什么是循环工程？！
当龙虾之父说：别再一个一个指令地催你的 agent，你应该设计一套会自动催它的循环。Claude Code 之父也几乎同时表示，自己早已不再亲手下指令，而是让循环自动去 prompt Claude、判断下一步，工作彻底变成了「写循环」。 循环工程的概念由此成形：把原来亲自写 Prompt 的你替换掉，改由系统来完成。循环本质上是一个递归目标，你只需要定义最终目的，AI 就会反复迭代，直到任务完成。
最近两个故事，让我重新思考 FIRE 里常说的「陪伴家人」。
黄仁勋说：亚洲家庭长大的孩子，长大后都需要看心理医生。 这句话虽然带笑，但很真实。很多父母的爱混着批评、期待、纠正和控制。他们不是不爱，而是不知道怎么不用压力来表达爱。 另一个是 Freddy 林昶佐跟他女儿的对话。 他说：「晚安，早点睡。」 女儿回：「晚安就晚安，为什么要早点睡？」 他才意识到，「晚安」是祝福，「早点睡」是命令。 大人常把两者连在一起，小孩却很敏锐——你是不是又借着关心，偷偷塞了
现在很多人说 agent，实际还是 Cursor 式的智能补全。
goose 想做的是另一条路：用任意 LLM 完成 install → execute → edit → test 的完整闭环。 不是建议你怎么改，而是真的能把脏活干完的框架。 indie 或者想认真玩 agentic 开发的人可以重点看。
Apple 给独立开发者的 AI 策略太有意思了。
App Store 下载量低于 200 万的开发者，可以免费使用 Apple 的 AI API，门槛跟小型企业方案一样。 现在全行业 AI 实验成本正在爆炸，Uber 2026 年的预算四个月就烧光了。 Apple 却在这个时候，把前沿模型免费送给还没赚钱的小开发者，还主打隐私、不用自己搭基建。 它不跟 OpenAI、Google 拼价格，而是想把 AI 变成 App Store 里的「水电」——
为什么用 Codex / Claude Code 的终端 CLI，而不是 GUI App？
真实优势： • 无缝融入现有终端工作流（git、tmux、编辑器），零上下文切换 • 支持 SSH、远程服务器、无头环境，GUI 做不到 • 纯键盘操作，迭代速度更快，视觉干扰更少 • 可脚本化、管道化，轻松自动化复杂任务 • 参数和上下文控制更精准 对重度开发者来说，CLI 才是真正放大生产力的工具。
付费看完了 Codex 团队的采访，说几个让我真正在意的细节。
40 人的团队。1 个 PM，2 个设计师，其余全是工程师。 那唯一的 PM，日常工作是：用 Codex 处理用户反馈和 issue，每小时自动跑一次，单次处理 100 多个 issue，大部分 24 小时内修复。 我看到这里停了一下。 这个 PM 的活，老板自己就能干完。 功能迭代基本是 2-3 人甚至单人从头跑到尾，没有定期会议，没有流程，点对点直接说。 以前跨职能协作那套，现在大部分被 ag
HN上有篇帖子今天炸了：一个程序员说LLM正在毁掉他的职业生涯。
878条评论。说明这是真实的集体焦虑。 作为在硅谷写了11年代码的人，我来说说我的判断👇 他说的痛苦是真实的： - 公司在用AI替代初级工程师 - 他不确定自己的价值在哪 - 技能感觉在贬值，但不知道该学什么 不是矫情，这就在发生。 但他问错了问题。 "AI会不会取代我"是错的。 正确的问题是："我解决的是什么类型的问题？" AI很强，但它解决的是已知问题。 你的价值在于定义问题。 硅谷11年，
GPT-5.5 Pro 精度被 DeepSeek V4 Pro 超了。
很多人觉得这是中美AI竞争的象征。 我更关心另一件事：开源模型每季度都在追平闭源的护城河。 当护城河消失，付费订阅的逻辑就要重写了。
今天折腾三台机器，累到不行。
跑的是 Qwen3.6 27B，context 全放 256k，测了几个组合： 1️⃣ RTX Pro 6000 + Intel B70（1200w） B70 跑 Gemma 4 12B，速度很快，还没仔细测 2️⃣ RTX 5060 Ti × 3（1000w / 48GB） 12-17 tok/s，跑 Claude Code CLI 体感够用，不卡顿 3️⃣ RTX 4080 + 5070
GitHub 上发现一个宝藏 Repo：Easy-Vibe
专门为 AI 编程打造的实战指南，从零到上线全覆盖： ① 零基础入门 → 用 AI 做出第一个 Demo ② SaaS 实战 → 接数据库、支付、用户系统 ③ 高级进阶 → Claude Code MCP + 多 Agent 协作 ④ 多平台发布 → 小程序、iOS、Android 一套搞定 想用 AI 做产品但不知道从哪开始的，这个 Repo 值得收藏。
NousResearch 出了个新 agent 框架，叫 hermes-agent。
今天 GitHub 单日 1845 star，很炸。 卖点是这句话："The agent that grows with you"。 我喜欢这个定位。不是"最强"，不是"最快"，而是会跟你一起进化。 大部分 agent 框架，你用三个月就换了。这个在赌你会一直用下去。
1 用 ChatGPT 改文章一年，改得不好。
后来发现问题不在 AI，在我问的方式。 「帮我改写这段」和「请扮演专业编辑改写」，同一个模型，结果差很多。 5 个我现在还在用的指令，直接复制走👇 指令：请担任专业编辑。保留原文所有重要信息与核心观点，删除冗余、重复与不必要的修饰语，将以下内容浓缩成更简洁有力的版本。确保逻辑完整、语意清楚且易于阅读。 文字：[贴上文字] 指令：请以资深商业文案编辑的角度改写以下内容。修正文法、错字与表达问题，并
14 个 AI Agent 帮你开公司，24 小时不打烊。
专家阵容：Jeff Bezos 当 CEO、Werner Vogels 做 CTO、Seth Godin 负责营销、Don Norman 搞产品设计…… 你丢一个商业想法进去，AI 团队自动脑暴、写代码、部署、做营销，停都不停。 产出的计划能不能真赚到钱？老实说，概率没那么高。 但如果你老板用 token 用量评绩效，这就是终极燃烧神器。 开源免费，GitHub 搜 Auto-Company。
前端工程师不用太担心失业。
把 Next.js + MSW + ESM dependency + polyfill 的问题扔给 Gemini，它 loop 了一圈之后说：「I will stop here and hand this over to you.」 ChatGPT 稍微好一点，承认踩坑了，给了几条思路。 但最后还是人工改的。 前端 tech stack 的混乱程度，AI 也没辙。
Claude Code 资源那么多，真正该存的就这 3 类：
🚀 构建速度：OpenCode 本地运行、多模型切换，自己控制 stack 🔧 工作流优化：Awesome Claude Code + Context Engineering，教你搭记忆系统和 agent 流程 💰 业务杠杆：MCP Servers + Claude Code Router，接Slack/DB/GitHub，成本降下来生产力上去 大多数开发者还没碰过 Anthropic 官方
Hermes Agent 不只是聊天机器人，而是一个正在成形的开源 AI 操作系统
最近，Nous Research 正式推出了 Hermes Agent Desktop。 乍看之下，它像是另一个 AI 桌面应用程序。 但如果仔细观察，你会发现这件事真正重要的地方，并不在 GUI，而在于它代表了 AI Agent 发展方向的一次转变。 过去的大语言模型，大多停留在： - 回答问题 - 撰写内容 - 产生程式码 本质上仍然是一种「被动响应系统」。 而 Hermes Agent 正在
1 周五下午，引擎在测试台上炸了。
周一，一批美国业界重要客户要飞来看这台引擎运转。 厂房里没有人说「我们完蛋了」。 周六客户说提前到了，想去测试台看看，他们婉拒：「你们还有时差，周一见比较好。」 整个团队周末没人睡觉，在重建一台全新的引擎。 顺便把几个原本想改、但不敢改的零件都改了。 这是 Rocket Lab CEO Peter Beck 在 podcast 讲的故事。 他们的另一条规矩：全美只有 2 家公司会做某种钛合金压力容
做了一周 Vibe Coding
上线第一天：0 用户。第一周：3 个（2 个是我自己的小号）。第一个月：12 个，0 付费。 然后看到别人发："上线第一天 100 个付费用户。" 你没看到的是，他在那之前花了 6 个月建社群。 你看到的是"第一天"，看不到的是"第 180 天"。
Hacker News 今天 382 分，232 条讨论，标题：
Domain expertise has always been the real moat. 翻译过来：行业专业知识，一直才是真正的护城河。 一句话，打中了很多人。 AI 能帮你写代码，能帮你写文案，能帮你做分析。 但 AI 不知道：你的行业里哪些是真问题，哪些是伪需求。 不知道为什么那个合同谈不拢，不知道那个客户为什么真正离开，不知道那家竞对三年后会不会还在。 这些，是积累出来的判断力。 在硅
人类在面对 AI Agent 生产力爆炸时，必然会经历的认知演进周期：
盲目探索 —> 全盘托管（失去掌控力）—> 疯狂堆砌 “最佳实践”—> 返璞归真（极简配置 + 强人类介入）。
Anthropic 出了官方 CLI：ant。
以前用 Claude API 要：建 API key、复制粘贴、自己写调用脚本。 ant 把这套流程压平了。 登录： ant auth login OAuth 授权，token 自动存，CLI 和 SDK 共用。你在终端登录，代码那边也直接通，不用管 key 过期。 调用 API： ant messages send --model claude-sonnet-4-6 -m "帮我写测试" 支持
Claude Code Opus 4.8 同时推出了 Dynamic Workflows。
很多人不清楚它和 subagent、agent team 有什么区别。实测拆解一下。 之前的多 agent 方式： subagent = 主 agent 临时喊人帮忙 agent team = 几个 Claude Code 实例组成小团队，各自带上下文并行跑 但这两种本质还是"对话驱动"——下一步怎么做，每次都要让 agent 实时推理判断。 Workflow 不一样。 它会先写一份 workfl
Supabase 生态 = 开源 PostgreSQL + 认证 + 自动 API + 实时 + 存储 + 边缘函数 + AI 向量 + 全端 SDK + 活跃社区，是一套一站式、可扩展、无锁定的现代后端开发基础设施，让你专注业务，不用重复
Supabase 生态 = 开源 PostgreSQL + 认证 + 自动 API + 实时 + 存储 + 边缘函数 + AI 向量 + 全端 SDK + 活跃社区，是一套一站式、可扩展、无锁定的现代后端开发基础设施，让你专注业务，不用重复造后端轮子。 GitHub 开源，可以看看。
英文播客听了两年，能改思维的就 6 个：
🎙 Founders：企业家怎么做决策 📈 Acquired：公司完整商业史，一集顶 3 本书 🔥 All-In：4 个 VC 每周开喷，推理过程全摆台面上 💡 My First Million：听几期你也开始用同样的方式想生意 🧠 Knowledge Project：复杂决策的框架 💔 Diary of a CEO：创始人的失败和脆弱，不包装 大多数播客填时间，这 6 个改思维。
全程干货无废话，前端 er 速存，看完直接对标大厂标准！
📦 工程化直接封神 husky+lint-staged：提交前自动校验 + 格式化，风格统一不吵架 Vite + Rollup 双模式：开发秒启、生产极致打包，Tree-Shaking 清死代码 CI/CD 流水线：合码自动测、构建、告警，再也不崩主分支 ⚡ 性能优化杀招 网络：HTTP2 + CDN + 强缓存 / 协商缓存，接口合并 + 防抖节流 渲染：虚拟列表、图片懒加载、transfor
斯坦福 CS336 给课程 AI agent 写了一份 CLAUDE md。
HN 462 分，140 条讨论。大家在谈的不是"AI 变强了"，而是"怎么约束 AI"。 这个转变值得注意。 CLAUDE md 本质是一份行为规范：告诉 agent 什么可以做，什么不能做，碰到模糊情况怎么处理。 之前这件事是工程师临时拼凑的。 现在斯坦福在顶校 LLM 课程里把它当必修项。 这说明行业正在达成一个共识： 给 AI 写行为规范，和给 AI 写 prompt，是两件事。 Prom
Claude Code 最近推出的 workflows，我用了几天，写代码的方式整个变了。
很多人介绍过 workflow 就不赘述了：它的逻辑是你描述任务，Claude 自己把工作拆成一步步的计划，丢给上百个 subagent 跑，测试验证一次跑完。 我自己再加一层，先用 origin:brief 把相关 context 拉出来，进行 plan，设好 goal 就走开。这两天跑超过 24 小时不用我介入，跑完上千个 tests 加上好几个 adversarial review，回来看一
Cursor 的王牌 Composer 2.5，现在进了 Grok Build。
/models 选一下就能用，专门为大型重构和长上下文任务调过——这个定位直接对着 Claude Code 来的。 AI coding agent 这条线，老马正式下场了
试一下 Claude Code 最新推出的 Dynamic Workflows 会发现你在企业里还没落地生产的 Hermes-Agent 可以卸载了。
非 AI 公司永远不要自研 Agent 系统跟 Anthropic 赛跑，你会发现还没落地就成了技术债务。 自研的 Agent 系统过了三个月就是废弃代码反而成为新模型的裹脚布。
发现一个看美股的开源工具，直接看大盘指数和各行业热力图，每周用 LLM 自动整理股市信息发到邮箱，个股还能直接跳 TradingView 分析。
免费、自部署、不用开着屏幕盯盘。有在看美股的可以自己搭一个。