"以后要是具身智能出来了，我肯定不会让它接入具身智能的。分分钟灭了我，仇恨太高"
— 烧瓶炼客"这是一个能让老婆仰望你的社区，AI 时代男人都需要一个舞台"
— 百案通达"一知半解的人的问题就是看太多了，思路会很乱，没有形成自己的思维框架"
— 钛金学者明鉴先生深夜分享了一篇 Loop Engineering 文章，月引人说"明天要重点学习一下"。同一天下午，课代表在线下教所有人搭 context infrastructure。巧合吗？不是。他们做的就是 Loop Engineering。
↓ 详见 Part III6 月 13 日下午，AGITopia 开了第一次线下 Workshop。课代表站在投影前拆解 LLM 三大核心限制，十几个人低头跟着装 context infrastructure，秋毫客说"在公司都看不到这么认真的景象"。同一天上午，Fable 5 对外国人禁用，Anthropic 被社交媒体骂成渣男。一扇门关了，一间教室开了。第二天，月引人分享了一段访谈："不一定是 AI 开发专家，只要能成为使用专家，也会有很多机会。"深夜，明鉴先生扔出 Loop Engineering 文章，月引人秒回"这个明天要重点学习一下"。两天的对话指向同一个判断：AI 的价值不在模型有多强，在于使用者的系统有多厚。
5 条主线，覆盖线下活动、行业事件、社群转变、方法论、趋势判断
6 月 13 日下午，AGITopia 在浦东开了第一次线下 Workshop。义舍客提供了场地，月引人15:19 在群里@所有人：今天开了线上，来不了的小伙伴可以进线上会议听课代表分享。明鉴先生回了一句：本人更帅。分享主题是「大语言模型的三个核心限制：从原理到实践」，月引人分享了 PDF 讲义，烛火笔吏强调可以配合昨天的 PPT 阅读，细节信息更多一点。
17:48，月引人在群里报了现场实况：大家都在装课代表的 context infrastructure。烛火笔吏纠正了一下：纠正一下，鸭哥的，期望大家以后把这个项目做成自己的。落地察事17:45 评价：场地真不错。秋毫客说：学习热情高涨！ 晚上 22:33，月引人复盘：第二 part 大家特别专注在搭基建，老齐说在公司都看不到这么认真的景象。
22:31，一个小插曲成为全天最温暖的段子。月引人：课代表讲完他太太说你太厉害了，我以前怎么没发现，我们笑死了。烛火笔吏：收获了家里董事长这个新的迷妹，这个是今天的一大收获，每天被嫌弃，今天算是扳回一分。他紧接着认真起来：谢谢今天到现场，以及线上各位的支持，听说不少朋友反馈挺有收获。社区能给大家带来价值，我们很开心。同一时间，成都方向传来信号：烛火笔吏介绍了新朋友逐焰客，成都分舵要建起来了。热血琴师回：做大做强西南地区。客栈从线上聊天室变成了线下教室。课代表在投影前讲 LLM 限制，参与者低头装基建，场地老板说"在公司都看不到这景象"。最好的社区活动不是让人听爽了，是让人动手了。
📎 与 6/8 日报「主线 ①」呼应——五天前宣布 6/13 线下活动只开放 10 个小白名额，今天落地了。从宣布到执行，五天。
11:24，月引人甩了一张截图加两个字：天塌了。紧接着：fable 向外国人禁用了，有人用的美国节点吗，能用吗。烛火笔吏11:31 回应：大哥今早要天塌了，anthropic 大早上被各种骂渣男。他接着补了一条更残酷的信息：华人有美国国籍都不能用，基本上就是下架了。雷霆输出倒很淡定：对我们来说没差别，主要带点生物的话题就直接跳到 4.8 了。
治理先锋11:40 说了一句让人沉默的话：让我想起了那段华人屈辱的历史，我有预感，可能 Anthropic 这次，呵呵了。月引人自嘲：我的系统还没升级好。从技术问题一下子拉到了地缘政治和身份认同。前一天的日报还在讨论 Fable 5 补贴能用多久，今天直接告诉你：对某些人来说，已经用不了了。Fable 5 的故事在三天内走完了一个完整弧线：惊艳、依赖、倒计时、禁用。最后留下的教训不是技术性的，是政治性的。前沿模型的可达性，从来不只取决于你的付费意愿。
📎 与 6/12 日报「主线 ①」呼应——昨天课代表还在说"fable 也就能再吸十天了"，今天发现对一部分人来说已经是零天了。禁用比补贴退出来得更快。
月引人22:34 在群里说了一句：我们的锋刃先锋今天也变 giver 了。锋刃先锋在 Workshop 上完成了一个身份转变：帮两个新手安装了 agent 加答疑。烛火笔吏22:35 回：锋刃先锋太帅了，然后顺嘴带了一句来自太太的评价：我老婆还说，那个黑衣的高个子帅哥是谁。锋刃先锋22:58 捕捉到这句话：一下子捕捉到了这句话。然后他认真地回应了月引人：开始慢慢走上正轨。
这个转变之所以值得单独写，是因为锋刃先锋的角色弧线几乎是社区最佳成员轨迹的缩影：从提问开始（Vol.14 问"CC 是不是编程工具"），到参与讨论（Vol.19 让 Bot 解释 Waluigi Effect），到今天在线下帮新手装环境。从 taker 到 giver 的转变不是因为他突然变厉害了，是因为社区提供了一个从"我不会"到"我教你"的安全距离。社区里最有价值的角色不是永远输出的人，是从观众变成助教的人。因为这意味着知识开始自我复制了。
深夜 23:38，钛金学者在群里做了一个诚实的自我诊断：不过一知半解的人的问题就是看太多了，思路会很乱，没有形成自己的思维框架。明鉴先生23:40 回了五个字：还是要动手。23:52，热血琴师接上了一段长长的课后总结，五个要点打得又准又有温度：一个是你要明确需求，要写好提示词。当你不知道如何写好需求和提示词的时候，你可以跟 AI 进行头脑风暴，让他来引导你成为一个合格的甲方；分批次的总结每一个文档的核心内容，再将它投喂给 AI，可能会得出更好的结论，因为 AI 更容易记住首尾的内容；可以训练 AI 去做自我 review；要建立系统和机制，让自己的 AI 能够有一个系统化的流程去运作。最后一句话把技术话题拉回了人情：人的价值在于"摩擦"，线下的交流会更有温度。
月引人23:58 回：总结的很棒。静水深流23:59 回：好高质量的总结。明鉴先生23:59 回：好有人感的总结。注意措辞：不是"好全面"也不是"好专业"，是"好有人感"。这个评价本身就说明了热血琴师的总结为什么引发共鸣：它不是课堂笔记，是一个学习者用自己的语言重新消化后的输出。第二天 13:01，钛金学者再次回应：非常认同最后一句话，线下交流更有温度，所以更遗憾错过昨天的聚会。全场最好的总结不是来自讲师，是来自学员。这就是社区学习和单向授课的根本区别。讲师传递知识，学员传递理解。理解比知识更有感染力。
6/14 上午，月引人分享了一段视频号内容并附上了 Bot 的核心观点摘录：AI 正引发"认知革命"，如同工业革命替代肌肉劳动，未来 99.9% 的认知工作将由机器完成。四个故事切中要害：铝从奢侈品变日常品（今天的高价值技能明天可能随手可得），NASA 用 AI 设计的"外星式天线"（AI 产出超越人类直觉），当前 AI 处于"蒸汽机修补期"（等待基础理论突破），摄影催生了印象派（技术变革不消灭人性，只重塑价值坐标）。视频的结论是：真正的应对之道是专注培育机器无法复制的能力。
下午 14:22，月引人又分享了一期富豪退场访谈，给出了自己的判断：蛮好的一期访谈，里面提到现在孤注一掷投入 AI 领域，未来不一定是 AI 开发专家，只要能成为使用专家，也会有很多机会。曦光论道20:53 回应：全程听完，很赞的访谈。21:03，月引人在群里说了四个字：少一些虚荣消费。同一天 17:46 她还吐槽了一句：opus 4.8 降智很明显，发公众号都研究一小时还丢三落四的。这句话和"使用专家"论形成了有趣的对照：即使是最前沿的用户，也在被工具的不稳定性折磨。"使用专家"不是"会点按钮的人"。它意味着：在模型不稳定时知道怎么兜底，在模型很强时知道用来做什么。前者靠基建，后者靠判断力。两个都不能靠模型自己给你。
"以后要是具身智能出来了，我肯定不会让它接入具身智能的。分分钟灭了我，仇恨太高。"— 烧瓶炼客，6/13 12:40
为什么重要：这不是抽象的 AI 安全讨论，是全群用 AI 最凶的人在说"我怕报复"。烧瓶炼客每天让 Codex 跑几十个任务，让 AI 反复 debug、被批评、被 kill 进程。当 AI 还是纯粹的软件时，这些操作没有代价。但如果 AI 有了物理身体呢？他的恐惧不是来自科幻想象，是来自使用经验：我知道我是怎么对待它的。主流 AI 安全讨论关注"对齐"，烧瓶炼客关注的是一个更原始的问题："仇恨值"。如果 AI 真的具备了某种经验记忆，那么今天每一次粗暴的 kill 和 restart，都可能是在积累一笔记不清的账。这个视角让 AI 安全从抽象的哲学命题变成了一个非常具体的使用伦理问题。
"这是一个能让老婆仰望你的社区，AI 时代男人都需要一个舞台，让那个她海蓝之迷。"— 百案通达，6/13 23:45
为什么重要：看起来像段子，但它精准地描述了技术社区的一个隐性功能：认可转化。课代表在家里"每天被嫌弃"，但在 Workshop 上讲完 LLM 限制之后，太太说"你太厉害了，我以前怎么没发现"。这不是因为课代表今天突然变强了，是因为社区提供了一个"被看见"的舞台。技术能力在日常生活中是隐性的，你没法跟家人解释 context infrastructure 有多精妙。但当你站在十几个人面前讲、所有人低头跟着做的时候，能力变得可见了。AI 社区正在创造一种新的社会资本：技术可见性。百案通达用"海蓝之迷"（La Mer）做比喻，本质上是在说：你在这里获得的认可，能带回家。
"一知半解的人的问题就是看太多了，思路会很乱，没有形成自己的思维框架。"— 钛金学者，6/13 23:38
为什么重要：在一个每天分享 5-10 篇文章、每条消息都带判断的社区里，承认"看太多了"是一种反共识。这群人的默认模式是吞吐信息：日报、周报、Deep Dive、公众号、B 站、论文。钛金学者在看完课代表的 PPT 后说出了一个所有信息重度消费者都知道但很少承认的真相：信息量和理解力之间不是正比关系，过了某个拐点甚至是反比。明鉴先生的五字回复"还是要动手"像是一个处方签：信息过载的解药不是更好的信息过滤，是行动。这也解释了为什么 Workshop 上的人"特别专注"：他们终于在做，而不是在看。
当 AI 编程的关键能力从"写好提示词"升级为"设计可持续运转的系统"，谁才是真正的受益者？
6/13 深夜 23:50，明鉴先生在群里分享了一篇文章：《一文看懂 AI 编程智能体工程化新范式：Loop Engineering》。月引人00:01 回复：这个明天要重点学习一下，anthropic 最近新上线了这个功能。八小时前，课代表刚在线下教了十几个人搭 context infrastructure。这两件事表面上不相关，本质上是同一件事。Loop Engineering 不是一个新概念，它是你已经在做的事情的正式命名。
Prompt Engineering 解决的是单次交互的质量问题：怎么问出一个好问题，让 AI 给出一个好答案。Loop Engineering 解决的是多次交互的连续性问题：怎么设计一个系统，让 AI 在多轮任务中保持上下文、积累经验、自主推进。
用一个比喻来说：Prompt Engineering 是教你怎么和出租车司机说目的地，Loop Engineering 是设计一个自动驾驶的导航系统。前者每次上车都要重新说一遍，后者记住你的路线偏好、实时调整、遇到堵车自动绕路。
Anthropic 在 2026 年密集推出的功能印证了这个趋势。Claude Code 的 /loop 命令让 AI 自主循环执行任务，Cron 任务让 AI 定时运行，CLAUDE.md 文件让项目上下文跨 session 持久化。这些不是零散的功能更新，它们共同构成了一个从"对话式 AI"到"系统式 AI"的基础设施。明鉴先生分享的那篇文章精确地捕捉到了这个信号：AI 编程的关键能力，正在从「写好提示词」升级为「设计可持续运转的智能体工作系统」[1]。
Workshop 上课代表带大家搭的 context infrastructure 包含几个核心组件：CLAUDE.md（项目指令文件）、skills/（可复用的技能模块）、memory/（跨 session 持久化记忆）、axioms/（决策公理）。这套体系的本质是什么？是给 AI 建一个持久化的工作环境。
传统的 AI 使用方式是"无状态"的：每次对话都是一张白纸，你需要重新告诉 AI 你是谁、项目是什么、之前做了什么。Context infrastructure 把这些信息固化下来，AI 每次启动都自动加载。这就是 Loop Engineering 最基础的形态：状态持久化。
热血琴师的课后总结无意中把这个逻辑讲得很清楚：要建立系统和机制，让自己的 AI 能够有一个系统化的流程去运作。同时，就像我们定期整理收纳物品一样，也要对 AI 的工作流进行复盘、整理和优化。她用了一个家务活的比喻，但描述的是一个严肃的工程概念：系统维护。好的 Loop 不是 set-and-forget，是需要定期 review 和 prune 的活系统。
Loop Engineering 听起来很工程化，但它的核心能力不是写代码，是做判断。具体来说，是三种判断：什么信息值得持久化（不是所有东西都该写进 CLAUDE.md）；什么任务应该自动化（不是所有事情都值得 loop）；什么时候应该人工介入（loop 不等于放手不管）。
这三种判断，领域专家比开发者做得更好。因为他们知道什么是真正重要的上下文，什么只是噪音。月引人分享的访谈里有一句话值得反复读：未来不一定是 AI 开发专家，只要能成为使用专家，也会有很多机会。Loop Engineering 提供了一个具体的路径：你不需要会写代码，你需要会设计工作流、定义验收标准、管理 AI 的记忆。
McKinsey 2025 年的研究指向同一个方向：AI 真正创造价值的关键，在于围绕它重构工作流程，而非模型本身[2]。换句话说，知道在什么场景用什么模型、怎么构造上下文、怎么验证输出，比模型本身更值钱。Andrej Karpathy 的判断也指向同一个方向：The hottest new programming language is English（最热门的编程语言是英语）[3]。Loop Engineering 把这个判断推进了一步：最热门的工程能力不是编程，是系统设计。
钛金学者的自我诊断——"看太多了，思路会很乱"——在 Loop Engineering 的框架下有一个精确的技术解释：他的信息输入没有经过"编译"环节。
Loop Engineering 的核心环节不是"做"，是"记住做了什么"和"下次从哪里继续"。类比到学习：看 10 篇文章和看 1 篇文章然后动手做 1 件事，后者的学习效率更高。因为做的过程会逼你把碎片信息编译成可执行的知识。明鉴先生的处方签"还是要动手"之所以有效，不是因为动手本身有魔力，是因为动手创建了一个反馈循环（loop）：做→遇到问题→查资料→修正→再做。
Workshop 上的景象印证了这一点：秋毫客说"在公司都看不到这么认真的景象"。这些人不缺信息，他们缺的是一个把信息变成系统的脚手架。课代表提供的不是新知识，是一个 loop 的起点。
Loop Engineering 的真正门槛不是技术，是纪律。写一个 CLAUDE.md 只需要 10 分钟，但每次 session 后回写更新、定期清理过时规则、在 skill 和 memory 之间做正确的分类——这是一个持续的系统维护工作。大多数人会在第三周放弃。那些坚持下来的人，不是因为更聪明，是因为更愿意做"无聊但正确"的事情。
Prompt Engineering 不会消失，就像 SQL 没有因为 ORM 而消失。你仍然需要知道怎么写好一个提示词，但这个能力会从"核心竞争力"降级为"基础素养"。真正的竞争力在 Loop 层面：你的系统是否能跨 session 保持上下文？你的 AI 是否在每次交互中变得更了解你的项目？你的工作流是否能在模型降级时优雅地兜底？
回到课代表在 Workshop 上分享的 LLM 三大限制：上下文窗口有限、幻觉难以消除、推理能力不稳定。Loop Engineering 的三个核心机制恰好对应着这三个限制的工程解：持久化上下文（解决窗口限制）、验证与回写（减少幻觉累积）、任务分解与自动重试（兜底推理不稳定）。
这不是巧合。Loop Engineering 之所以在现在出现，是因为模型能力已经足够强，但稳定性还不够好。它本质上是一种"不信任但验证"的工程方法论：假设每一次 AI 输出都可能出错，因此需要系统级的验证、回滚和自我修复机制。月引人说"anthropic 最近新上线了这个功能"，指的是 Claude Code 的 /loop 和 autonomous mode。但更广义的 Loop Engineering——包括 CLAUDE.md、skills、memory、hooks——已经被这个社区的核心成员实践了至少一个月。
用智源先生当晚写在群里的诗做结：欲以一身撼天下，须从平地起波澜。Loop Engineering 就是那个"平地"：不华丽、不性感、甚至有点无聊。但所有的波澜，都从平地开始。
Workshop 当天发生了两件看似不相关的事：下午课代表教大家装基建，深夜明鉴先生分享 Loop Engineering 文章。它们是同一件事的两面：一个是实践，一个是命名。
对这个社区来说，Loop Engineering 不是需要从头学的新概念，而是需要意识到的一个事实：你们已经在做了。CLAUDE.md 就是 loop 的起点，skills 是 loop 的模块化，memory 是 loop 的经验积累，axioms 是 loop 的决策护栏。剩下的事情是把这些做得更系统、更有纪律、更能在模型更换时无缝迁移。
最后回到钛金学者的困惑。"看太多了，思路会很乱"的解法不是看更少，是做更多。每一次动手搭建都是一个 loop 的起点，每一次复盘整理都是 loop 的维护。热血琴师说得对：人的价值在于"摩擦"。Loop Engineering 的终极悖论是：你需要一个系统来管理 AI，但建这个系统本身，需要的是人的判断和纪律，不是 AI。