立正认为 Loop Engineering 值得了解,但对实际工作来说,它的有用部分已经融进三步:用 agentic 工具、写好功能型 skill、管好 context。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
Loop Engineering 是了解项,不是入门主线
材料里的观点立正在讲普通人成为 AI 高手的三步时,专门把 Harness Engineering 和 Loop Engineering 拿出来当“错误选项”的对照:这两样需要了解,但真正对工作有用的步骤已经包含在那三步里了。三步分别是停止把 AI 当聊天工具、改用 Codex 这类 agentic 工具;写好一个功能向而非风格向的 skill;管理好自己的 context1。这个排序的意思是,先建立“让 AI 在真实任务里持续跑起来”的基本功,再去看围绕 agent 循环搭脚手架、做编排这类更外围的工程话题,否则容易在还没跑通基本流程时就去追框架名词。
循环能不能收口,取决于人有没有判断力
这套三步之所以能覆盖 loop 类工程,是因为它们指向同一个能力:让 AI 产出之后有人能判断好坏、给反馈、把事情收口。Ethan 在访谈里说,AI 能做八九成工作,最后那一点仍要人 close loop,而只有专家才 close 得了,因为非专家分不清两个答案哪个更好、错在哪里2。立正在同一篇里补充,全栈不只是技术全栈,能写前端又懂设计、文案和转化的人价值更高2。放到 loop engineering 上:循环本身是机器在转,但每一圈的验收标准、什么算跑偏、什么时候该停,仍然来自人的领域判断。没有这个判断,循环只会更快地放大盲区。
现有片段只在一期视频开头提到 Loop Engineering,没有展开它具体包含哪些做法,也没有立正对它的系统评价。
出处
- 1用豆包还是Codex,正在加速两极分化…
立正本人主讲,直接说明 Loop Engineering 该不该学、与三步的关系。
- 2AI时代,找工作和创业的有效方法|Jobright联创/CTO Ethan对话
解释 close loop 为什么依赖领域判断,是理解循环工程价值边界的核心材料。
追问2026年10月25日
context 管理具体指什么?
Context 管理是给 AI 准备并组织它完成任务所需的背景信息:分清哪些长期保留、哪些按任务加载、哪些要定期提炼,让 AI 每次拿到不多不少、恰好够用的材料。
Context 管理是组织信息,不是写更好的提示词
材料里的观点立正把上下文管理列为 RAG 这类概念背后的第一个“动词”,与切分、判断、评估、诊断、编排并列;他强调高手关心的是任务需要什么样的上下文结构,而不是哪个模型最强或提示词怎么写1。所以它管的是“AI 动手前手里有什么”:任务相关的资料、项目积累的经验、团队长期的标准,按需要被找到并送进 AI 的工作窗口。
分三层记忆,按需加载,定期提炼
材料里的观点具体做法上,立正把 context 分成工作记忆(当前任务直接需要的)、项目记忆(这个项目积累的经验和决策)、组织记忆(跨项目的长期知识),并规定什么保留原始形态、什么提炼成精华、什么定期清理2。加载上不能一股脑全塞进去撑爆窗口,也不能什么都不给让 AI 成空壳,而要建索引、做分类、设计加载策略,让 AI 执行任务时自动找到需要的那部分2。原始会议纪要、讨论、文档是 raw context,可以定期提炼出有效经验、踩过的坑和判断标准,沉淀成高质量 insight2。团队的设计规范、代码质量要求、审核清单也可以写成 AI 能理解的规则注入工作流,让 AI 自动拿这些规则做检查2。
个人也能做,关键是让经验可复用
AI推演对个人来说,立正的建议是设计自己的知识组织方式:哪些长期不变(写作风格、价值判断原则),哪些按项目加载(客户背景、具体需求),哪些需要定期更新(行业动态、AI 能力边界);不需要复杂系统,但需要一个结构3。他举的例子是反复做的任务类型各配一个经过验证的模板或 skill,从已包含自己偏好和标准的起点开始,而不是每次从空白对话重来3。判断自己是否在做 context 管理,可以看一件事:上个月摸索出的方法,这个月再用时还需不需要从头调。
三层架构和工具链来自面向团队的服务介绍,个人场景的对应做法见个人上下文架构那篇,两者颗粒度不同。
出处
- 1AI的正确打开方式:不学概念,学动作
说明上下文管理为何被列为动词能力,以及它与工具、提示词关注点的区别。
- 2你团队的 AI 效果不好,问题不在模型,在 Context
最完整地说明 context 管理的三层记忆、渐进式加载、持续提炼和规范注入。
- 3AI 用得好的人与普通人的5个差距,和背后具体技术原因|非技术岗位版
给出个人层面的 context 架构和模板沉淀做法,适合非团队场景对照。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。
- 想赚钱,增加收入,普通人是不是做自媒体更好
不一定。对多数普通人,自媒体更该先当低成本试水的事业,而不是稳赚的副业;它前期大概率不赚钱,成功标准要先定清楚。