7.9
深览指数
科技Bestblogs·阿里技术··AI 生成
意识 × Loop：让 Loop 跨 Session 自进化的最佳实践
文章提出 Agent Loop 若不能跨会话积累经验，就只是花哨的 prompt。作者以单人一天完成61家FDE公司12万字深度调研为案例，详述了通过 AGENTS.md、MEMORY.md、USER.md 三个文件构成“意识层”，实现自动加载与沉淀的工程方法。核心贡献在于提出了三层对齐（evals、场景、judge偏好）需分层承载、必须保留两个人工阀门等非显而易见的工程原则。适合已经搭建过基础 Agent 工作流、正在优化实际效率的工程实践者。原文 ↗
核心观点
- ▍Loop 不自进化就只是更花哨的 prompt，意识层（AGENTS.md / MEMORY.md / USER.md）是其跨会话自进化的关键工程方案。
- ▍Loop 只放大作者已有的 taste，不生产 taste，因此提升输出的下限比突破上限更有工程意义。
- 01作者以单人一天完成 61 家 FDE 公司 3C 深度调研（产出 12 万字）为案例，证明该方法的规模化效率。
- 02意识层由三个文件构成：AGENTS.md（主动规则与 evals）、MEMORY.md（被动教训与状态）、USER.md（判断偏好），每次会话自动加载并更新。
- 03Worktrees 被重新定义为上下文隔离工具，主要收益不是并行加速，而是防止公司之间的偏见污染，避免将 A 公司的商业模式套用在 B 公司。
- 04三层对齐必须分层：evals 对齐由 AGENTS.md 承载客观正确性，场景对齐由启动时三要素定义，judge 偏好由 USER.md 承载个人口味。
- 05两个必须保留的人工阀门：MEMORY 升格 AGENTS 需人工判断（避免偶发规律污染为硬约束），硬结论下判必须亲自过稿。
- 06MEMORY 允许试探性表达（“这次学到”），AGENTS 是硬约束（“以后都要”），升格是一个“松变紧”的动作。
反方 / 局限
- — 作者承认该方法依赖作者本人的 taste 和判断力，Loop 本身不生产 taste；对于缺乏领域判断力的新人，这套系统的结果受限于其初始 taste 的质量。
- — 文章提出的方式是高度手动和定制化的，需要使用者持续维护 AGENTS.md 和 MEMORY.md，对工程素养和自律要求高，可能不适合追求“一键自动化”的团队。
4 分钟 · 4 卡片 · 11 资料
读原文 →