From Prompts to Loops: Why Claude Code’s Creator Delet… | BestHub
高潜力 88
Boris Cherny · Mon Jun 22 2026 13:00:00 GM
Claude Code 的创始人 Boris Cherny 在一个月内提交了 259 个 PR、却未手写一行代码后，彻底卸载了 IDE，转向「循环工程」（Loop Engineering）范式——即构建能自动发现任务、调度执行、判断完成并决定下一步的小型系统。文章详细拆解了循环的三层「蜂巢」架构（本地循环层、云端例程层、集群并行层）和六大核心组件，并指出这一范式并非全新技术，而是 ReAct、AutoGPT 等已有思路的系统化落地。
核心观点 - – Prompt 工程正在被 Loop 工程取代——不是人去提示 AI，而是系统自动提示 AI，开发者角色从执行者变为架构师
- – 三层「蜂巢」架构：本地 /loop（分钟级）→ 云端 Routines（小时级）→ /batch 集群并行（百级 worktree agent），实现了任务的全自动流水线
- – 判断任务是否完成应由独立的轻量模型负责，而非让生成模型自我评分，这是防止幻觉循环的关键工程决策
- – 六大循环组件（Automations/Worktrees/Skills/Connectors/Sub-agents/Memory）已在 Claude Code 和 Codex 中高度趋同，竞争焦点正在从能力转向工程实现质量
- – CLAUDE.md / SKILL.md 等记忆文件是解决 Agent「金鱼记忆」问题的低成本实用方案，可立即落地
AI编程智能体/AgentClaude CodeLoop Engineering开发工作流AI基础设施预测分析
Boris Cherny: AI Loops Match the Shift from Code to Agents | AI Weekly
高潜力 82
Boris Cherny · Mon Jun 22 2026 08:00:00 GM
Claude Code创始人Boris Cherny在Meta @Scale大会上提出，AI循环（AI Loops）是继人工代码到智能体之后的又一次范式级跃迁。他本人已在日常工作中部署两个持续运行的后台智能体，分别用于优化代码架构和消除重复抽象，自主提交PR。这一模式的核心挑战在于无上限的token消耗成本，企业级落地的ROI验证将是未来一年的关键课题。
核心观点 - – AI Loops被定位为独立的范式转变，而非智能体的渐进式功能升级——子智能体使用非确定性逻辑自主决定何时停止
- – Ralph Loop技术通过总结已完成工作并校验目标达成情况，解决长时间运行中模型漂移问题
- – AI循环天然无消费上限，token消耗速度远超对话式chatbot，对Anthropic商业模式利好，但对用户侧成本风险开放
- – Noam Brown（OpenAI）的测试时计算观点为循环架构提供了理论支撑：足够的算力投入可解决几乎任何问题
- – 当前生产环境中智能体循环的支出控制机制尚不透明，是企业部署的实际痛点
AI AgentAI工程化开发者工具大模型应用成本控制预测分析
Claude Code Loop Engineering: Stop Prompting, Start Designing Autonomous Agent Workflows
高潜力 82
Boris Cherny · Mon Jun 22 2026 20:55:00 GM
Anthropic的Claude Code负责人Boris Cherny宣布自己已从手动提示转向'循环工程'——构建自动化系统来生成和验证AI提示，而非逐条手写。这一范式转变源于LLM的无状态本质，要求上下文必须外部化存储。核心警告是：自主循环中的token成本会超预期地指数级增长，且没有验证器的循环会高置信度地输出错误结果。
核心观点 - – Boris Cherny、Peter Steinberger、Addy Osmani三位来自顶级AI公司的工程师同期提出'循环工程'概念，标志着行业共识正在形成
- – LLM的无状态性是驱动这一范式转变的根本架构原因——所有持久上下文必须外部化存储（文件、git、结构化文档）
- – 开发者的杠杆点已从'单条提示质量'转移到'生成和检验提示的系统设计'
- – 手动逐轮提示模式对多步骤、需要反馈迭代的任务存在明显上限，无法规模化
- – 关键风险警告：自主循环的token成本复利增长速度超出预期，无验证器的循环会高置信度地产出bug
AI AgentClaude CodeLoop Engineering开发者工具提示工程自动化工作流LLM架构分析预测
Anthropic co-founder Boris Cherny who said software engineering is 'dead', now says days of AI prompts are over and it is time for ... - The Times of India
高潜力 82
Boris Cherny · Sun Jun 21 2026 15:30:00 GM
Anthropic联合创始人Boris Cherny提出'循环工程'（Loop Engineering）将取代手动提示词编写，未来AI智能体将自主生成和优化提示词，而人类的角色转变为设计任务流程和管理AI协作系统。这一观点得到OpenAI、Google Cloud等多位AI领袖的呼应，标志着人机协作范式的重大转变。
核心观点 - – 手动编写提示词的时代正在结束，'循环工程'是下一个范式
- – Loop Engineering指让AI智能体自主生成、精炼提示词，无需人类逐步介入
- – 人类角色从'提示词工程师'转变为'流程设计者/管理者'
- – 多智能体协作系统（如一个写代码、另一个审查）是典型的Loop应用
- – Loop工程面临token成本激增的现实挑战，需要合理设计触发频率
- – 该观点获得OpenAI、Google Cloud等头部机构的独立验证，具有跨机构共识性
AI智能体提示词工程Loop EngineeringAI工作流软件工程未来预测分析
OpenAI cofounder says he hasn’t written a line of code in months and is in a ‘state of psychosis’ trying to figure out what’s possible - BANKBIT - World Financial News
高潜力 82
Andrej Karpathy · Mon Jun 22 2026 03:13:42 GM
OpenAI联创Andrej Karpathy表示，自去年12月起他几乎不再亲自写代码，代码工作已全面转由AI代理完成。他用'psychosis'描述自己对AI能力边界的困惑与迷失感，并指出软件开发的默认工作流在短数月内已发生根本性转变。
核心观点 - – Karpathy的编码习惯在数月内从80%自写/20%AI，彻底逆转为几乎100%由AI代理完成
- – 这一转变发生速度极快，普通人尚未意识到其戏剧性程度
- – 即使是顶级AI专家也对当前AI能力边界感到困惑，难以判断什么是可能的
- – AI Agent已渗透日常开发工作流，不再是边缘工具而是默认选项
AI Agent软件开发编程范式转变AI工作流评论趋势观察
The head of Claude Code hasn’t written a line of code by hand in 8 months - indonesiakini
高潜力 82
Boris Cherny · Wed Jun 17 2026 05:29:41 GM
Anthropic Claude Code负责人Boris Cherny透露自己8个月未手写一行代码，完全依赖Claude Code完成开发工作。他以古腾堡印刷术为比喻，认为AI编程工具正在民主化软件开发能力，将彻底改变谁能构建软件、软件开发组织形态，以及数字经济的权力结构。
核心观点 - – Anthropic内部已实现接近全面agentic开发，负责人8个月零手写代码
- – Salesforce、NASA、YC系初创等头部企业客户正在趋向同样的开发模式
- – 古腾堡类比：AI编程工具将软件开发成本压缩100x，潜在触达人群从5000万编程者扩展到全体人口
- – 软件开发民主化将重塑过去40年由程序员主导构建的制度、产品与权力结构
- – 隐含风险：印刷术的历史也伴随了意识形态颠覆和宗教战争，技术普及并非全然正向
AI编程工具软件开发未来AI AgentClaude Code预测分析技术趋势
The AI world is getting ‘loopy’
高潜力 82
Boris Cherny
Claude Code创始人Boris Cherny在Meta @Scale大会上指出，AI「循环」（loops）是继源代码到智能体之后的下一个重大转变：多个智能体在后台持续运行，互相调用、不断优化代码。这种模式将AI的工作方式从单次任务执行推进到无休止的自主协作循环，代表着对AI系统更深层次的信任与授权。
核心观点 - – AI演进路径：手写代码 → 智能体写代码 → 智能体提示智能体写代码，每一步都是同等量级的变革
- – Cherny本人已在实践中部署持续运行的循环智能体：一个负责优化代码架构，另一个负责合并重复抽象，二者像普通开发者一样提交PR
- – Ralph Loop是当前流行的简单循环实现：让模型总结已完成工作并自问是否达成目标，用于防止长时间运行时模型迷失
- – 循环本质上是「测试时计算」的一种形式——OpenAI研究员Noam Brown指出，只要给予足够计算量，当前模型几乎可以解决任何问题
- – 与经典递归循环不同，agentic循环的终止条件是非确定性的，由子智能体自主判断何时停止
AI Agent软件工程Agentic AIClaude Code测试时计算预测分析
The Creator of Claude Code Says Prompt Engineering Is No Longer the Main Skill | by Divy Yadav | Jun, 2026 | Towards AI
高潜力 82
Boris Cherny · Fri Jun 19 2026 11:56:40 GM
Claude Code 创始人 Boris Cherny 表示，提示词工程已不再是核心技能，取而代之的是「循环工程」（Loop Engineering）——即设计能够自动驱动 AI 代理运行的循环系统，而非手动逐条编写提示词。这一观点在2026年6月引发广泛共鸣，Google Chrome 工程负责人 Addy Osmani 等人相继背书，标志着 AI 使用范式的阶段性转变。
核心观点 - – Claude Code 创始人本人已不再直接使用提示词，而是构建自动化循环来驱动模型
- – 「循环工程」指设计能持续调用并引导 AI 代理的系统架构，是比提示词工程更高一层的抽象
- – Peter Steinberger 类似观点单帖获500万浏览，说明该话题已引发大规模共鸣
- – Google Chrome 工程负责人 Addy Osmani 为这一实践正式命名，增加了权威背书
- – 这是技能栈的层级演进，而非替代——掌握提示词工程仍是理解循环工程的基础
AI工程提示词工程Loop EngineeringAI代理开发者技能趋势预测分析
Andrej Karpathy Was Not Looking for a Job. Here Is What His Choice to Join Anthropic Tells Us. | by @pramodchandrayan | Predict | Jun, 2026 | Medium
高潜力 78
Andrej Karpathy
Andrej Karpathy在拥有独立财富、自己的创业公司和百万粉丝的情况下，主动选择加入Anthropic，这一决定本身即是一个强烈信号。文章核心论点是：Karpathy的选择揭示了他对当前AI发展阶段的判断——未来几年将是LLM发展的'formative'（奠基性）时期，暗示递归自我改进（recursive self-improvement）可能正在从理论走向实践。文章还提及了泄露的KAIROS架构，指向Anthropic在构建能自我训练的AI系统方面的战略布局。
核心观点 - – Karpathy并非被动招募，他主动放弃Eureka Labs创业项目和独立状态加入Anthropic，选择本身即强于任何声明
- – 他用'formative'而非'important'或'competitive'描述未来几年，暗示他认为AI正处于结构性奠基阶段，而非简单的能力竞争
- – 文章将此次加入与'AI自我训练'方向挂钩，指向递归自我改进（RSI）从学术概念向工程实践转化的可能性
- – 泄露的KAIROS架构（如属实）意味着Anthropic在系统层面押注自动化训练流程
- – 顶级研究者的职业选择是观察AI技术拐点的高质量信号，比公司公告更可信
AI前沿研究Anthropic人才动向递归自我改进LLM行业信号分析预测
How Andrej Karpathy's Software 2.0 Thesis Became Software 3.0 | StartupHub.ai
高潜力 78
Andrej Karpathy · Wed Jun 17 2026 16:00:00 GM
Karpathy 在2017年提出'软件2.0'范式，预言神经网络将取代传统编程；2026年他在Sequoia Ascent演讲中将其升级为'软件3.0'，定义了LLM能自动化一切人类可验证任务的第三纪元。这一框架历经9年、跨越多个顶级AI机构，已成为AI工程领域最具影响力的思想体系之一。
核心观点 - – 软件1.0：人类手写规则代码；软件2.0：神经网络通过训练数据编程；软件3.0：LLM自动化所有人类可验证的任务
- – Karpathy认为LLM不只是工具，而是定义了新的计算范式，整个工程栈将围绕其重构
- – 该框架从预测性论文演变为实际指导前沿实验室（Anthropic）模型训练方向的行动纲领
- – 9年的演化轨迹印证了'可验证性'是AI能力边界的核心判断标准
AI范式演进LLM软件工程Andrej Karpathy分析预测