这是 2026 年的第 34 篇文章（本文阅读时间：约 20 分钟）
注：本文提到的“意识”指 QoderWork 内的意识功能（包括长短期记忆、用户画像、工作手册等），但本最佳实践适用于任何主流 Agent。
01 开篇：Loop Engineering 的致命短板
Loop Engineering 近期备受瞩目，其核心在于通过配置 Automations、Skills 和 Sub-agents，让 Agent 在单次会话中自动运转。然而，这一模式存在一个常被忽视的致命缺陷：会话结束，Loop 即“死亡”。
用户花费大量时间调试 evals 或纠正判断偏差，一旦关闭窗口，这些经验便随之消失。下次会话，Agent 依旧重蹈覆辙。这种无法跨 Session 自进化的 Loop，本质上只是一个更花哨的 Prompt，如同每天都在训练一位患有失忆症的新员工。
真正的“跨 Session 自进化”，是赋予 Agent 一本自动记录并翻开的笔记本。本文以 FDE（Forward Deployed Engineering）公司的横向深度调研为例，探讨如何实现这一目标。选择调研作为场景主要基于两点：
- 长时任务特性：调研需按 3C 框架（Company/Customer/Competitor）展开，若无法积累跨会话经验，每次从零教学效率极低。
- 硬性质量标准：数据需可溯源、判断需区分口径、获客来源需拆解至通道级。简单的 Loop 产出往往缺乏可信度，导致大面积返工。
下文将围绕三个核心问题展开：如何让教训跨 Session 自动加载？如何将对齐拆分为三层互不污染？哪些关键环节必须保留人工干预？
02 效果验证：何为“无需返工”的产出
结论前置：单人 1 天完成 61 家 FDE 方向公司的 3C 深度调研及横向汇总，总计 12 万字。速度并非重点，关键在于产出质量。
以 Palantir 的深度分析为例，严格执行以下标准：
- Company 维度：涵盖商业模式、产品服务、核心竞争力、融资估值及关键节点。
- Customer 维度：将获客通道拆解为 CEO 直连、政府关系、AIP Bootcamp 导流、投资者叙事四类，并给出定性占比估算。
- Competitor 维度：明确"FDE×自营产品×政府牌照”的差异化定位，而非简单罗列竞品。
在数据严谨性上，每个硬数字均附带来源链接（如财报摘要、薪酬报告）。61 家公司汇总后，实现了深度的横向对比：分析五种定价模式的成立条件，拉通估值倍数横线得出"FDE 含量与估值倍数反相关”的结论，并指出中国 FDE 公司的最大威胁源自云厂商而非同行。
此类产出可直接用于团队对齐、架构评审或 OKR 立项。调研最大的时间成本往往在于“返工”。引入“意识×Loop"机制后，从第一版起便卡住“数据可追溯、结论有支撑”两条红线，实现一版过。
此外，沉淀下的 AGENTS.md、MEMORY.md、USER.md 及 Skill 具备可复利性。实测显示，在切换至全新行业进行第二方向调研时，启动 Session 的首篇产出即满足所有 evals 硬标准。迁移的是流程骨架与质量红线，而非具体的行业认知。
03 Loop Engineering 六大框架的落地实践
Addy Osmani 在《Loop Engineering》中提出了 Automations、Worktrees、Skills、Plugins & Connectors、Sub-agents、State 六大基础设施。本次调研中，Skills 对应框架复用，Connectors 打通内部文档社区，Automations 负责会话结束后的总结与坑点追加。
以下重点阐述三个经过重新定义或发现特殊价值的框架：
Worktrees：隔离的核心是防偏见污染
虽然调研场景不涉及 Git 文件冲突，但 Worktrees 的底层逻辑——“并行任务共享状态会导致互相污染”——至关重要。本次实践将其映射为上下文隔离：六份深度报告并行运行，每份拥有独立上下文，写完后再合流。
这种做法的真正收益不仅是加速，更是避免“先入为主”的偏见传染。若不隔离，Agent 在分析 B 公司时容易下意识套用 A 公司的模式。强制每份分析从原点起步，确保了客观性。
Sub-agents：正反对抗优于分头干活
针对证据不足但方向感强的判断，派遣两个子 Agent 并行作业：一个寻找支持证据，一个专门寻找反例。例如某次证据比为 3:17，从而得出硬性结论。这种方式有效规避了单个 Agent 的确认偏差（Confirmation Bias）。审校环节同理，启用独立子 Agent 仅接收标准而不接收历史，可避免自我印证。
State：从进度记录升级为行为塑造
传统的 State 仅追踪任务进度，但在复杂调研中，更需要“上次犯的错下次自动避开”、“判断偏好自动加载”。因此，将 State 扩展为由 AGENTS.md、MEMORY.md、USER.md 构成的“意识层”，实现行为塑造而非单纯的进度管理。
04 意识×Loop：自进化的具体机制
Loop Engineering 解决了单次会话的自动化，但若会话结束后不留痕迹，便是资源浪费。将经验全部塞入 Skill 会导致臃肿且难以个性化，因此需构建独立的“意识层”。
意识层包含三个核心文件，均在会话开启时自动加载，会话中自动更新：
- AGENTS.md（主动规则）：规定输出前的自查项、禁用表达及必做动作（Proactive rules/evals）。
- MEMORY.md（被动经验）：记录踩过的坑、被纠正的判断及跨会话延续的状态（Passive lessons/state）。
- USER.md（法官偏好）：记录个人的判断标准、输出风格喜好及厌恶的表达方式（Judge preferences）。
实战案例：首次 Session 中，Agent 将某 AI 应用公司的客户来源简单归结为“销售外拓”。经人工纠正为“存量升级 + 生态挂靠”双轮驱动后，该教训被写入 MEMORY.md。第二次 Session 分析另一家公司时，Agent 自动加载该教训，主动拆解客户通道，无需重复指令，产出质量显著提升。
目前 MEMORY.md 中沉淀的关键条目包括：
- 长文档写入需分批切片并复核，避免超过 API 字节阈值。
- 客户来源判断必须拆解为四类通道并给出定性比例。
- 关键外部数字必须经过“官方 + 高管发言 + 第三方”三源交叉验证。
- 上游平台是否下场是判断赛道威胁的首要信号，连续出现可考虑升格进 AGENTS。
AGENTS.md 则承载固化后的规则。例如，针对 Agent 喜欢追加虚浮“综合评价”段落的问题，写入禁令：“结构化分段后禁止追加总结段，硬结论必须落在具体证据里”。随着积累，MEMORY 中的高频稳定经验会被人工升格至 AGENTS，使 Loop 愈发稳健。
05 三层对齐：解决 Loop Engineering 的核心难题
“对齐”不能简化为调优 Prompt，真实场景中至少包含三个层级，需分层承载以避免混乱。
第一层：Evals 对齐（AGENTS.md）
定义 Agent“该主动做什么”。当前 AGENTS.md 维持在约 15 条高频命中规则，分为反面清单（如禁止无来源数字、禁止正确废话）和正面清单（如必须给时间线、必须区分口径）。其核心来源是 MEMORY 中经验的升格。
第二层：场景对齐（三要素）
明确产出给谁看、以何种方式消费、读者需做什么决策。启动调研前明确这“三要素”，Agent 的语气、深度与结构自然适配。
第三层：Judge 偏好对齐（USER.md）
解决主观审美差异。例如个人厌恶"AI 味”表达（破折号连用、宏大词汇），偏好短句白话，拒绝客套元评论。USER.md 确保输出风格“像人写的”。若文件间出现张力，遵循“硬约束（AGENTS）优先于软偏好（USER）”的原则。
06 为何未采用“全自动 Loop"
本次实践中，保留了两个人工干预环节："MEMORY 升格 AGENTS"与“总报告硬结论下判”。
- 防止错误泛化：MEMORY 升格 AGENTS 是从“试探”到“铁律”的过程。若由 Agent 自动判断，极易将偶发噪声当作通用规律，污染后续所有会话。曾有一次 Agent 试图将特定行业的 ROI 偏好升格为通用规则，若未及时拦截，将导致后续分析全面偏差。
- 信用背书：总报告的硬结论涉及架构选型与立项决策，代表个人信用背书，必须由人工亲自把关。
简言之，Loop 可以自转，但 Judge 不能自动。人工保留的是“阀门”与“终审权”。
07 搭建 Loop 自进化的实操步骤
任何人都可按以下步骤搭建自己的进化系统：
- 建立 AGENTS.md：梳理工作中“绝不能出现”和“必须做到”的 5 条规则。可从过往返工案例或纠正 Agent 的记录中提取。
- 积累 MEMORY.md：每次会话结束前，强制 Agent 将本次教训写入该文件。关键动作是主动纠错，确保跨 Session 受益。
- 补充 USER.md：记录个人偏好，尤其是“厌恶什么”，让输出风格贴合本人。
启动初期（前 2-3 个 Session）可能因纠正和记录稍慢，但从第 4 个 Session 起效率将显著提升。待意识文件稳定后，再优化 Skill 和 Automation。同时需注意定期清理 MEMORY.md，将已升格条目删除，归档过时经验，保持上下文精简。
08 结语
Taste（品味）是 Loop 的准备动作，而非产出。Loop 只能放大已有的专业积累，无法让新手瞬间变专家。若缺乏对领域的深刻理解，根本无法制定出有效的 AGENTS 规则。
此外，Loop Engineering 的价值在非代码场景（如调研）中更为显著。Coding 场景有天然 Evals（测试通过与否），而调研等场景的 Evals 需自行设计，这正是边际收益最大的地方。
本文的创作过程本身也应用了 Loop Engineering：通过三个 Sub-agent 分别扮演不同读者角色，从术语门槛、节奏、可迁移性等维度打分，设定 9 分阈值，循环优化直至达标。
注：本文为作者个人技术思考与经验分享，不代表公司官方立场。文中涉及的前瞻性判断基于写作时的实践与认知，仅供交流参考。
