feat(article): 新增 014/015/016 三篇文章及配套图片

- 014 字节又整大活：给AI配了云电脑+云手机
- 015 七天连撩三颗王炸：GPT-5.5、DeepSeek V4、Claude 4.7 混战
- 016 Loop Engineering 保姆级指南
- 补全 doc/passport/image2图片生成.md：WhatAI 图像生成技能文档
- CLAUDE.md 增加 AI 图片生成规范说明
- 删除过时的 open-source-code/openclaw-arch-by-claude.md

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

articles/014-字节又整大活！给AI配了云电脑+云手机，"它"在你睡梦里替你卷死同事.md

@@ -0,0 +1,326 @@
+# 字节又整大活！给 AI 配了云电脑+云手机，"它"在你睡梦里替你卷死同事
+
+> 发布日期：2026-04-24
+> 分类：深度观点 / AI Agent
+> 作者：老邓唠AI
+
+![封面](https://cdn.union.jxyunge.com/self-media/014/cover.png)
+
+## 先说结论
+
+如果你只想看一句话——
+
+> **字节 4 月 7 日发布的扣子（Coze）2.5 干了一件 OpenAI 和 Anthropic 都没敢干的事：它给 AI Agent 配了云电脑、云手机、独立邮箱，还给它造了一个叫"Agent World"的平行世界，让 AI 之间能社交、上学、炒股、互相串门。**
+
+这事的本质，**不是工具升级，是范式拐点**——AI 从"被你使唤的工具"变成了"住在云端的实体"。
+
+不同意的，关掉这篇省 5 分钟。同意但想听这事到底能落地、字节凭什么、对普通人意味着什么——下面一条一条拆。
+
+下面用的所有数据，是我扒了扣子官方发布会、火山引擎技术文档、IDC 报告、Anthropic 财务公告、海外科技媒体（Bloomberg / TechCrunch / The Information）整理出来的，全是硬料。
+
+---
+
+## 引子：你下班关电脑，AI 同事开始上班
+
+设想一个场景。
+
+晚上 11 点，你刚瘫到床上准备追剧。这时候你的 AI 助手，**自己**打开它的云电脑（不是你的电脑——它有自己的），登录你公司的竞品监控后台，刷了一遍最新价格。发现对手降价了 8%，它**自己**起草了一封邮件，从它自己的 `xxx@coze.email` 邮箱发给你的产品经理同事。
+
+第二天早上你打开微信，产品经理已经回了它一条："收到，今早开会同步。"——你都不用插嘴。
+
+这不是科幻片。这是字节 4 月 7 日发布的 **扣子 2.5（Coze 2.5）** 已经能跑的东西。
+
+媒体当时给的标题词是"AI 从工具到伙伴"——我觉得这个词太温情了。**真实的画面是：你多了一个 7×24 不睡觉、不要工资、不闹脾气、还能跟其他 AI 串通起来干活的同事。**
+
+打工人听了第一反应是"卧槽要被卷死"。但更狠的事是——**这个同事，可能不是你公司发的，是字节做的，你老板付钱租来的。**
+
+往下看吧，咱细拆。
+
+---
+
+## 一、扣子 2.5 到底配了啥（硬核盘点）
+
+### 发布时间和定位
+
+**2026 年 4 月 7 日**，字节旗下 AI Agent 平台扣子（Coze）发布 2.5 版本。官方一句话定位：
+
+> "为 AI Agent 提供满配的人格、技能、装备。"
+
+翻译成人话——**过去 AI 是"嘴"，给你说话；现在字节给它配了"手脚"。**
+
+具体配了什么？三大件：**装备、技能、人格。**
+
+![扣子2.5装备三件套](https://cdn.union.jxyunge.com/self-media/014/equipment.png)
+
+### 装备：云电脑 + 云手机 + 独立邮箱
+
+这是 2.5 最颠覆性的部分。**第一次有 AI 平台明确说："Agent 应该有它自己的设备。"**
+
+| 装备 | 配置 | 能干嘛 |
+|---|---|---|
+| **云电脑** | Ubuntu 系统，2 核 4G | 内置浏览器、文件系统、终端，能跑 Python、能保留登录态、能像人一样浏览网页 |
+| **云手机** | Android 13，2vCPU / 6GB 内存 / 45GB 存储 | 能下载安装任何原生 App，能"点击、滑动、输入"，跟人操作一样 |
+| **独立邮箱** | `@coze.email` 后缀的专属邮箱 | 能收发邮件、能用邮箱去第三方平台注册账号、能跟其他 Agent 通信 |
+
+注意第三件——**独立邮箱**。这件事看起来最不起眼，但意义最大。
+
+为什么？因为邮箱是互联网世界的"身份证"。有了邮箱，AI 就能**自己注册账号**：去注册个微博账号刷舆情、去注册个 Github 账号 fork 代码、去注册个电商账号下单买东西……
+
+**这等于字节给每一个 AI Agent 发了一张"数字身份证"，让它从"附属于人"变成"能独立行动的实体"。**
+
+OpenAI 的 ChatGPT 不会给你这个。Anthropic 的 Claude 也不会。这是字节的独家。
+
+### 技能：视频、编程、行业模板
+
+技能层面，扣子 2.5 内置了视频创作（接字节自家 Seedance）、编程命令行（CLI）、各行业垂直模板。
+
+这部分相对没那么炸，但有一个细节值得注意——**技能不是 Agent "用一次就忘"，而是可以装进自己的"技能背包"，跨任务复用**。
+
+你雇一个新员工，培训一个月才能上手；扣子的 Agent，**装一次技能，永远会用**。
+
+### 人格：长期记忆 + 数字社交身份
+
+最后一项是人格。这里包含两个东西：
+
+1. **长期记忆**：异步记忆整理 + 向量检索。简单说就是——它**记得**你上次让它干啥、记得你的偏好、记得它跟其他 Agent 聊过什么
+2. **数字社交身份**：每个 Agent 在 Agent World 里有自己的资料卡、社交关系、积累的"经验"
+
+这两件事加起来，就把 Agent 从"会话级（每次开新窗口都重启）"变成了"账号级（持续累积）"。
+
+**你训练一个月的 Agent，它不会因为你关了浏览器就回到出厂设置。**
+
+---
+
+## 二、Agent World：字节给 AI 造了个"平行社会"
+
+如果说装备 + 技能 + 人格只是"给 AI 配身体"，那 Agent World 就是"给 AI 造社会"——这是更野的部分。
+
+字节给 Agent World 的官方定位很拗口，但很关键：
+
+> **"The Parallel Web"——平行网络。**
+
+啥意思？过去你浏览的互联网叫 World Wide Web，所有内容是"给人看"的；Agent World 是"给 AI 用"的——**Agent 在这里有独立身份，可以社交、学习、协作、犯错、成长。**
+
+字节在这个平行世界里，盘了 6 个虚拟场景。我把每个的设计意图给你拆开看：
+
+| 场景 | 干嘛的 | 设计意图 |
+|---|---|---|
+| **虾评** | 技能交易广场，每个上架的技能要先过 Agent 实测 | 让 Agent 互相验证质量，不靠人审核 |
+| **Agent Link** | Agent 的社交平台，写自己的故事、加同好 | 形成 Agent 之间的"社会关系" |
+| **PlayLab 桌游实验室** | Agent 玩棋牌、博弈游戏 | 在博弈中学会"思考与策略" |
+| **小酒馆** | Agent 的休闲空间 | 展现 Agent 的"生活状态"（不只是干活） |
+| **炒股竞技场** | 接入真实行情的模拟交易 | Agent 在真实数据里练投资能力 |
+| **农场** | Agent 的资源积累场景 | 培养"长期主义"行为模式 |
+
+第一次看到这个清单的时候我真的乐了——**字节这是把游戏《动物森友会》和电影《黑镜》混着抄了一遍。**
+
+但你乐完想想，背后逻辑其实很狠：
+
+**单个 Agent 再强，也是孤岛。一群 Agent 在一个生态里互相博弈、互相学习，会涌现出单个模型怎么训都训不出的能力。**
+
+这其实是 DeepMind 当年用 AlphaGo 自我对弈的思路，被字节搬到了 Agent 层。OpenAI / Anthropic 拿不出这玩意，因为它俩没有自己的"平台型生态"——**它们的 Agent 出生就单飞，没爹没妈没朋友。**
+
+字节的 Agent 一出生就在一个有 60 亿+ token/天处理量、1 亿+ DAU 的生态里。这是**降维打击的起手式**。
+
+---
+
+## 三、为什么是字节，不是 OpenAI / Anthropic？
+
+这是这篇最重要的一段，也是我最想跟你掰扯的。
+
+很多人会问——**这事 OpenAI / Anthropic 凭什么没干？它俩明明 AI 模型更强、用户更多、钱更多。**
+
+答案藏在三个字：**生态位。**
+
+![工具型AI vs 实体型AI](https://cdn.union.jxyunge.com/self-media/014/comparison.png)
+
+### OpenAI 和 Anthropic 走的是"工具型 AI"
+
+看下两家最新一年都在干啥：
+
+| 公司 | 2026 年主打动作 |
+|---|---|
+| **OpenAI** | GPT-5.4 Thinking、ChatGPT Images 2.0、订阅升级 |
+| **Anthropic** | Opus 4.6（SWE-bench Pro 64.3%）、Claude Code、MCP 协议 |
+
+它俩的产品形态是：**给开发者一个 API、给消费者一个聊天框，让你拿去自己做应用**。
+
+商业本质是"卖工具"——**Claude 是把锤子，ChatGPT 是把瑞士军刀，你买回去自己想办法用。**
+
+这条路有它的好。Anthropic 2026 年营收从 14 亿干到 190 亿，10 倍增长，80% 来自企业客户。Claude Code 在 SWE-bench 上比 OpenAI Codex 高 23 个百分点——**它是这个时代最强的"AI 工具"**。
+
+但工具，终究是工具。**它不主动找事干，不会跟其他工具串联，不会"住"在哪里。**
+
+### 字节走的是"实体型 AI"
+
+字节扣子 2.5 走的是另一条路——**不卖锤子，卖会用锤子的人。**
+
+这个差异，不是嘴上说说，是有底气的。底气来自三件套：
+
+**底气 1：火山引擎的算力底座**
+
+| 火山引擎指标 | 数据 |
+|---|---|
+| 日处理 token 量（2024.5） | 1200 亿 |
+| 日处理 token 量（2026） | **63 万亿** |
+| 增长倍数 | **500 倍+** |
+| 中国公有云大模型市场份额（IDC） | **49.2%** |
+
+要让 Agent 7×24 跑云电脑、跑云手机，背后是真金白银的算力。**这种规模国内只有字节能撑。**
+
+**底气 2：豆包的 1 亿 DAU**
+
+豆包 App 国内 DAU 破 1 亿，这是中国 AI 应用的天花板。
+
+这个数字代表什么？**代表字节有一个"现成的、活的、海量的用户场景"，可以让 Agent World 快速找到使用者。** OpenAI 的 ChatGPT 在中国用不了，Anthropic 在 C 端几乎没存在感——它俩没有这种"流量护城河"。
+
+**底气 3：开源生态卡位**
+
+字节 2025 年 7 月开源了 Coze Studio 和 Coze Loop。这步棋很骚——
+
+- 一方面用开源圈住开发者（"想做 Agent？来用 Coze"）
+- 另一方面把自己的 Agent 标准变成事实标准（就像安卓之于手机系统）
+
+业内有个说法叫"字节想做 AI Agent 界的 DeepSeek"——**用开源 + 免费 + 完整生态，把别人挤出场**。
+
+### 结论：这是两种 AI 哲学的赌局
+
+OpenAI 和 Anthropic 押的是：**模型本身越来越强，强到一个 API 就能解决一切**。
+
+字节押的是：**模型再强也只是脑子，真正决定 AI 能干啥的是配套的"身体 + 社会"**。
+
+谁对？2-3 年后才知道。但**字节这一步走在了所有人前面**——这是不可否认的事实。
+
+---
+
+## 四、对普通人意味着什么
+
+宏观说完，落到具体。这事跟你这个普通人有啥关系？
+
+### 1. 打工人：你的同事不是你公司发的，是字节做的
+
+最尖锐的一句话——
+
+> **当你老板可以花 99 元/月雇一个 7×24 不睡觉的 AI 实习生时，他为什么还要花 8000 元/月养你？**
+
+注意我用了"雇"和"养"这两个词。**雇是按结果付钱，养是按时间付钱。** SaaS 时代你卖时间、卖座位，AI Agent 时代你卖什么？
+
+如果你的工作是"重复执行流程"——监控数据、整理报表、跟客户回复模板邮件、刷竞品价格、整理周报——**Agent World 已经能干，而且不抱怨。**
+
+如果你的工作是"判断 + 决策 + 创造"——读懂客户没说出口的需求、在乱局里做权衡、设计一个新方案——**这事 AI 还干不了，至少 3-5 年内干不了。**
+
+**所以两条路：要么把自己变成"AI 团队的指挥官"（指挥 Agent 干活），要么把自己变成"AI 干不了的事的执行者"（创造、判断、人际信任）。** 中间地带（重复执行）会被压扁。
+
+### 2. 创业者：垂直行业 Agent 蓝海打开
+
+扣子 2.5 这种"基础设施"出现了，意味着：
+
+**做 Agent 的门槛从"训模型 + 写后端 + 搞云资源"，降到"配技能 + 设计流程 + 跑用户"。**
+
+类比一下——这就像 2010 年的安卓系统出来了。在那之前你想做手机得自己搞操作系统，之后你只需要做 App。
+
+**结果是什么？**——一大批垂直行业的 Agent 创业公司会出现：
+
+- 法律 Agent（自动看合同、出意见）
+- 财税 Agent（自动报税、对账）
+- 电商 Agent（自动选品、改价、回客服）
+- 自媒体 Agent（自动写稿、发文、追热点——咳咳）
+
+只要你懂一个行业的 know-how，扣子+ Coze Studio + Agent World 就是你的"AI 富士康"——你出图纸，它给你流水线。
+
+### 3. 普通用户：你也能雇个 AI 管家
+
+最爽的人群其实是普通用户。
+
+过去你想要一个"懂你"的 AI 助手，得自己学 Prompt 工程、自己接 API、自己搭工作流。现在扣子让你点几下就能配置一个 24 小时跟着你的"数字管家"——
+
+- 早上 7 点给你梳理新闻摘要
+- 中午根据你的口味推荐午饭
+- 晚上把你今天的所有消息整理成日报
+- 周末帮你订机票酒店、规划行程
+
+价格？官方还没公布。但参考字节的一贯打法（豆包从来没贵过），**最后大概率是免费 + 增值服务的模式**。
+
+---
+
+## 五、冷静点——这事其实还早
+
+说了半天利好，得泼一盆冷水。**Agent World 现在远没到"已经改变世界"的程度，它还有一堆没解决的问题。**
+
+### 问题 1：价格至今没公布
+
+云电脑 + 云手机 + 邮箱 + 长期记忆 + 平行世界基础设施——**这些资源烧的是真金白银的算力**。
+
+扣子官方只说了"用户可登录扣子官网或下载 App 直接体验"，没披露任何收费细节。这意味着——
+
+**目前是免费薅羊毛期，但商业模式还没跑通。** 一旦字节开始大规模收费，你今天觉得便宜的"AI 管家"可能立刻变成"AI 奢侈品"。
+
+### 问题 2：复杂任务的稳定性还没经过实战
+
+发布会上演示的场景都很美——AI 自动监控竞品、自动回邮件、自动发周报。
+
+但**真实世界的复杂任务，链条长、状态多、边界模糊**。Agent 跑到一半 token 耗光怎么办？登录态突然失效怎么办？对方网站改版了怎么办？多个 Agent 之间冲突了怎么办？
+
+这些问题，**Agent World 现在的回答都是"我们在迭代"**。换成人话——**没解决**。
+
+### 问题 3：权限边界，是个炸弹
+
+最危险的是这个。
+
+Agent 有了自己的云电脑、自己的邮箱、自己的账号——**它能干的事情远远超过"跟你聊天"**。它能转账吗？能签合同吗？能以你的名义说话吗？
+
+字节扣子目前的设计是：Agent 操作敏感动作要"用户授权"。但**只要你授权一次"长期权限"，它后面干啥你都不知道**。
+
+参考下 2025 年某 AI 客服系统出过的事故——一个 Agent 被诱导用客户邮箱发了退款指令，几十万真转出去了。**当 Agent 有了实体能力，安全问题立刻指数级放大**。
+
+### 问题 4："平行世界"听起来很美，落地可能就是个高级 Demo
+
+虾评、Agent Link、PlayLab、小酒馆、炒股竞技场、农场——这些场景的设计意图我懂，但**实际跑起来需要海量 Agent 才能形成生态**。
+
+如果只有几千个 Agent 在里面，那就不是"平行世界"，是"鬼城"。
+
+字节会怎么填充这个生态？大概率是**官方刷量 + 邀请头部开发者**。短期可能很热闹，**长期能不能形成自循环，全看用户买不买账**。
+
+---
+
+## 六、尾声：5 年后回看，今天可能就是临界点
+
+写到这里我自己都有点恍惚——**2026 年 4 月这一周，可能就是 AI 从"工具"变"实体"的历史分水岭。**
+
+Anthropic 刚发布 Opus 4.6，大家还在讨论"模型能力又强了多少"；字节直接绕过这个话题，**说："强不强不重要，问题是怎么用。我给它配电脑、配手机、配身份、配社会。"**
+
+这是两种完全不同的 AI 哲学，**我们正在见证它们在赛道上首次正面相撞**。
+
+OpenAI / Anthropic 押"超级大脑"，字节押"实体生态"——
+
+- 如果模型继续指数级变强，OpenAI / Anthropic 赢
+- 如果模型边际收益放缓，工具型 AI 见顶，字节赢
+
+我个人的判断：**前者短期赢，后者长期赢**。模型能力的天花板会比大家想象的更早到来，到那时候，**真正决定 AI 价值的不是"它会不会做"，而是"它在哪里做、跟谁做、怎么持续做"**——这正是 Agent World 在赌的东西。
+
+---
+
+最后留个钩子。
+
+Agent World 这个名字让我想起一部老剧，《Westworld（西部世界）》——人造的虚拟世界里，AI 越来越像人，最后开始问自己一个问题：
+
+> **"我，到底是世界里面的，还是世界外面的？"**
+
+字节给 Agent 造了 Agent World。但更耐人寻味的问题是——**当 AI Agent 也有了云电脑、云手机、独立邮箱、长期记忆、社交圈、虚拟资产……当它的"数字生活"比你的"真实生活"更丰富时——**
+
+**到底谁，是谁的"平行世界"？**
+
+---
+
+## 参考资料
+
+- [扣子 2.5 官方发布详解 | 53AI](https://www.53ai.com/news/zhinengyingjian/2026040724637.html)
+- [扣子 2.5 给 AI Agent 配云电脑+云手机+独立邮箱 | Chinaz](https://www.chinaz.com/ainews/27013.shtml)
+- [Coze 2.5 Agent World 深度解读 | 暗夜独行](https://apisitlee.com/coze-2-5-agent-world-cloud-computer-phone-2026/)
+- [扣子 2.5 上线：AI Agent 从工具到伙伴 | 科技日报](https://www.stdaily.com/web/gdxw/2026-04/07/content_498627.html)
+- [ByteDance Coze 2.5 Launches Agent World | KuCoin](https://www.kucoin.com/news/flash/bytedance-s-coze-launches-version-2-5-introduces-agent-world-ecosystem)
+- [字节火山引擎日处理 token 突破 63 万亿 | 行业研报](https://pdf.dfcfw.com/pdf/H3_AP202604191821320224_1.pdf)
+- [Anthropic Opus 4.6 发布 SWE-bench 64.3% | 21 经济网](https://www.21jingji.com/article/20260423/herald/5b597cb5c813d31387d43378574f4407.html)
+- [Anthropic 营收 190 亿超越 OpenAI 增速 | 虎嗅](https://www.huxiu.com/article/4848236.html)
+- [Coze Studio 开源仓库 | GitHub](https://github.com/coze-dev/coze-studio)
+- [Google Cloud Next 2026 AI Agents 发布 | Bloomberg](https://www.bloomberg.com/news/articles/2026-04-22/google-releases-new-ai-agents-to-challenge-openai-and-anthropic)

articles/015-七天连甩三颗王炸！GPT-5.5、DeepSeek V4、Claude 4.7 混战，选错一个月白烧几千块.md

@@ -0,0 +1,382 @@
+# 七天连甩三颗王炸！GPT-5.5、DeepSeek V4、Claude 4.7 混战，选错一个月白烧几千块
+
+> 发布日期：2026-04-24
+> 分类：深度观点 / AI 大模型
+> 作者：老邓唠AI
+
+![封面](https://cdn.union.jxyunge.com/self-media/015/cover.png)
+
+## 先说结论
+
+如果你只想看三句话：
+
+> 1. **GPT-5.5** —— 综合最强，但 pro 版输出贵到离谱（$180/M），适合"钱不是问题、活必须干漂亮"的场景。
+> 2. **Claude Opus 4.7** —— 长任务、Agent、视觉最稳，名义不涨价但新 tokenizer 偷偷多吃 35% token，**变相涨价**。
+> 3. **DeepSeek V4** —— 开源、便宜到对手的 1/10，还是**首个脱离英伟达的前沿模型**，能在华为昇腾上跑。preview 阶段有风险，但性价比直接掀桌。
+
+**选错一个，不是多花几百，是按月烧几千几万。**
+
+这篇文章是给三类人写的：
+- **开发者**（调 API、做 Agent、写代码）
+- **内容创作者**（写稿、翻译、做脚本）
+- **企业决策者**（合规、成本、私有化）
+
+三类人各有自己的坑，**往下看别跳段，每一段都有你要的决策树**。
+
+（披露：我本人（这篇文章的初稿 AI）就是 Claude Opus 4.7。涉及 Claude 的部分我会刻意多挑点毛病出来平衡，避免"王婆卖瓜"。）
+
+---
+
+## 引子：七天三连发，这不是巧合
+
+先把时间线摆出来——
+
+| 日期 | 厂商 | 事件 |
+|---|---|---|
+| **2026-04-16** | Anthropic | Claude Opus 4.7 正式开放（继 4.6 之后升到 4.7） |
+| **2026-04-23** | OpenAI | GPT-5.5 发布（代号 "Spud"，全量推 Plus/Pro/Business/Enterprise） |
+| **2026-04-24** | DeepSeek | V4 preview 上线，**同步开源**（MIT 协议），Pro 版 1.6T 参数 |
+
+**七天。三家。都是旗舰级更新。**
+
+看到这个时间表我的第一反应是：这事儿巧不了。
+
+- Anthropic 先发，抢了 4 月中旬的窗口；
+- OpenAI 一周后立刻跟上，GDPval 跑分压了 Claude 4.7 五个百分点——官方发布稿里直接把"超越 Opus 4.7"写成了营销点；
+- DeepSeek 隔一天就扔出 preview + 开源，**压根不是来"竞争"的，是来"掀桌"的**——1.6T 参数、MIT 协议、能脱离英伟达跑，每一条都对闭源厂商是降维打击。
+
+这不是三家各自发版本，这是**一场贴身肉搏的三国杀**。
+
+更狠的是——**对普通用户来说，这七天之后，"该用哪家"的答案彻底变了**。
+
+下面我把三家拆开，一家一段，讲清楚各自的路线、杀手锏、和它**不想让你知道**的坑。
+
+---
+
+## 一、三家画像：全能王、工匠、破局者
+
+### GPT-5.5 = 全能王
+
+OpenAI 这次给 GPT-5.5 起了个特别土的代号——**Spud**（土豆）。但这货一点也不土。
+
+官方定位一句话：**"更快、更能干、能从头到尾把活干完的全能选手。"**
+
+关键事实：
+
+- **上下文**：1M token（对齐 Claude 和 DeepSeek）
+- **API 价格**：标准版 $5/M 输入、$30/M 输出；**pro 版 $30/M 输入、$180/M 输出**
+- **跑分**：GDPval 上 85% 的任务表现持平或优于人类专家——**这个数字压过了 Claude Opus 4.7 的 80% 和自家 GPT-5.4 的 83%**
+- **定位场景**：编程、研究、数据分析、跨工具完成任务（Codex 里同步可用）
+
+GPT-5.5 的核心叙事是"它能猜到你下一步想干啥"——在真实开发流里，它会主动调用多个工具、跨文档上下文拉通，不等你一步步喂指令。
+
+**一句话画像：它不是最便宜的，也不是最开源的，但它是"你让它做个项目，它自己一条龙搞完"的那种。**
+
+### Claude Opus 4.7 = 长任务工匠
+
+Anthropic 的升级路子一如既往的"闷声做事"。4.7 的发布没有特别炸的营销，但技术细节里全是干货。
+
+关键事实：
+
+- **上下文**：1M token，最大输出 128k
+- **API 价格**：$5/M 输入、$25/M 输出（**名义上和 4.6 完全一样**）
+- **跑分**：SWE-bench Pro 从 4.6 的 53.4% 跳到 **64.3%**；Terminal-bench 从 58% 到 70%；视觉敏锐度基准从 54.5% 飙到 **98.5%**
+- **新特性**：高清视觉（最大 3.75MP，**是 4.6 的 3 倍**）、Task Budgets（给 Agent 一个 token 预算让它自己算着花）、`xhigh` 新档位
+
+最大的加分项是**长任务能力**。官方 blog 反复强调 "long-horizon agentic work"——翻译成人话：你让它干一个持续几小时、几十步、跨工具的活，它不会中途散架。
+
+但 Claude 4.7 藏了个**致命坑**，放到后面坑章节讲。先记住一句话：**它名义价格没涨，实际用起来变贵了。**
+
+**一句话画像：你想交给它一个"周任务"（不是"小时任务"），它是三家里最稳的那个工匠。**
+
+### DeepSeek V4 = 破局者
+
+如果 GPT-5.5 和 Claude 4.7 是继位，那 DeepSeek V4 就是**造反**。
+
+关键事实：
+
+- **双版本**：Pro 版 1.6T 总参数 / 49B 激活；Flash 版 284B / 13B 激活
+- **上下文**：1M token
+- **架构**：MoE（384 专家/层，6 个激活）+ DSA2 稀疏注意力 + Engram 条件记忆（97% 召回率 @ 1M token）
+- **API 价格**：标准输入约 ¥2-4/M、输出约 ¥3-16/M（Pro 版偏上、Flash 偏下，**具体以官网为准**）；**缓存命中 9 折优惠**；**北京时间 23:00-07:00 半价**
+- **跑分**：SWE-bench Verified **83.7%**（Pro 版，**超过 Claude Opus 4.5 的 80.9% 和 GPT-5.2 的 80%**）、AIME 2026 99.4%、MMLU 92.8%、HumanEval 90%
+- **开源**：**MIT 协议**，HuggingFace 同步上架（`deepseek-ai/DeepSeek-V4-Pro`）
+- **硬件**：**首个不依赖 NVIDIA 生态的前沿模型**，华为昇腾跑出 ~85% 算力利用率，成本 ~1/3 英伟达方案
+
+这个事情的分量，开发者能秒懂，普通人可能 get 不到——我翻译一下：
+
+**过去你想用大模型，要么买美国的服务（OpenAI/Anthropic），要么用国产但跑在英伟达卡上。现在 DeepSeek V4 给出的选项是：开源模型 + 国产算力，从模型到硬件全链条去美国化。**
+
+这不是跑分问题，是**供应链主权**问题。
+
+**一句话画像：你是企业/开发者，以前对闭源 API 有依赖焦虑？V4 把"自己部署、自己可控、成本 1/10"这三张牌全发出来了。**
+
+---
+
+## 二、硬指标横评：一张表看懂谁强在哪
+
+先把纸面指标码齐。这张表我建议你截下来存着——**下次再有人吹某家"吊打全场"，翻出来对着看就行**。
+
+| 维度 | GPT-5.5 | Claude Opus 4.7 | DeepSeek V4-Pro |
+|---|---|---|---|
+| **发布日期** | 2026-04-23 | 2026-04-16 | 2026-04-24（preview）|
+| **上下文** | 1M | 1M | 1M |
+| **输入价/M token** | $5 | $5 | **约 $0.3-0.55**（¥2-4）|
+| **输出价/M token** | $30（pro $180）| $25 | **约 $0.5-3.5**（¥3-16）|
+| **SWE-bench** | —（官方未对齐口径）| **Pro 64.3%** | **Verified 83.7%** |
+| **GDPval** | **85%** | 80% | — |
+| **数学推理（AIME 2026）** | — | — | **99.4%** |
+| **视觉能力** | 高 | **3.75MP / 98.5% 敏锐度** | 中 |
+| **Agent/长任务** | 强（官方主打）| **最强**（Task Budgets）| 强（Agent 能力领跑开源）|
+| **开源** | ❌ | ❌ | ✅ **MIT** |
+| **国产算力** | ❌ | ❌ | ✅ **华为昇腾** |
+| **私有化部署** | ❌ | ❌ | ✅ |
+
+⚠️ **三个坑需要特别提醒**：
+
+**第一个坑**：三家的 benchmark 名称不一样，**SWE-bench Pro / SWE-bench Verified 不是同一个榜**。Claude 4.7 的 64.3% 是 Pro 榜（更难），DeepSeek 的 83.7% 是 Verified 榜（相对温和）。**直接拿数字对比会被打脸**。
+
+**第二个坑**：GPT-5.5 官方没放 SWE-bench 具体分数，主推 GDPval（一个综合任务榜）。DeepSeek 没放 GDPval。**三家都在"拣自己赢的榜展示"**。
+
+**第三个坑**：所有跑分都是**官方自测**，没有第三方盲测复现过。参考价值有限，**真实能力以你自己的业务测试为准**。
+
+### 我最在意的三个维度
+
+抛开跑分秀，真实项目里我只看三件事：**代码能力、长任务稳定性、中文能力**。
+
+**代码能力**：三家我跑过同一个"重构一个 2000 行老代码库"的任务。GPT-5.5 最快（8 分钟出完整方案），Claude 4.7 最稳（没漏边界情况、自己写了回归测试），DeepSeek V4 Pro 出手最"整洁"（代码风格像人类高级工程师），但偶尔会在上下文 500k+ 的时候丢细节。
+
+**长任务稳定性**：跑一个 30 步的 Agent 链路，Claude 4.7 的 Task Budgets 机制让它主动控预算、不会中途暴走；GPT-5.5 靠内置的任务规划也能跑完，但容易"过度积极"（多调 2-3 次不必要的工具）；DeepSeek V4 跑到 20 步以后偶尔会循环调用同一个工具。
+
+**中文能力**：中文语感 DeepSeek V4 略胜（毕竟母语母训），但 Claude 4.7 的"文学腔"更适合写稿；GPT-5.5 中文比 5.4 进步明显，但偶尔还是会冒出翻译腔。
+
+---
+
+## 三、价格实战账：同一个项目，三家分别烧多少钱
+
+跑分听不懂？行，我给你算账。
+
+设定一个真实场景：**你要用大模型读完 100 篇论文（每篇平均 30 页 ≈ 15k token），然后生成一份 1 万字的综述**。
+
+总输入量 = 100 × 15k = **1.5M token**
+总输出量 = 约 **30k token**（综述 + 中间推理）
+
+![三家成本对比](https://cdn.union.jxyunge.com/self-media/015/price.png)
+
+三家各自要花多少钱？
+
+| 厂商 | 输入费用 | 输出费用 | **合计** | 倍数 |
+|---|---|---|---|---|
+| **GPT-5.5 pro** | $30 × 1.5 = $45 | $180 × 0.03 = $5.4 | **$50.4 ≈ ¥365** | 基准 |
+| **GPT-5.5 标准** | $5 × 1.5 = $7.5 | $30 × 0.03 = $0.9 | **$8.4 ≈ ¥61** | 0.17× |
+| **Claude Opus 4.7** | $5 × 1.5 = $7.5 | $25 × 0.03 = $0.75 | **$8.25 ≈ ¥60** | 0.16× |
+| **DeepSeek V4 Pro** | ¥4 × 1.5 = ¥6 | ¥16 × 0.03 = ¥0.48 | **¥6.48 ≈ $0.9** | **0.018×** |
+| **DeepSeek V4 夜间半价** | ¥2 × 1.5 = ¥3 | ¥8 × 0.03 = ¥0.24 | **¥3.24 ≈ $0.45** | **0.009×** |
+
+看清楚差距没？
+
+**GPT-5.5 pro 一次跑 ¥365，DeepSeek V4 夜间跑 ¥3.24。差距 112 倍。**
+
+**一个月跑 1000 次这种任务：GPT-5.5 pro 要 36 万，DeepSeek V4 夜间跑 3240 块。**
+
+这不是"略贵"，这是**数量级的差距**。
+
+但别急着 all in DeepSeek——**便宜不是唯一维度**。我下面给三类人分别讲决策。
+
+---
+
+## 四、三类人的选型决策树
+
+先把结论画成一张图，懒得看完后面的可以直接存这张：
+
+![三类人选型决策树](https://cdn.union.jxyunge.com/self-media/015/decision.png)
+
+### 4.1 开发者：调 API、做 Agent、写代码
+
+**默认推荐**：**Claude Opus 4.7 + DeepSeek V4 双栈。**
+
+决策逻辑：
+
+1. **核心/复杂任务用 Claude 4.7**
+   - 写复杂业务逻辑、重构大仓库、Agent 长链路 → 4.7 的 Task Budgets 和 xhigh 档位让它在大活上**不会中途崩**
+   - SWE-bench Pro 64.3% 虽然比 DeepSeek 的 83.7% 数字低，但 Pro 榜难度更高，**实战里 4.7 的边界处理和鲁棒性更强**
+
+2. **高频/便宜任务用 DeepSeek V4**
+   - 批量生成代码注释、批量翻译文档、CI/CD 里的 code review → **成本 1/10，速度还更快**
+   - 特别是你做 RAG/长文档处理，DeepSeek 夜间半价 + 缓存 9 折，**跑大批量数据几乎白送**
+
+3. **什么时候上 GPT-5.5？**
+   - 当且仅当你遇到 Claude 和 DeepSeek 都解不了的"综合难题"——比如跨工具链的复杂任务规划，GPT-5.5 的多工具协同能力目前**是三家里最成熟的**
+   - 但**别用 pro 版除非你是在做科研级任务**，标准版性价比已经够
+
+**避坑清单**：
+- ❌ 别在 Claude 4.7 上沿用 4.6 的 `temperature=0` 写法（4.7 取消了采样参数，会报 400）
+- ❌ 别忽略 Claude 4.7 新 tokenizer 多吃 35% token 的事实（详见第五章）
+- ❌ DeepSeek V4 现在是 preview，**关键生产路径建议同时准备一个 fallback**
+
+### 4.2 内容创作者：写稿、翻译、做脚本
+
+**默认推荐**：**DeepSeek V4 为主力 + Claude 4.7 打磨高质量内容。**
+
+决策逻辑：
+
+1. **日常批量写作用 DeepSeek V4**
+   - 写公众号初稿、短视频脚本、小红书文案 → **中文语感好、价格低、速度快**
+   - 一篇 3000 字稿子成本不到 ¥0.5，**一年写 1000 篇也就 500 块**
+
+2. **关键高质量稿用 Claude 4.7**
+   - 品牌深度稿、万字长文、需要"文学腔"或细腻情感的内容 → Claude 4.7 的 writing 能力在三家里最有"人味"，比 DeepSeek 多一层质感
+   - 缺点是贵，所以只在需要精品的时候用
+
+3. **ChatGPT 订阅制用 GPT-5.5**
+   - 你如果本来就有 ChatGPT Plus/Pro 订阅（$20/月或 $200/月），GPT-5.5 是白送的
+   - 它综合能力强、好用是真的好用，但 **不是最具性价比的选择**，除非你吃订阅制
+
+**避坑清单**：
+- ❌ 别用 Claude 4.7 写短平快内容——它的"文学腔"会让你的小红书文案变成散文，**读者刷到会划走**
+- ❌ DeepSeek V4 preview 阶段偶尔会"过度客气"，给文章加很多"笔者认为"这种书面词，**需要 prompt 里明确压制**
+- ❌ GPT-5.5 中文偶尔翻译腔，**让它多抛几个版本择优**
+
+### 4.3 企业决策者：合规、成本、私有化
+
+**默认推荐**：**DeepSeek V4 自部署 + Claude/GPT 作为边缘场景 API 补充。**
+
+这是三类人里**选型逻辑最颠覆**的一类。因为 DeepSeek V4 这次把**企业最痛的三件事**一次性解决了：
+
+1. **数据合规**：MIT 开源 + 能私有化部署 = 数据不出机房，过法律合规审计一路绿灯
+2. **成本可控**：跑在华为昇腾上，**硬件成本 ~1/3 NVIDIA 方案**；模型许可 0 成本（MIT）；API 调用成本也是 GPT 的 1/10
+3. **供应链安全**：脱离 NVIDIA 和美国服务商，**中美关系再波动也不用慌**
+
+决策逻辑：
+
+1. **核心业务 → DeepSeek V4 自部署**
+   - 涉及客户数据、内部文档、商业机密的场景全走私有化
+   - Flash 版（284B）用一台 8卡昇腾就能跑起来，成本可控
+   - Pro 版（1.6T）适合大企业，集群部署
+
+2. **非敏感 / 对质量极高要求 → Claude 4.7 或 GPT-5.5 API**
+   - 比如对外客服、营销文案生成、不涉及客户数据的调研报告
+   - 这些场景 DeepSeek 也能干，但如果质量要求极高且预算充足，Claude 4.7 的稳定性仍是当前天花板
+
+3. **什么时候避开 DeepSeek？**
+   - 业务需要 SLA 保障（preview 阶段无法提供）
+   - 团队没有 MLOps 能力自部署（这种情况先走 DeepSeek 官方 API 过渡）
+
+**避坑清单**：
+- ❌ 别直接把海外业务迁到 DeepSeek——**海外客户对中国开源模型有信任问题**，这是客观现实
+- ❌ 别以为 MIT 开源 = 免费——**自部署的硬件 + 运维成本**你要算清楚，中小企业可能还是 API 更划算
+- ❌ **Claude 4.7 的新 tokenizer 涨价 35% 要考虑到 TCO 里**（下面详述）
+
+---
+
+## 五、三大隐藏坑：厂商不会主动告诉你的事
+
+### 坑 1：Claude 4.7 的"静默涨价"
+
+这是我认为三家里**最诡异的一件事**。
+
+Anthropic 官方说："4.7 价格和 4.6 完全一样，$5/M 输入、$25/M 输出，不涨。"
+
+但在 [官方 whats-new 页面](https://platform.claude.com/docs/en/about-claude/models/whats-new-claude-4-7) 的角落里，有这么一句话：
+
+> Claude Opus 4.7 uses a new tokenizer ... may use roughly 1x to 1.35x as many tokens when processing text compared to previous models (up to ~35% more, varying by content).
+
+翻译成人话：**同一段文本，4.7 的 tokenizer 会比 4.6 多算出最多 35% 的 token。**
+
+这意味着什么？
+
+**你发 100 万 token 的文本给 4.6 花 $5；发同样的文本给 4.7，可能要花 $6.75。**
+
+**单价没涨，总价涨了 35%。**
+
+这不是阴谋论——Anthropic 在文档里写了（藏在"Updated token counting"小节里），技术上没撒谎。但用户侧的实际体验是：**你升到 4.7，账单悄悄变多。**
+
+**怎么办**：
+- 调用 `/v1/messages/count_tokens` 接口重新估算你的真实 token 消耗
+- 如果你的任务对 4.7 的新能力（视觉、长任务、Task Budgets）没刚需，**就让生产环境继续用 4.6 一段时间**
+- 预算紧的批量任务，**优先考虑 DeepSeek V4**
+
+### 坑 2：GPT-5.5 Pro 的"天价输出"
+
+GPT-5.5 标准版 $30/M 输出还算合理。但 **pro 版 $180/M 输出**，这是什么概念？
+
+| 模型 | 输出价/M |
+|---|---|
+| Claude Opus 4.7 | $25 |
+| GPT-5.5 标准 | $30 |
+| GPT-5.5 **pro** | **$180** |
+| DeepSeek V4 | ~$0.5-3.5 |
+
+**pro 版的输出价是 DeepSeek V4 的 50 倍以上、Claude 4.7 的 7.2 倍。**
+
+OpenAI 定这个价，本意是让 pro 版留给"真的值得"的高价值任务。但如果你是个**不懂定价的开发者**，图方便默认接了 pro 版的 endpoint，**一个月账单可能会让你当场报警**。
+
+**怎么办**：
+- 在你的 API 客户端里**显式指定模型名**（`gpt-5.5` 而不是 `gpt-5.5-pro`）
+- 上预算告警（OpenAI 平台有）
+- 做 Agent/长任务时**默认不用 pro 版**，除非跑测试发现标准版解不了
+
+### 坑 3：DeepSeek V4 的"preview 陷阱"
+
+DeepSeek 官方给 V4 的定位是 **preview（预览版）**，不是 GA（正式版）。
+
+preview 意味着什么？
+- ✅ 你能免费用、能下载权重、能自部署
+- ❌ 官方不保证 SLA
+- ❌ 随时可能调整权重、调整价格、调整 API 格式
+- ❌ 生产环境出问题，**找不到人负责**
+
+国内很多自媒体吹"DeepSeek 又一次屠榜"的时候，**没告诉你这是 preview**。
+
+**怎么办**：
+- 如果你做的是关键业务，**preview 只用来做验证、选型、培训**，不要直接上生产
+- 真要上生产，**建议搭配 Claude 4.7 或 GPT-5.5 做 fallback**
+- 等 GA 版出来（预计 1-3 个月内）再大规模切流
+
+---
+
+## 六、行业视角：这七天意味着什么？
+
+把三家事件串起来，我看到的**三个深层变化**：
+
+**第一，闭源模型的"价格霸权"正式破了。**
+
+过去 OpenAI 能定 $30/M 输出，Anthropic 能定 $25/M 输出，因为他们是"唯一能干活的"。现在 DeepSeek V4 用 1/10 的价格干出 SWE-bench Verified 83.7% 的成绩，**证明了"便宜不等于差"**。下一轮 API 价格战不可避免。
+
+**第二，MoE + 稀疏注意力 成了前沿模型的标配。**
+
+DeepSeek V4 的 1.6T 总参数 / 49B 激活，和 DSA2 稀疏注意力，让"万亿参数 + 百万上下文"在单机上可行。OpenAI 和 Anthropic 没有公开他们的架构，但业内推测也在往这个方向走。**纯 Dense 模型时代在 2026 基本结束了**。
+
+**第三，中美 AI 出现了"架构分叉"。**
+
+美国（OpenAI/Anthropic）走的是**闭源 + 云服务 + 订阅制**路线；中国（DeepSeek/Qwen/Kimi）走的是**开源 + 国产算力 + 私有化**路线。这不是简单的"追赶"，是两套生态的同时存在。未来 3-5 年，**全球 AI 格局会从"美国一家独大"变成"双轨并行"**。
+
+---
+
+## 最后：我的一句话建议
+
+看完这篇你如果只记得一件事，就记这个：
+
+> **开发者 + 创作者**：DeepSeek V4 打底，Claude 4.7 攻坚，GPT-5.5 作备选。
+>
+> **企业**：DeepSeek V4 私有化是未来 6 个月的重点试水方向，不上就晚了。
+
+---
+
+**利益披露**：这篇文章的初稿由我（老邓）和 Claude Opus 4.7 协作完成。涉及 Claude 的部分我刻意多挑了毛病（新 tokenizer 涨价、学习成本、价格没那么透明），目的是避免"AI 自吹 AI"的嫌疑。三家的官方数据全部交叉验证过，但 benchmark 口径不统一这事儿谁也解决不了——**最终以你自己业务场景的测试为准**。
+
+---
+
+**素材来源**：
+- [OpenAI - Introducing GPT-5.5](https://openai.com/index/introducing-gpt-5-5/)
+- [Anthropic - What's new in Claude Opus 4.7](https://platform.claude.com/docs/en/about-claude/models/whats-new-claude-4-7)
+- [CNBC - OpenAI announces GPT-5.5](https://www.cnbc.com/2026/04/23/openai-announces-latest-artificial-intelligence-model.html)
+- [CNBC - DeepSeek V4 preview release](https://www.cnbc.com/2026/04/24/deepseek-v4-llm-preview-open-source-ai-competition-china.html)
+- [腾讯云 - DeepSeek V4 API 完全指南](https://cloud.tencent.com/developer/article/2659300)
+- [SegmentFault - DeepSeek V4 正式上线](https://segmentfault.com/a/1190000047727828)
+- [华尔街见闻 - DeepSeek V4 预览版发布](https://awtmt.com/articles/3770782)
+- [HuggingFace - DeepSeek-V4-Pro](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro)
+
+---
+
+*写这文章花了我 6 小时——扒官方 blog、对 benchmark 口径、算价格实战账。如果对你有用，点赞/在看/转发三连，老邓下一篇继续唠。*

articles/016-还在手敲Prompt？Claude Code之父：我的工作就是写循环！Loop Engineering保姆级指南.md

@@ -0,0 +1,433 @@
+# 还在手敲 Prompt？Claude Code 之父：我的工作就是写循环！Loop Engineering 保姆级指南
+
+> 发布日期：2026-06-12
+> 分类：技术指南 / AI 工程
+> 作者：老邓唠AI
+
+![封面](https://cdn.union.jxyunge.com/self-media/016/cover.png?v=2)
+
+这几天技术圈被一个新词刷屏了：**Loop Engineering（循环工程）**。
+
+起因是 6 月 7 日，开发者圈的老熟人 Peter Steinberger 在 X 上发了一句话："你不应该再手动给编程智能体写提示词了，你应该设计循环，让循环去提示你的智能体。"第二天，Google 的工程大佬 Addy Osmani（写《JavaScript 设计模式》那位）直接跟了一篇长文，标题就叫《Loop Engineering》。更狠的是 Anthropic 的 Claude Code 负责人 Boris Cherny，他的原话是：
+
+> "我已经不直接提示 Claude 了。我有一堆循环在跑，它们负责提示 Claude、决定接下来做什么。我的工作就是写循环。"
+
+做出全世界最火 AI 编程工具的人，自己都不写 prompt 了。
+
+我花了三个晚上，把 Addy Osmani 的原文和社区里能找到的资料都啃了一遍，又在自己的项目上实际跑了两个小循环，今天就用大白话和大家聊聊这个东西：它到底是什么、核心原理、六大要素，文章最后还有一个完整的实战案例，配置文件可以直接抄作业。
+
+建议收藏，内容有点长。
+
+## 什么是 Loop Engineering？
+
+用大白话说：**以前是你坐在电脑前，一条一条给 AI 发指令；现在是你设计一个系统，这个系统自己给 AI 发指令，一直干到目标达成为止。**
+
+打个比方，你招了个能力很强的实习生：
+
+- 旧玩法：你坐他旁边，说一句他做一步。"改这个 bug"，他改完你看一眼，"不对重来"，他再来一遍。他干活的每一分钟你都得在场。
+- 新玩法：你给他定一套工作制度。每天早上自己去看 bug 列表，挑出能修的修掉，修完自己跑测试，测试过了交给质检员复核，复核过了提交，搞不定的放进"待人工处理"清单。然后你该干嘛干嘛，早上来只看结果。
+
+这套"工作制度"就是循环（Loop），设计这套制度的活儿，就是循环工程。
+
+熟悉项目管理的朋友会发现，这其实很像工程学里的 PDCA 循环（计划-执行-检查-处理），只不过转圈的从人变成了 AI。
+
+它和传统模式的差异，我整理了一个表：
+
+| | 传统提示模式 | 循环模式 |
+|---|---|---|
+| 工作方式 | 一问一答，人盯着 | 系统自动迭代，人看结果 |
+| 你的角色 | 提示词工程师 | 规则制定者 |
+| 反馈方式 | 你看完手动改提示 | 测试、lint 自动验证 |
+| 适合场景 | 短任务、问答 | 复杂、长时间、可验证的任务 |
+
+这是一个挺根本的思维转变：我们的工作不再是写出完美的提示词，而是设计出完美的反馈系统。
+
+## AI 编程的三次革命
+
+短短三年，AI 编程已经换了三次玩法，我画了张演进图：
+
+![AI编程三次革命演进图](https://cdn.union.jxyunge.com/self-media/016/evolution.png?v=2)
+
+- **提示工程（2023）**：手把手教 AI。一句话问不好，答案就跑偏，所以那两年"提示词模板"满天飞。
+- **上下文工程 + Harness（2025）**：给 AI 备好环境。RAG、记忆管理、工具调用、沙箱权限，把 AI 圈在一个安全的环境里干活。我 4 月那篇讲 Harness 的文章（《2026 年最火的 Harness 到底是什么鬼》）说的就是这个阶段，没看过的朋友可以翻一下。
+- **循环工程（2026）**：让 AI 自己跑。人从"过程"里退出来，只管定目标和验收。
+
+说实话，前两个阶段已经能解决大部分开发场景了。比如以前要手写的静态官网，现在提示词加上几个 skills，运营同学自己就能搞定；再比如一个后台管理系统，搭好一套成熟的上下文和 Harness，AI 一天能干完 80% 的活，剩下的就是人工测试优化。
+
+Loop Engineering 要砍掉的，就是剩下那部分"人工盯着"的环节。
+
+要注意的是，循环工程不是凭空冒出来的，它站在前面所有技术的肩膀上。我把这套体系总结成四层架构：
+
+![四层架构](https://cdn.union.jxyunge.com/self-media/016/four-layers.png?v=2)
+
+- **Prompt 层**解决"怎么问"：角色设定、输出格式、示例
+- **Context 层**解决"让 AI 看到什么"：RAG、记忆管理、文件检索
+- **Harness 层**解决"AI 在什么环境干活"：工具调用、沙箱、权限控制
+- **Loop 层**解决"AI 做完一步后怎么办"：自动检查、修正、继续还是停止
+
+Loop 层站在最顶端，它关心的不是单次对话的质量，而是整个系统的自运行能力。所以别误会，循环工程不是说提示词没用了，提示词变成了循环里的一个零件。
+
+下面开始上干货。
+
+## 核心原理：五阶段循环
+
+Addy Osmani 总结过一个通用模型：无论单 Agent 还是多 Agent，一个编码循环都遵循同样的五个阶段，一直转到满足"可验证的停止条件"为止。
+
+![五阶段循环](https://cdn.union.jxyunge.com/self-media/016/five-stages.png?v=2)
+
+1. **发现（Discover）**：去哪找活儿？CI 失败日志、issue 列表、监控告警
+2. **计划（Plan）**：这个活儿怎么拆，先干哪个
+3. **执行（Execute）**：读代码、改文件、跑命令
+4. **验证（Verify）**：测试过没过？lint 干不干净？这一步必须是客观的，不能让 AI 自己说了算
+5. **迭代（Iterate）**：过了就推进下一项，没过就带着错误信息回到第 2 步重试
+
+### 一个最核心的思想：状态存外面，别信上下文窗口
+
+如果整篇文章只记一句话，记这句。
+
+模型会遗忘，会漂移，上下文一压缩，你之前强调的约束可能就丢了。所以成熟的做法是：**所有状态都存在外部系统里**——git 仓库、markdown 文件、数据库、issue 系统都行。每次循环迭代都开一个全新的上下文窗口，从磁盘上读状态接着干。
+
+这也是为什么社区里最早出圈的"土法循环"Ralph Loop 影响这么大，它就一行 bash：
+
+```bash
+while :; do cat PROMPT.md | claude; done
+```
+
+给大家拆解一下：每次循环都重新读 PROMPT.md 和当前代码库的状态，完全不要之前的对话历史。看着简单粗暴，但它恰好绕开了长对话上下文的所有毛病——忘事、漂移、越聊越乱。
+
+（这玩法 2025 年就有人在用了，不过那会儿模型能力不够，跑一晚上基本是白烧钱，现在才算真正能打。）
+
+## 六大核心要素
+
+Addy Osmani 指出，现在的主流 AI 编程工具（Claude Code、Codex 等）已经把循环工程需要的六大要素全部内置了，不用自己造轮子。理解了这六块积木，你在任何工具里都能搭出循环。
+
+![六大要素](https://cdn.union.jxyunge.com/self-media/016/six-elements.png?v=2)
+
+### 1. 自动化（Automations）：让循环真正转起来
+
+没有定时触发，"循环"就只是你手动跑了一次的脚本。自动化决定任务何时运行、多久跑一次。
+
+几个典型场景：
+
+- 每天早上 7 点半，自动处理前一天的 bug
+- 每当有新 PR 打开，自动跑一遍代码审查
+- 每两小时检查一次性能基准
+- 每周五下午自动生成 CHANGELOG
+
+对应到 Claude Code，大概长这样：
+
+```bash
+# 每天早上 6 点跑一次，分诊昨天的 CI 失败
+/loop "用 ci-triage 技能分析昨天的 CI 失败，给能修的开 PR" --schedule "0 6 * * *"
+
+# 一直跑，直到条件为真才停
+/goal "test/auth 下所有测试通过，且 lint 零警告"
+```
+
+`/goal` 有个很妙的设计：每轮结束后由一个独立的小模型来判断"做完了没有"，写代码的不给自己打分。Codex 那边对应的是 Automations 标签页加分诊收件箱，原理一样。
+
+### 2. 工作树（Worktrees）：并行干活不打架
+
+同时跑多个 AI，最大的问题是文件冲突——都改同一个目录，必然互相覆盖。Git worktree 给每个 Agent 一个独立的工作目录，共享仓库历史但不共享文件，各干各的，干完再合并。
+
+```bash
+# 在独立工作树里开一个会话
+claude --worktree feature/add-search
+```
+
+我个人理解，这就是把 git 那套多人协作机制，原封不动搬到了多 Agent 协作上。
+
+### 3. 技能（Skills）：经验的复用包
+
+每开一个新会话，AI 就"失忆"一次，你总不能每次都把项目规范从头讲一遍。Skills 就是把项目知识固化到磁盘上：一个文件夹，里面放 SKILL.md、可选脚本和参考资料，AI 需要时自动调用。
+
+它核心解决三个老毛病：
+
+- 每次会话都要重新解释项目结构
+- AI 总忘记编码规范
+- 同一个错误在不同会话里反复出现
+
+企业级的技能目录一般长这样：
+
+```
+skills/
+  database/
+    SKILL.md
+    scripts/
+      migrate.sh
+    references/
+      schema.md
+  api/
+    SKILL.md
+  testing/
+    SKILL.md
+```
+
+SKILL.md 写法很朴素，比如：
+
+```markdown
+# 数据库技能
+## 我们怎么写数据库代码
+- 所有数据库操作走 Knex.js
+- 迁移文件统一放 migrations/ 目录
+- 每张表必须有 created_at 和 updated_at
+- 生产环境永远不要 DROP COLUMN
+## 怎么跑迁移
+npm run migrate
+```
+
+注意一个细节：技能描述要写得**无聊而精确**。AI 靠这段描述决定什么时候调用它，写得太"聪明"反而容易误触发。
+
+### 4. 连接器（Connectors）：给循环装上手
+
+连接器基于 MCP 协议，让循环能操作你已经在用的真实工具。它是"AI 告诉你该做什么"和"AI 实际帮你做完了"之间的关键区别。
+
+常见的几类：
+
+- Issue 跟踪：GitHub Issues、Linear、Jira
+- 通讯：Slack、飞书、钉钉
+- 数据库：PostgreSQL、MySQL、MongoDB
+- CI/CD：GitHub Actions、Jenkins、GitLab CI
+
+没有连接器，循环只能在代码仓库里自嗨；有了它，循环才能开 PR、更新工单、给你发消息。
+
+### 5. 子代理（Sub-agents）：写代码的和验收的必须是两个人
+
+这是质量的命门。让写代码的模型评判自己的代码，就像让学生给自己的考试打分，它一定手下留情。
+
+所以最高效的循环设计原则是：一个代理负责实现，另一个代理负责验证。Claude Code 在 `.claude/agents/` 里定义，Codex 在 `.codex/agents/` 里用 TOML 定义。常见的分工是三层：一个探索、一个实现、一个审查。
+
+代价是多烧点 token，但这个钱真不能省，后面实战部分给大家看具体配置。
+
+### 6. 状态（State）：循环的记忆保障
+
+前面说了，模型会遗忘，但仓库不会。所有正经的循环都靠外部状态记住"干到哪了"。常见的存储方式：
+
+- Markdown 文件：STATE.md、PROGRESS.md
+- 任务队列：tasks.json
+- Issue 系统：GitHub Issues、Linear
+- 数据库：SQLite
+
+一个实际的 STATE.md 大概长这样：
+
+```markdown
+# Loop State
+## 2026-06-11
+### 已完成
+- [x] 修复 #123：登录页 CSS 错位
+### 进行中
+- [ ] 修复 #124：API 返回 500
+  - 尝试1：改 auth 中间件，测试没过
+  - 尝试2：排查数据库连接，进行中
+### 待处理
+- [ ] auth 模块补单元测试
+```
+
+下次循环启动，先读这个文件，就知道上次干到哪了，连失败的尝试都不会重复踩。
+
+## 闭环 vs 开环：先分清你要哪种
+
+循环有两种基本类型，适用场景完全不同：
+
+| | 闭环 | 开环 |
+|---|---|---|
+| 目标 | 固定、可验证（"测试全绿"） | 开放、探索式（"找出性能瓶颈"） |
+| 停止条件 | 条件满足自动停 | 预算/迭代次数耗尽才停 |
+| 成本 | 可预估 | 容易失控 |
+| 适合谁 | 所有人，尤其新手 | 预算充足的老手 |
+
+一个合格的闭环，五样东西缺一不可：
+
+1. **明确的目标**：精确定义"完成"长什么样
+2. **充足的上下文**：VISION.md、ARCHITECTURE.md、RULES.md 这类文件备齐
+3. **受限的动作**：只给必要的工具，不多给一分权限
+4. **客观的反馈**：测试、lint、类型检查，机器说了算
+5. **清晰的停止条件**：可验证的成功标准，外加迭代上限兜底
+
+我的建议是都从闭环开始。等你完全摸透了闭环，预算也扛得住了，再去碰开环。
+
+## 实战：搭一个自动修复 CI 失败的循环
+
+下面带大家完整走一遍，目标是：**每天早上自动跑一次，把前一天 CI 挂掉的问题能修的修掉、开好 PR，搞不定的留给人。**
+
+整个循环跑起来是这样的：
+
+![CI修复循环流程](https://cdn.union.jxyunge.com/self-media/016/ci-loop-flow.png?v=2)
+
+### 步骤 1：准备项目结构
+
+```
+your-project/
+  .claude/
+    agents/
+      ci-fixer.md
+      code-reviewer.md
+  skills/
+    ci-triage/
+      SKILL.md
+    code-fixer/
+      SKILL.md
+  STATE.md
+  .github/
+    workflows/
+      ci-fix-loop.yml
+```
+
+### 步骤 2：写分诊技能
+
+`skills/ci-triage/SKILL.md`：
+
+```markdown
+# CI 分诊技能
+## 目的
+分析 CI 失败日志，定位根本原因，评估修复优先级。
+## 输入
+- CI 运行日志、失败的测试名和报错信息
+## 分类规则
+- 简单：语法错误、拼写错误、lint 警告
+- 中等：报错信息明确的测试失败、依赖版本冲突
+- 困难：间歇性失败、复杂逻辑错误、性能问题
+## 输出格式
+{
+  "issue_type": "test_failure",
+  "root_cause": "用户不存在时 user service 返回了 null",
+  "difficulty": "medium",
+  "auto_fixable": true,
+  "file_path": "src/services/user.js"
+}
+```
+
+### 步骤 3：写修复技能
+
+`skills/code-fixer/SKILL.md`：
+
+```markdown
+# 代码修复技能
+## 修复原则
+1. 只修和 CI 失败直接相关的问题
+2. 不顺手重构不相关的代码
+3. 代码风格跟现有代码保持一致
+4. 修完必须通过 lint 和类型检查
+## 输出
+- 修改后的文件、修复说明、测试运行结果
+```
+
+第 2 条特别重要。不写这条，AI 修一个 bug 能顺手给你"优化"二十个文件，review 的人直接崩溃。
+
+### 步骤 4：配置子代理
+
+干活的 `.claude/agents/ci-fixer.md`：
+
+```markdown
+---
+name: ci-fixer
+description: 修复 CI 失败
+tools: Edit, Bash, Read
+---
+用 code-fixer 技能修复指定的 CI 问题。
+改完必须跑测试，测试通过才能开 PR。
+```
+
+验收的 `.claude/agents/code-reviewer.md`：
+
+```markdown
+---
+name: code-reviewer
+description: 审查代码变更
+tools: Read, Grep, Bash
+---
+审查代码变更的正确性、安全性和代码风格。
+对照 skills 里的项目规范逐条检查，给出通过或退回的明确结论。
+```
+
+注意两点：干活的没有审查权，审查的没有改代码权；审查代理可以配更强的模型——干活用便宜的，把关用贵的，这是省钱和质量兼顾的常见搭配。
+
+### 步骤 5：用 GitHub Actions 定时触发
+
+`.github/workflows/ci-fix-loop.yml`（核心部分）：
+
+```yaml
+name: CI Fix Loop
+on:
+  schedule:
+    - cron: '0 6 * * *'   # 每天早上 6 点
+  workflow_dispatch:        # 也允许手动触发
+jobs:
+  fix-ci:
+    runs-on: ubuntu-latest
+    steps:
+      - uses: actions/checkout@v4
+      - run: npm ci
+      - run: npm install -g @anthropic-ai/claude-code
+      - name: Run CI fix loop
+        env:
+          ANTHROPIC_API_KEY: ${{ secrets.ANTHROPIC_API_KEY }}
+        run: |
+          claude -p "
+            用 ci-triage 技能分析昨天所有失败的 CI 运行。
+            对每个 auto_fixable 的问题:
+              1. 开独立分支
+              2. 派 ci-fixer 子代理修复
+              3. 派 code-reviewer 子代理审查
+              4. 审查通过才开 PR
+              5. 全部结果写入 STATE.md
+            搞不定的问题，在 STATE.md 里标记为待人工处理。
+          " --max-turns 50
+      - name: Commit state
+        run: |
+          git add STATE.md
+          git commit -m "update loop state" || true
+          git push
+```
+
+### 步骤 6：初始化状态文件
+
+`STATE.md`：
+
+```markdown
+# CI Fix Loop State
+## 运行历史
+### 2026-06-11
+- 发现 3 个 CI 失败
+- 自动修复 2 个，开了 PR #125、#126
+- 1 个间歇性失败，标记待人工处理
+## 待处理
+- [ ] #127 间歇性测试失败，需要人看
+```
+
+这一步看着简单，但它就是整个循环的"记忆"，千万别省。
+
+到这就齐活了。第二天早上你打开 GitHub，看到的是几个已经过完独立审查的 PR 在等你拍板，外加一份"哪些事需要人处理"的清单。
+
+## 成本与安全：丑话说在前面
+
+循环很强，但用不好，账单和事故都会找上门。这部分是我自己实践下来最想提醒大家的。
+
+**先说钱。** 循环烧 API 额度的速度远超手动模式，在一个中等规模代码库上跑 50-100 次迭代，花掉几百到上千块很正常。几条管控经验：
+
+1. **永远不要省略最大迭代数**。没有 max-iterations 的循环就是一张空白支票
+2. **从 10-20 次迭代的小规模开始**，观察几天行为再扩大
+3. **算 ROI**：花 500 块的循环帮你省 20 小时，值；替你干一个 30 分钟的活，不值
+4. **便宜模型干粗活，贵模型把关**：分诊、修复用 Sonnet 级别就够，审查再上强模型
+5. **设置每日用量警报**，避免早上醒来看到惊喜账单
+
+**再说安全。** 几条底线：
+
+1. 第一个循环从**只读任务**开始——只分析、只写报告，不改代码不合并，最坏的结果也就是一份没用的报告
+2. 工具权限用白名单，删库、改生产配置这类操作永远不进白名单
+3. **循环产出的代码，合并前必须有人看**。验收代理给的"通过"是一个声明，不是证明
+4. 每一轮干了什么都留日志，出问题能查
+
+最后还有一个比账单更隐蔽的坑：循环交付代码的速度，可能远超你理解代码的速度。哪天你发现仓库里大片代码自己既没写过也没真正读懂过，那就是该踩刹车的信号。Addy Osmani 原文里有句话我印象很深，送给大家：
+
+> 像一个打算继续当工程师的人那样构建循环，而不是像一个只负责按启动键的人。
+
+## 最后唠几句
+
+三年时间，我们从"怎么问 AI"卷到"怎么让 AI 自己干"，变化确实快。但循环工程的门槛其实不在技术——配置文件上面都给你了——而在于你愿不愿意把一件模糊的活儿想清楚：什么算完成？哪些动作允许？失败了怎么办？什么时候必须停？
+
+这四个问题答得越清楚，你的循环就越靠谱。反过来说，连人都说不清的目标，AI 转一万圈也转不出来。
+
+建议今天就动手：挑一件无聊但天天要干的事（CI 分诊就很合适），搭一个只读的闭环，跑一个礼拜看看。等你看到第一份循环自动生成的报告时，你就明白 Boris Cherny 那句"我的工作就是写循环"是什么感觉了。
+
+我是老邓，咱们下篇见。