同時踩著煞車。Lenny 與 PostHog 教你怎麼建「會自己提示自己」的循環，Theo 連發三支影片示範把 code review、PR 監控全自動化；但 Greg Isenberg 那集隨口提到，真正大規模在跑 loop 的工程師一個月燒掉一百多萬美元的 token，而 Latent Space 更直接掀開底牌——前沿實驗室的 GPU 利用率可能只有一成。再疊上 Charity Majors 那句「程式碼已經變成可拋棄品」，你會發現三件事其實是同一個轉折：當「產出」變得幾乎免費，稀缺的東西就整個往上游搬——搬到「該不該讓它跑」「跑得划不划算」「會不會調」這些判斷上。對一個獨立開發者來說，這意味著未來真正值錢的，不是你能讓 AI 寫多少程式碼，而是你有沒有那個判斷力，在它狂奔之前先按下對的按鈕。

覺得有用嗎？分享給一個也在追蹤新知的朋友。

也歡迎中長期投資者體驗新工具 → Moniit banner

同期還有