共 7 篇文章
AI编程上下文工程AI编程Agent循环工程视觉还原
场景营销互动&体验 AI Coding— AI Native 视觉还原的两个支点：上下文工程与循环工程
本文探讨AI Native视觉还原的核心挑战，提出上下文工程（设计稿降噪流水线）与循环工程（多轮反馈闭环）两个支点，通过具体案例说明如何让Agent精准还原设计稿视觉，提升AI Coding产物在视觉层面的可控性与质量。
2026-09-109222
Agent 框架与工作流智能体多智能体上下文工程成本控制Agent框架
对Loop Engineering的思考
对 Loop Engineering（循环工程）的系统思考：从五代工程演进、控制论四大公理，到无人值守系统的五大组件+记忆模块，再到 TDD、证据链、预算思维三大实践方法，探讨如何让人与 AI 在 Loop 中更好协作、把人从更多环节解放出来。
2026-09-047000
Agent 框架与工作流多智能体知识图谱Agent框架图谱工程循环工程
图谱工程：一篇讲清楚
把“图谱工程”讲清楚：当单个循环不够用时，协调多个智能体循环就成了工程问题。文章拆解节点/边/状态、共享状态保护、代码路由、模型判断其余、带牙齿的审阅者等要点，强调图谱工程是在做协调，而非替代循环工程。
2026-09-047000
AI编程上下文工程AI编程Agent循环工程代码生成
9月最佳设计 Skill，我建议你直接装
本文围绕AI智能体辅助编码展开，分析Agent在解构任务、编写与自检代码中的表现，讨论如何通过上下文与反馈循环提高代码正确率，并给出工程落地建议。
2026-09-097000
AI编程AI编程循环工程Agent工程代码生成AI评测
AI Coding 的下一步不是写得更快，而是可验收：蚂蚁数科 Harness 工程实践
文章介绍蚂蚁数科Harness工程实践，指出AI Coding的核心矛盾是产能提升而验证能力未跟上，提出围绕约束、验证与验收建立研发闭环，在40万行Rust与60万行C++项目中将缺陷率从20%降至个位数。
2026-09-095000