正在打开每日关注
正在打开每日关注
用单 Agent、并行 Agent 与双角色协作，把功能梳理、测试、修复串成循环研发流程。
Loop 太简单啦。 我只会 3 招。 我每天睡前挂一个 Loop，早上收菜。 看完第1招，轻松学会，超越 95% 的人。 后面 2招，反而是第1 招的变形，轻松学会，超过 99% 的人。 1. 第一招：autoresearch的变种，单个 agent，1 晚上消耗<7～8% 额度。 prompt： /loop 2h /goal 逐一检查这个应用中的每一个功能，根据代码创建用户故事，描述预期行为，并维护一个单一的规范电子表格来跟踪功能状态 完成后，将循环切换到测试每个用户故事并记录所有错误 完成后，修复每一个逻辑错误或用户体验错误 修复后再次测试每一个用户行为
2026最值的研究方向是 multi Agent和 autoresearch。 所有agent 公司做Harness最重要方向，也是最容易出成绩的方向。 AI 的幻觉、速度、安全、深度、精准度都能用多 agent 解决。 下面6月份最新 3 分钟的视频，Perplexity CEO演示了如何利用多agent把 deep research做的又快又安全： 00:02 混合agent 为何能将deep research 把结果最优化 01:42 编排器确决定，哪些敏感信息由本地 AI 解决，最终将结果合并在一起 02:35 本地敏感信息全部留在本地，混合远程 AI 信息 看完视频，再看下文。 下文介绍了 https://t.co/BvbGaeO3V7 ，将多 agent 和 autoresearch 结合起来做 deep research。 强化训练的工作编排器也能做，直接搞定 150 个 agent 同时分工协作，交叉、对抗验证拿到最佳结果
是什么 这条内容把“睡前挂 Loop、早上收结果”的想法拆成三种工程拓扑：策略一由单个 Agent 按顺序完成盘点、测试、修复和复测；策略二让需求分析与执行分工并行；策略三则将开发和测试拆成两个 Loop，通过同一张规范电子表格交换状态。被引用内容进一步把这种思路延伸到多 Agent、混合 Agent 和 Deep Research。
核心设计 真正有价值的不是某个神奇 Prompt，而是把 Agent 工作变成可追踪的状态机：先定义用户故事和预期行为，再用结构化表格作为单一事实源，明确每个角色的读写边界、阶段交接和完成条件。双角色方案用不同列隔离并发写入，减少合并冲突。
关键洞察 Loop 可以被视为轻量级研发编排器，每轮都应有目标、时间预算、产物和验收动作。它适合低风险项目的夜间功能巡检、回归测试和批量修复，也便于次日人工审阅。
边界与风险 “超过 95% 或 99% 的人”属于宣传性判断，未提供验证依据。Agent 根据代码生成的用户故事可能固化错误假设，UX 问题也不能完全由自动测试替代。多 Agent 不会天然带来更快、更安全或更准确的结果；还需补充权限、隐私隔离、成本上限、停止条件、日志和人工验收。