AI 提效实战：Loop 很火,我先把记忆维护这块做扎实

Loop 最近很火。讨论大多围着它能让一堆 agent 自己跑起来转：定好目标，挂上定时任务，睡一觉醒来，代码改完了、测试也跑过了。

从 prompt 到 loop

这几年用 AI 的方式，更新迭代越来越快，prompt、context、harness，现在是 loop。

最早是 prompt，你琢磨怎么把一句话说清楚，AI 就更懂你。

后来是 context，光说一句不够，你得把项目背景、相关资料一起喂进。

再后来是 harness，光给信息也不够，你得给它定规则、搭框架，圈出哪些能动、哪些不能动。

到了 loop，规则也立完了，你索性退到执行之外，只定义目标和验收条件，让整个系统自己一轮一轮跑。

每一轮都对应着AI的能力进阶，人干预减少，但是对人的组织管理、讲清楚目标的能力要求更高，。

五块积木

把一个 loop 拆开，大致是五块，再加一个文件。

定时触发是它的心跳，决定什么时候开工、什么时候收手、失败了怎么办。

工作树隔离，让同时跑的好几个 Agent 各有各的工作区，不会互相覆盖代码。

项目知识，把代码规范、命名习惯、踩过的坑写在外面，Agent 一启动就读到，不用每次重讲一遍。

连接器，让 Agent 不只是读文件，还能动 GitHub、数据库、Slack，真正接进你的工作环境。

子 Agent，写的人和查的人分开，一个负责做，一个负责验，自己不给自己打分。

最后那个文件，专门记状态：当前目标、已经确认的事实、还没解决的问题。模型每次开新对话都会忘，文件不会忘。

重点聊聊文件，我比较看重这个。