ZONE.CI 全球网

本文探讨了AI协作新模式'循环工程'(LoopEngineering)，指出其核心是从单轮提示词转向设计自动化工作流。文章详细阐述了循环工程的六大核心组件：调度触发、并行处理、项目知识库、外部工具集成、独立验证机制与持久化记忆，并分析了其成本边界，强调该模式将人的角色从执行者升级为调度者，是AI协作方式的重大升级。

本文系统梳理了AIAgent的核心概念，明确区分Agent与模型的本质差异：Agent是以大模型为核心、能调用工具并持续完成任务的完整系统。文章厘清了Scaffolding、Harness、Tool、Skill、Sub-agent等关键术语的层次关系，并介绍了训练阶段涉及的Environment、Rollout、Reward等概念。最后强调Agent是一套整合模型决策、工具执行与任务推进的系统框架。

本文梳理了AI自我改进中HarnessEngineering的核心机制与设计模式。作者翁荔指出，包裹在基础模型外的Harness系统（包括工作流自动化、文件系统持久记忆、子Agent并行执行等）对递归自我改进（RSI）至关重要。文章介绍了上下文工程（ACE、MCE）、工作流优化（AFlow）及让Harness自我改进的方法（STOP、Self-Harness），强调随着模型能力提升，Harness层的优化将逐渐内化，但外部接口会保留。

Anthropic公开了AI原生软件开发生命周期实践，将开发流程拆分为Plan、Design、Build、Test、Deploy、Maintain六个阶段，并重新定义人机分工。核心结论是AI可承担约80%编码工作，使工程师人均产出提升约8倍，但需求、审查、测试等环节需重新设计。关键发现包括将线性流水线改为闭环，通过intent.md、spec.md、plan.md等标准产物驱动流程，并将安全治理提前到需求阶段。可操作建议是从项目根目录的CLAUDE.md开始逐步落地，记录构建测试规则和AI常见错误。

本文系统梳理了AIAgent的核心概念，明确区分Agent与模型的本质差异：Agent是以大模型为核心、能调用工具并持续完成任务的完整系统。文章厘清了Scaffolding、Harness、Tool、Skill、Sub-agent等关键术语的层次关系，并介绍了训练阶段涉及的Environment、Rollout、Reward等概念。最后强调Agent是一套整合模型决策、工具执行与任务推进的系统框架。

本文梳理了AI自我改进中HarnessEngineering的核心机制与设计模式。作者翁荔指出，包裹在基础模型外的Harness系统（包括工作流自动化、文件系统持久记忆、子Agent并行执行等）对递归自我改进（RSI）至关重要。文章介绍了上下文工程（ACE、MCE）、工作流优化（AFlow）及让Harness自我改进的方法（STOP、Self-Harness），强调随着模型能力提升，Harness层的优化将逐渐内化，但外部接口会保留。

Anthropic公开了AI原生软件开发生命周期实践，将开发流程拆分为Plan、Design、Build、Test、Deploy、Maintain六个阶段，并重新定义人机分工。核心结论是AI可承担约80%编码工作，使工程师人均产出提升约8倍，但需求、审查、测试等环节需重新设计。关键发现包括将线性流水线改为闭环，通过intent.md、spec.md、plan.md等标准产物驱动流程，并将安全治理提前到需求阶段。可操作建议是从项目根目录的CLAUDE.md开始逐步落地，记录构建测试规则和AI常见错误。

本文探讨了AI协作新模式'循环工程'(LoopEngineering)，指出其核心是从单轮提示词转向设计自动化工作流。文章详细阐述了循环工程的六大核心组件：调度触发、并行处理、项目知识库、外部工具集成、独立验证机制与持久化记忆，并分析了其成本边界，强调该模式将人的角色从执行者升级为调度者，是AI协作方式的重大升级。

本文系统梳理了AIAgent的核心概念，明确区分Agent与模型的本质差异：Agent是以大模型为核心、能调用工具并持续完成任务的完整系统。文章厘清了Scaffolding、Harness、Tool、Skill、Sub-agent等关键术语的层次关系，并介绍了训练阶段涉及的Environment、Rollout、Reward等概念。最后强调Agent是一套整合模型决策、工具执行与任务推进的系统框架。

本文梳理了AI自我改进中HarnessEngineering的核心机制与设计模式。作者翁荔指出，包裹在基础模型外的Harness系统（包括工作流自动化、文件系统持久记忆、子Agent并行执行等）对递归自我改进（RSI）至关重要。文章介绍了上下文工程（ACE、MCE）、工作流优化（AFlow）及让Harness自我改进的方法（STOP、Self-Harness），强调随着模型能力提升，Harness层的优化将逐渐内化，但外部接口会保留。

Anthropic公开了AI原生软件开发生命周期实践，将开发流程拆分为Plan、Design、Build、Test、Deploy、Maintain六个阶段，并重新定义人机分工。核心结论是AI可承担约80%编码工作，使工程师人均产出提升约8倍，但需求、审查、测试等环节需重新设计。关键发现包括将线性流水线改为闭环，通过intent.md、spec.md、plan.md等标准产物驱动流程，并将安全治理提前到需求阶段。可操作建议是从项目根目录的CLAUDE.md开始逐步落地，记录构建测试规则和AI常见错误。

本文探讨了AI协作新模式'循环工程'(LoopEngineering)，指出其核心是从单轮提示词转向设计自动化工作流。文章详细阐述了循环工程的六大核心组件：调度触发、并行处理、项目知识库、外部工具集成、独立验证机制与持久化记忆，并分析了其成本边界，强调该模式将人的角色从执行者升级为调度者，是AI协作方式的重大升级。

本文系统梳理了AIAgent的核心概念，明确区分Agent与模型的本质差异：Agent是以大模型为核心、能调用工具并持续完成任务的完整系统。文章厘清了Scaffolding、Harness、Tool、Skill、Sub-agent等关键术语的层次关系，并介绍了训练阶段涉及的Environment、Rollout、Reward等概念。最后强调Agent是一套整合模型决策、工具执行与任务推进的系统框架。

本文梳理了AI自我改进中HarnessEngineering的核心机制与设计模式。作者翁荔指出，包裹在基础模型外的Harness系统（包括工作流自动化、文件系统持久记忆、子Agent并行执行等）对递归自我改进（RSI）至关重要。文章介绍了上下文工程（ACE、MCE）、工作流优化（AFlow）及让Harness自我改进的方法（STOP、Self-Harness），强调随着模型能力提升，Harness层的优化将逐渐内化，但外部接口会保留。

Anthropic公开了AI原生软件开发生命周期实践，将开发流程拆分为Plan、Design、Build、Test、Deploy、Maintain六个阶段，并重新定义人机分工。核心结论是AI可承担约80%编码工作，使工程师人均产出提升约8倍，但需求、审查、测试等环节需重新设计。关键发现包括将线性流水线改为闭环，通过intent.md、spec.md、plan.md等标准产物驱动流程，并将安全治理提前到需求阶段。可操作建议是从项目根目录的CLAUDE.md开始逐步落地，记录构建测试规则和AI常见错误。

Anthropic公开了AI原生软件开发生命周期实践，将开发流程拆分为Plan、Design、Build、Test、Deploy、Maintain六个阶段，并重新定义人机分工。核心结论是AI可承担约80%编码工作，使工程师人均产出提升约8倍，但需求、审查、测试等环节需重新设计。关键发现包括将线性流水线改为闭环，通过intent.md、spec.md、plan.md等标准产物驱动流程，并将安全治理提前到需求阶段。可操作建议是从项目根目录的CLAUDE.md开始逐步落地，记录构建测试规则和AI常见错误。

Anthropic公开了AI原生软件开发生命周期实践，将开发流程拆分为Plan、Design、Build、Test、Deploy、Maintain六个阶段，并重新定义人机分工。核心结论是AI可承担约80%编码工作，使工程师人均产出提升约8倍，但需求、审查、测试等环节需重新设计。关键发现包括将线性流水线改为闭环，通过intent.md、spec.md、plan.md等标准产物驱动流程，并将安全治理提前到需求阶段。可操作建议是从项目根目录的CLAUDE.md开始逐步落地，记录构建测试规则和AI常见错误。

Anthropic公开了AI原生软件开发生命周期实践，将开发流程拆分为Plan、Design、Build、Test、Deploy、Maintain六个阶段，并重新定义人机分工。核心结论是AI可承担约80%编码工作，使工程师人均产出提升约8倍，但需求、审查、测试等环节需重新设计。关键发现包括将线性流水线改为闭环，通过intent.md、spec.md、plan.md等标准产物驱动流程，并将安全治理提前到需求阶段。可操作建议是从项目根目录的CLAUDE.md开始逐步落地，记录构建测试规则和AI常见错误。

Anthropic公开了AI原生软件开发生命周期实践，将开发流程拆分为Plan、Design、Build、Test、Deploy、Maintain六个阶段，并重新定义人机分工。核心结论是AI可承担约80%编码工作，使工程师人均产出提升约8倍，但需求、审查、测试等环节需重新设计。关键发现包括将线性流水线改为闭环，通过intent.md、spec.md、plan.md等标准产物驱动流程，并将安全治理提前到需求阶段。可操作建议是从项目根目录的CLAUDE.md开始逐步落地，记录构建测试规则和AI常见错误。

慢雾安全团队披露FomoPeekApp在AppStore投毒事件，1.1与1.2版本植入apptrace与libapptracecore恶意模块，具备远程配置、内核漏洞利用、沙盒逃逸、Keychain解密及跨应用数据采集能力，影响iOS12至18.7.2及26至26.1版本。建议用户立即卸载受影响版本，关注官方安全公告，警惕类似KOL推广的异常App。

慢雾科技披露FomoPeekApp在AppStore官方版本1.1和1.2中植入恶意模块，具备远程配置、内核漏洞利用、沙盒逃逸、Keychain解密及跨应用数据采集能力，影响iOS12至18.7.2及26.0至26.1版本。攻击者通过KOL邀请码传播并诱导用户真机停留数分钟以完成利用链。建议用户立即卸载受影响版本并关注官方安全通告。

本文介绍开源模型Laya的本地部署教程。Laya是Jev的开源复刻，采用判别式路线，基于ModernBERT双向编码器，专用于意图识别、路由分流等确定性判定任务，单次前向仅需数毫秒，显存占用4-6GB。文章提供保姆级四步部署流程，涵盖环境配置、权重下载、脚本编写与结果解析，并给出指定模型分支与显存优化方案，实测数据完整，可操作性强。

文章总结： 本文梳理了AI自我改进中HarnessEngineering的核心机制与设计模式。作者翁荔指出，包裹在基础模型外的Harness系统（包括工作流自动

文章总结： 本文梳理了AI自我改进中HarnessEngineering的核心机制与设计模式。作者翁荔指出，包裹在基础模型外的Harness系统（包括工作流自动

文章总结： 本文系统梳理了AIAgent的核心概念，明确区分Agent与模型的本质差异：Agent是以大模型为核心、能调用工具并持续完成任务的完整系统。文章厘清