Karpathy 在〈How I use LLMs〉裡請 ChatGPT 查 OpenAI 歷年估值、畫圖,再外推到 2030 年。ChatGPT 回他:大約 1.7 兆美元。
他覺得不對勁:圖上 2030 年那一格標的數字,跟這個說法對不起來。他要求「把這個變數直接印出來」。印出來的結果,對應的是大約 20 兆。同一段示範裡,表格寫明 2015 年估值未知,程式卻自己填了 0.1,沒有告訴他。他的評語是:「有點鬼祟。」[9]
模型沒有存心說謊。問題在於,整個流程裡沒有任何一步要求它拿出證據,它說完成,大家就當它完成了。
Whitemon 這篇長文講的就是這件事。[1] Agent 失敗了,你改提示詞;又失敗,你換模型;第三次,你在提示詞裡加上全大寫的 IMPORTANT。他說問題幾乎從來不在提示詞,多數時候也不在模型,而在模型外面那套系統。他把那套系統拆成三層:執行框架(Harness)、迴圈(Loop)、工作圖(Graph)。
原文給了一個好用的順序:先修環境,再修回饋,最後才修流程。我的判斷是:順序只是起點,真正難的是出口和關卡要設多嚴,而那取決於這件事做錯了收不收得回來,不是模型多有把握。 原文是寫給人收藏的整理,有幾處講得比現實乾淨。我拿 Karpathy 自己的 autoresearch 專案當迴圈實例逐格對照,也補上我研究這篇時整理的六個限定。
- 三層各管一件事:執行框架管「它能不能動手」,迴圈管「結果是不是真的」,工作圖管「接下來輪到誰」。修錯層,就會在一層好好的地方除錯一整週。
- 迴圈要靠證據轉,不靠自信轉:「Agent 說做完了」不是停止條件,測試通過才是。一個檢查有多可靠,看它願意接受的最弱證據。
- 每一圈都要有出口:通過就停、同一結果出現兩次就升級交給人、預算用完就停。沒有出口的迴圈不是堅持,是漏錢。
- 人要放在收不回來的地方:依「復原代價」設關卡,不看模型有多有把握。
- 原文沒說透的:測試綠了不代表規格都對、換一個上下文不代表盲點不同、worktree 不是權限沙盒、自動檢查本身也要防止被改。
先看名詞小抄(點開)
- Agent(AI 代理)
- 會自己呼叫工具、改檔案、跑指令,一步步把任務做完的 AI。
- 上下文(context)
- 模型這一刻「看得到」的全部資訊,有容量上限。
- repo(程式庫)
- 一個專案的全部程式碼與修改紀錄。
- PR(Pull Request,合併請求)
- 把一批修改送給別人審查,通過後才併進正式版本。
- CI(Continuous Integration,持續整合)
- 每次有人送出修改,就自動跑測試與檢查的系統。
- lint
- 自動檢查程式寫法有沒有違反規則的工具。
- 綠燈/紅燈
- 測試或檢查通過/沒通過。
- 結束碼為 0
- 程式跑完回報「成功」的訊號。這是機器給的,不靠誰說。
- worktree
- 同一個 repo 另外開出的一份工作資料夾,讓兩件事分開改。
- 沙盒(sandbox)
- 限制程式能碰哪些檔案、網路、帳號的隔離環境。
- 資料庫遷移(migration)
- 改動正式資料庫結構的腳本,跑下去通常很難收回。
- 副作用
- 除了回傳結果之外,真的改到外面世界的事,例如寄出一封信、扣了一筆錢。
三個詞,三種不同的失敗
這是原文。以下不是翻譯,是我依它的架構重新整理,加上我自己的判斷與補充。圖全部依原文內容重畫。
Harness, Loop, Graph: The 3 Layers That Decide If Your AI Agent Works
— Whitemon (@0xWhitemon) 2026 年 11 月 8 日
原文的切入點是 Karpathy 去年底的一則貼文。他說自己從沒覺得作為程式設計師這麼落後,因為多出了一整層要學的新東西:agents、subagents、提示詞、上下文、記憶、模式、權限、工具、插件、skills、hooks、MCP……[2]
Whitemon 的觀察是:這串清單不是一件事,是三層混在同一句話裡。拆開之後,「AI Agent 不可靠」就不再是謎,而是一般的工程問題。
原文的一句話版本是:先環境,再回饋,最後才是流程。 順序很重要,因為下層的問題會蓋住上層的問題。Agent 連正式環境的紀錄都讀不到,你再怎麼設計檢查也沒用;檢查本身不可信,你把工作拆成再多節點也只是平行地出錯。
執行框架:把模型拿掉,剩下的都是
原文給的定義我很喜歡:把模型從你的架構圖拿掉,圖上還留著的東西,就是執行框架。 工具、記憶、權限、測試、瀏覽器、專案說明,全部算。
同一個模型,放在聊天框裡只能回答問題;放進一個有終端機、測試、瀏覽器、專案記憶和權限的 repo,就能交付功能。模型權重沒變,變的是執行框架。
OpenAI 的〈Harness engineering〉是很好的例子。他們用 Codex 做一個產品,手寫程式碼為零。早期進度很慢,原因不是模型不夠強,而是環境沒有交代清楚。他們沒有叫 agent「再努力一點」,而是問「缺的是哪一種能力」,再把那個能力做成 agent 看得到、也必須遵守的東西。[3] Terraform 與 Ghostty 的作者 Mitchell Hashimoto 也說過,通用的 agent 執行框架(例如 Codex、Claude)加上命令列工具與 MCP(讓 AI 接上外部工具的標準介面),勝過他用過的每一個產品內建聊天框。[4] Anthropic 4 月推出的 Claude Managed Agents,更直接把「調校過的執行框架+正式環境基礎設施」包成產品賣。[5]
六個部分,原文每一個都給了具體例子。
任務契約。 動手前,把要求改寫成一個有終點的東西:
目標 修好登入後被導來導去的無限迴圈(#482)
輸入 問題單、程式庫、錯誤紀錄
產出 一個可以審查的 PR
限制 不改資料庫結構,只動 auth/ 資料夾
完成條件 新寫的測試能重現這個 bug
修完後,同一個測試通過
整套測試全部通過
最重要的是最後一欄 done_when(完成條件)。沒有它,agent 會悄悄把任務換成一個比較簡單的版本,解完再告訴你做好了。
導覽地圖。 不要把所有文件塞進上下文。給它一份很短的根目錄說明(例如 AGENTS.md),只寫「架構看哪份、測試看哪份、安全規範看哪份」,需要時再去讀。原文說,上下文不是倉庫,是注意力預算;一本厚手冊會在 agent 寫下第一行之前,就把預算吃光。
工具。 每多一個工具,模型就多一種選錯的方式,所以十個用途專一的工具,勝過四十個功能重疊的。每個工具都要有清楚的輸入、可以預期的輸出、明確的失敗狀態,和一個權限等級:讀檔可以、在沙盒裡跑測試可以、只能在工作區寫檔、網路依任務開放,部署和刪資料要人核准。
記憶。 上下文是記憶體,執行框架是硬碟。決策、走不通的路、還沒解的風險,寫進檔案和修改紀錄,不要留在對話裡。原文的例子是一份 PROGRESS.md:目標、試過什麼(調整登入檢查的順序,還是紅燈)、已知什麼(只在登入過期時發生)、下一步看哪個檔、絕對不碰哪些地方。agent 當掉、上下文被清空、或換人接手時,接手的是工作的實際狀態,不是一段模糊的對話摘要。
圍牆。 「請不要動資料庫遷移檔」是一個願望;agent 根本沒有那個權限,才是一道牆。模型可以提議,但要不要執行,由模型以外的規則(policy)決定。原文有一句我會直接抄進自己的規範:不要讓同一個系統既想出計畫、又核准風險、又執行後果。
執行軌跡。 每次執行都要留下讀得懂的紀錄:載入了什麼、呼叫了哪些工具、改了什麼、跑了哪些測試、重試幾次、花了多少錢。沒有軌跡,失敗是一個謎;有了軌跡,失敗就是下一次修正的材料。
這一點,跟我前一篇寫的 Hermes 插件黑客松是同一件事。那屆前段班贏在把「請 AI 記得」換成「AI 忘了也照樣會執行的關口」。(延伸閱讀:Hermes 插件黑客松前 10 名) Claude Code 的官方最佳實踐也這樣分:有些事絕對不能發生、有些步驟一定要做,「光靠提示詞保證不了這兩種事」,要改用強制執行的規則。[6]
重要規則寫兩次
原文最實用的一招叫「寫兩次」:每一條重要規則,一次寫成 agent 看得懂的說明,一次寫成它繞不過去的檢查。
說明(寫在 AGENTS.md,給 agent 讀)
介面程式不可以直接查資料庫
檢查(放在 CI,agent 沒辦法跟它爭)
src/ui/** 只要 import 了 src/db/**,lint 就失敗
說明負責講理由,檢查負責在模型忽略說明的那一天照樣擋住。時間一久,過去的事故會變成基礎設施,下一個 agent 不必記得那次事故,因為執行框架替它記得。
我自己的網站也這樣做:給 agent 的規範寫「某個資料夾是自動產生的副本,不要手改」,同時每次跑測試都會比對副本和正本,有人手改就失敗。前者給 agent 理由,後者在它忘記的時候擋住。
下一個會壞的地方
執行框架做好之後,agent 可以自己工作一小時。然後它回你:「修好了!現在測試應該都會過。」注意那個「應該」。執行框架讓它有能力,但系統裡還沒有任何東西讓它正確。
迴圈:靠證據轉,每一圈都要有出口
每個 agent 本來就有一個小迴圈:呼叫模型、執行工具、把結果餵回去、再來一次。原文說,迴圈工程從你刻意設計這個循環開始:不是「再問一次」、不是「重試」,而是一套有目標、有證據、有辦法停下來的工作與回饋系統。
這件事普及得很快。Claude Code 在 3 月推出 /loop,可以排程最長 3 天的重複任務,例如「看管我所有的 PR,自動修建置錯誤」。[7] Claude Code 作者 Boris Cherny 在 6 月分享讓 agent 自主跑好幾個小時的五個技巧,第五個是:確保它有辦法從頭到尾自己驗證成果。[8]
原文把一個設計過的迴圈拆成七格。右欄先放 Karpathy 的 autoresearch 對照,後面會細談。
| 格子 | 要回答什麼 | autoresearch 怎麼填 |
|---|---|---|
| 觸發 Trigger | 什麼會開始一輪:測試失敗、新問題單、排程 | 人說一次「開始實驗」,之後每輪跑完自動開下一輪 |
| 目標 Goal | 確切的達成條件,不是「持續改善」 | 固定 5 分鐘訓練內,val_bpb(驗證資料上的誤差分數)越低越好 |
| 狀態 State | 下一輪需要知道什麼 | 只留下改善過的修改紀錄,加一份記下每輪結果的表 |
| 行動 Action | agent 被允許做什麼 | 只能改 train.py;評分程式不可以改(寫在說明裡) |
| 證據 Evidence | 怎麼知道這次真的有效 | 從訓練紀錄直接抓分數,機器判定 |
| 回饋 Feedback | 到底哪裡失敗 | 分數與記憶體用量;當掉時讀紀錄最後 50 行 |
| 停止 Stop | 無論如何,什麼時候一定要停 | 單輪:超過 10 分鐘當失敗並還原。整體:沒有,跑到人打斷為止 |
證據有強弱
迴圈工程最重要的規則只有一句:不要靠自信轉圈,要靠證據轉。
回到開頭 Karpathy 的例子。ChatGPT 說「大約 1.7 兆」,是自我回報;他要求把變數直接印出來,等於把證據拉到「機器判定」那一列。他在影片裡也先明確要求 ChatGPT 用搜尋,因為他「不想要它用幻覺生出資料」。[9] 那不是什麼高深技巧,就是不接受最弱的證據。
原文接著給了兩個做法:
- 先寫檢查,再寫程式。 動手前寫下「綠燈長什麼樣子」,而且要包含一個在現在的程式上會失敗的測試。修之前就會過的測試,什麼也證明不了。寫不出檢查,代表你還沒搞懂任務;寫檢查,就是在寫規格。
- 給回饋,不要給判決。 「紅燈」是判決,對 agent 幾乎沒有資訊。好的回饋長這樣:
失敗的測試 test_expired_session_redirect
預期 導向 /login
實際 導向 /dashboard(auth/refresh.py 第 61 行)
範圍 只能改 auth/refresh.py
走不通的路 調整登入檢查的順序
「預期 vs 實際」把一盞紅燈變成方向;「走不通的路」能防止第三次嘗試悄悄變回第一次嘗試。
出口
沒有出口的迴圈不是堅持,是漏錢。 三個出口裡,中間那個最重要:同一個結果出現兩次,代表 agent 已經學不到東西,再試也沒用,該升級交給人。缺的是它看不到的資訊,或者問題本身問錯了。迴圈能修正成果,修不了問題。
一個真的在跑的迴圈:Karpathy 的 autoresearch
Karpathy 3 月開源的 autoresearch,是我看過把迴圈寫得最清楚的例子。[10] 它讓 agent 整晚自己改一份訓練程式,每輪固定訓練 5 分鐘,看分數有沒有變好,變好就留、沒變好就用 git reset 退回原點,再來一輪。
對照上面那張七格表,它的證據和單輪出口做得很紮實:分數由機器判定,不問 agent 覺得怎麼樣;每一輪都寫進結果表,連當掉的也記。但有三格是空的,或只寫了一次:
- 整體沒有出口。 沒有預算上限,也沒有「同一結果出現兩次就停」。
program.md寫著「永遠不要停」,不要問人要不要繼續;點子用完了,就「更努力想」。整個大迴圈唯一的出口,是人打斷。[11] - 圍牆只寫了說明。 「只能改
train.py、評分程式不可以改」寫在說明裡;README 則建議你把 Claude 或 Codex 的權限確認全部關掉再開跑,也就是 agent 在你的機器上做什麼都不會先問。用原文的話說,這條規則只寫了一次。 - 品味只寫了說明。 說明裡有一條「越簡單越好」:分數只進步 0.001 卻多了 20 行難看的程式,就不值得留。但證據只量分數,沒有任何檢查會擋下難看的程式,全靠 agent 自己判斷。
這不是在挑它毛病。它跑在單一 GPU、只改一個檔的研究環境,出錯的代價主要是一整晚的實驗白跑,加上一台權限全開的機器。這樣的取捨在那個環境裡說得通。我想說的是:出口和圍牆要設多嚴,取決於這個迴圈出錯時收不收得回來。 同一句「永遠不要停」,搬到會寄信、會改正式資料的工作上,就是事故。README 也自己提醒,結果只在同一個運算平台上才能互相比較。
工作圖:只畫真的相依的箭頭
每一步都做得很好了。但真實的任務從來不只一步。原文的例子是:修一個 bug、檢查帳務和管理後台是不是用了同一個共用函式、更新文件。
一個 agent 在同一個上下文裡依序做完全部。第二份稽核讀了第一份的筆記,就照著重複一遍。整件事又慢、又是單線,而且只有一種觀點,最後還是同一個 agent 給自己打分數。這時調整迴圈沒有用,因為問題不在任何一步裡面,在步驟之間。
7 月 Peter Steinberger 問了一句「我們還在談迴圈,還是已經改談工作圖了?」,同一天稍晚就有人回「迴圈工程已死,工作圖工程萬歲」,隔天也有人說 agent 正在從 while 迴圈畢業,變成組織圖。[12][13][14]
工作圖由三樣東西組成:節點是有界限的工作,一個輸入、一個輸出;邊是真的相依關係,前一個節點的輸出是後一個的輸入;狀態是節點之間留下來的東西。原文有一句很好懂:迴圈只是一個只有一個節點、箭頭指回自己的工作圖。 工作圖不取代迴圈,它是好幾個迴圈要互相交接時才需要的東西。
提早開工檢驗(Early-Start Test)是判斷箭頭的方法。流程圖裡大部分的箭頭不是真的相依,只是某人剛好想到的順序。每一條箭頭都問:如果 B 在 A 完成前就開始,會壞掉什麼?答案是「不會」,就刪掉那條箭頭,讓它們平行跑。帳務稽核可以在修正完成前開始嗎?可以,所以平行。PR 可以在修正完成前開嗎?不行,所以那條箭頭是真的。
再來是原文的四刀,決定工作圖有沒有幫助:
- 在會分開出錯的地方切。 兩個步驟會因為不同原因壞掉,就是兩個節點;總是一起壞,就是一個。
- 每個工作者都要有自己的上下文。 四個 agent 共用一個上下文,不是團隊,是一個 agent 戴四頂帽子。第一個寫下的意見,會變成所有人的意見。Rohit 的說法很直接:迴圈工程最大的缺口,是同一個 agent 做事又自己打分數。[15]
- 答案永遠不該變的,就寫成程式。 合併、排序、去除重複、計數,都是一般函式。只有「換一個答案也可能對」的地方才用模型。
- 凍結已經通過的節點。 一個節點過了關卡,輸出就唯讀。某處失敗,只重跑那一個節點,帶著它的回饋。重跑好好的工作,只是多給它一次壞掉的機會。
最後原文自己踩了煞車:大部分任務不需要工作圖。 五個節點如果能收回成一個迴圈而不失去什麼,就收回去。LangGraph、Google ADK 很早就在做節點、邊、共享狀態,名字是新的,但不要在工作還沒逼你之前就去畫它。
人該放在哪裡
在最原始的狀態,你就是整個系統:你的手跑程式、眼睛看結果、腦袋決定下一步,模型是唯一不做苦工的部分。
目標不是一個永遠不需要你的 agent。原文說:你是工作圖裡最慢、最貴的節點,所以只把自己放在錯了收不回來的地方。 關卡要依「復原代價」設,不依模型的信心。
最後一級沒有分數。不是 0.95,也不是 0.99。沒有數字讓模型去拚,它就沒有東西可以爭。我認同這個設計:信心分數是模型自己報的,拿它當門檻,就又回到證據強度圖最下面那一列「自我回報」。
到底是哪一層壞了
改任何東西之前,從這張表的最上面往下找,第一個符合的症狀,就是你下一個該修的地方,不是它後面那一項。執行框架的問題會蓋住迴圈的問題,迴圈的問題又會蓋住工作圖的問題。
| 症狀 | 該修的層 | 怎麼修 |
|---|---|---|
| 你一直在聊天視窗和終端機之間複製貼上 | 執行框架 | 給它工具 |
| 它重試已經試過的做法 | 執行框架 | 把記憶存到檔案裡 |
| 你沒親自檢查之前,「完成」沒有意義 | 迴圈 | 一個真的會失敗的檢查 |
| 重試一直在同一個錯誤上燒預算 | 迴圈 | 回饋加上出口 |
| 每一步都對,整體卻很慢 | 工作圖 | 拆成真正獨立的節點 |
| 一處失敗就要全部重跑 | 工作圖 | 凍結已通過的節點 |
| 同一個錯誤每週都回來 | 所有層 | 把教訓記到負責的那一層 |
最後一列是原文最後一個重點:每次失敗都應該讓系統升級。 多數人修的是那一次的成果,好團隊修的是那一類失敗,訣竅是把每個教訓歸到負責它的那一層。
| 這次的失敗 | 教訓變成 | 歸到哪一層 |
|---|---|---|
| 看不到正式環境的紀錄 | 一個唯讀的看紀錄工具 | 執行框架 |
| 重試了上週已經失敗的做法 | 「不要再試」清單多一行 | 執行框架 |
| 動了不該動的檔案 | 拿掉它的那個權限 | 執行框架 |
| 說「修好了」卻沒有能重現問題的測試 | CI 裡的必要檢查 | 迴圈 |
| 同一個錯誤連續出現 6 次 | 「同一結果出現兩次就停」的出口 | 迴圈 |
| 兩份稽核做了重疊的事 | 界定範圍時的切分規則 | 工作圖 |
| 錯字和登入邏輯修改走同一套審查 | 依復原代價設的關卡 | 工作圖 |
注意這張表沒有「提示詞」那一列。在提示詞裡寫「小心不要重複工作」是一個希望;在排程器裡寫一條切分規則,才是結構。下一季的模型讀你的提示詞會有不同理解,但測試永遠用同一種方式讀。
原文沒說透的六個限定
原文的框架我同意,但它是寫給人收藏的整理,很多句子講得比現實乾淨。下面六點是我研究這篇時整理的實作限定,有幾點原文其實碰到了,只是沒有展開。
一、測試通過,不等於整份規格都對了。 原文已經提醒「修之前就會過的測試,什麼也證明不了」。再往前一步:綠燈只涵蓋實際被檢查的條件,需求漏寫、測試的判斷寫得太鬆,錯誤照樣會過。證據強度圖最上面那一列「機器判定」,前提是檢查本身寫得夠好。所以要問:這個測試能不能重現原本的問題?有沒有覆蓋預期行為?它真的在目前這版程式上跑過嗎?
二、換一個上下文,不保證盲點就不同。 原文的建議順序是先測試、再找另一個上下文的審查者、收不回來的交給人,這個順序我同意。但隔開上下文,只能降低審查者直接沿用前一位結論的機會;如果它拿到的是同一個錯誤前提,照樣會犯同一個錯。審查者要對照的是需求和原始證據,不是作者寫的「我做完了」。
三、凍結通過的節點,是有條件的。 能保留成果,前提是它依賴的輸入和驗收條件都沒變。上游改了,舊的通過結果可能就不適用。「不重做無關的工作」不等於「永遠不再檢查」。
四、worktree 不是權限沙盒。 原文清單把「在沙盒或 worktree 裡執行」寫成同一項,這要分開看。worktree 隔開的是程式變更,網路、帳號憑證、檔案權限一樣都沒少。原文自己說的「圍牆」,要的是模型以外的規則真的限制它能做什麼。
五、提早開工檢驗,問的是「成果」相依。 原文說「修正完成前不能開 PR」。如果你的團隊習慣先開草稿 PR 一起討論,這句話讀成「可以送審的成果,依賴修正本身」就好,不是平台禁止你提早建 PR。
六、自動檢查要能約束 agent,檢查本身也得防止被改。 如果做事的 agent 可以順手改掉驗收規則、或繞過關卡,「寫兩次」就只剩形式。autoresearch 就是一例:「評分程式不可以改」只寫在說明裡,agent 真要改,沒有東西擋。驗收規則、執行權限、成果內容最好分開管。重試時也要確認不會重複送出有副作用的動作,例如同一封信寄兩次。
前一篇看 Hermes 黑客松作品時,好幾件的作者都在 README 承認同一類限制:關口只管得到經過關口的東西。兩篇可以對照著讀。
開工前的檢查清單
先看原文列的五個常見錯誤,前三個我最想貼在螢幕旁邊:
- 太早畫工作圖。 還沒看過 agent 把工作做一次,就先畫出十二個節點。先用執行框架加一個迴圈跑,收集執行軌跡,只把真的值得的部分正式化。
- 同一個模型自己寫、自己打分數。 自我審查和原本的工作有同樣的盲點。先用測試,再用另一個上下文的審查者,收不回來的事交給人。
- 把「一直試」當迴圈。 那不是迴圈,是一張一直在刷的信用卡。每個迴圈都要有目標、真的證據、重試上限和出口。
- 把執行框架當雜物抽屜。 工具越多,選錯的機會越多。好的執行框架不擁擠,而是精準。
- 怪模型。 介面壞了、狀態過期、工具說明含糊、沒有出口,換哪個模型都補不回來。修負責那個失敗的那一層。
原文最後的清單,我整理成三欄。好幾項答案是「否」的話,原文說得很重:換一個更聰明的模型救不了你,只會讓失敗更快、更貴。
執行框架
- 開跑前就寫好成功條件
- 根目錄的說明是一張地圖,不是一本手冊
- 每個工具都有清楚的輸入和失敗狀態
- 決策存在檔案裡,不在聊天紀錄裡
- 在沙盒裡跑(worktree 不算,見限定四)
- 每次工具呼叫都有紀錄
迴圈
- 寫程式之前先寫好「綠燈」條件
- 檢查至少刻意失敗過一次
- 回饋寫出預期和實際的差異
- 有重試上限和額度上限
- 同一結果出現兩次,就升級交給人
工作圖
- 先試過只用一個迴圈
- 每條箭頭都通過提早開工檢驗
- 每個工作者有自己的上下文
- 通過的節點已凍結(輸入變了要重驗)
- 關卡依復原代價設定,不看信心
原文最後把五種「工程」排在一起。如果你已經聽過提示詞工程,這張表可以幫你把新名詞放回熟悉的位置:
| 名稱 | 它決定什麼 | 管的是 |
|---|---|---|
| 提示詞工程(Prompt Engineering) | 告訴模型做什麼 | 指令 |
| 上下文工程(Context Engineering) | 決定它看得到什麼 | 工作時的視野 |
| 執行框架工程(Harness Engineering) | 建造它採取行動的世界 | 環境 |
| 迴圈工程(Loop Engineering) | 要它證明自己的工作 | 證據 |
| 工作圖工程(Graph Engineering) | 決定接下來誰做什麼 | 協調 |
模型每一季都會換。你的任務契約、工具、測試、狀態檔和關卡會留下來,而且每一次把失敗歸到對的地方,它們就變得更好一點。
下次你的 agent 說「完成了」,問問是哪一層說的。
參考資料
示範與數字皆為各來源自述,本文沒有重跑任何實驗。資料查核日:2026-11-21。
- [1] Whitemon:Harness, Loop, Graph: The 3 Layers That Decide If Your AI Agent Works(X 長文,2026-11-08)
- [2] Andrej Karpathy:I’ve never felt this much behind as a programmer(X,2025-12-26)
- [3] OpenAI:Harness engineering
- [4] Mitchell Hashimoto:通用 agent 執行框架勝過產品內建聊天框(X,2026-07-16)
- [5] Claude:Introducing Claude Managed Agents(X,2026-04-08)
- [6] Claude Code Docs:Best practices
- [7] Boris Cherny:Released today: /loop(X,2026-03-07)
- [8] Boris Cherny:Five tips for running Opus autonomously for hours/days(X,2026-06-08)
- [9] Andrej Karpathy:How I use LLMs(YouTube,2025-02-27;估值示範約 1:05:00–1:07:50)
- [10] karpathy/autoresearch:README
- [11] karpathy/autoresearch:program.md
- [12] Peter Steinberger:Are we still talking loops or did we shift to graphs yet?(X,2026-07-18)
- [13] Santiago:Loop Engineering is dead. Long live Graph Engineering!(X,2026-07-18)
- [14] Rohit:Loop engineering was the last unlock(X,2026-07-19)
- [15] Rohit:The biggest gap with loop engineering(X,2026-07-22)


