工程实践

吃一堑，长一智 这篇的底稿是两段加起来 80 多分钟的语音分享。依然延续这个系列的传统——作为人类，你只需要读懂思路和逻辑；具体的执行细节，把文章丢给你的 Agent 就行。 引子：两个关键词 今天聊一个稍微有点抽象的命题：如果 Agent 时代只能记住两个词，应该是哪两个？ 第一个毫无疑问是 Context，上下文。 从模型训练用的数据，到模型应用时你给它的代码仓库、企业知识、个人习惯，本质上都是上下文。按我自己的经验，输出好不好，大半在开口之前就定了：你给了它什么材料，留了什么规矩。这也是我之前那篇 Context is All You Need 想表达的逻辑。 第二个词，我认为是 Loop，循环，或者说闭环。 一件事只有迭代成闭环——有日志、有记录可以复盘，改完之后又能验证结果——Agent 才能不断提升自己的决策质量。这其实已经有点模型训练的雏形了，更进一步就是大家常说的自我进化。听上去有点高大上，但它完全可以落到我们自己的工作流里：有意识地去构造 Context，有意识地去构造 Loop。 这两个词之间的关系，就是这篇文章的主线： 静态的 Context：预先写好的东西。规则文件、技能包、记忆、工具配置。 动态的 Context：只能从 Loop 里长出来。你做了验证、拿到了结果、复盘了错误，这些新信息再回流成下一次的上下文。 全文主线：静态的 Context 预先写好，动态的 Context 从 Loop 里长出来 先拿个具体的数字感受一下。我有个仓库叫 agent-config，专门放我所有 AI 工具的规则和调度脚本，7 月 23 日建的。两个月过去，它累积了大约 1.6 万次提交（每一次修改记录）、1800 多个 issue（待办和问题单）、将近 2000 个合并的 PR（改动提案）。这些全部是 AI 提交的，这个仓库我自己没有写过一行代码。 我现在每天大概消耗 20 到 30 亿 Token（含缓存读取）。几个月前，我得一直高频盯着、基本人在环内（people in the loop），才能维持每天 40 亿左右的消耗；现在消耗还是这个量级，我每天只花一小部分时间在 Agent 上，不影响干别的事。凭体感说，投入的精力下降了一个数量级，单个项目明显省心得多。 ...