ຢູ່ໃນລູບ

"On the Loop" ແມ່ນຮູບແບບການຮ່ວມມືທີ່ສຸມໃສ່ການປັບປຸງ harness (ສະພາບແວດລ້ອມການເຮັດວຽກ, ຂໍ້ຈຳກັດ, ແລະເຄື່ອງມື) ແທນທີ່ຈະເປັນຜົນລັບສ່ວນບຸກຄົນຂອງ AI agent, ແລະເປັນຕຳແໜ່ງທີ່ແນະນຳສຳລັບມະນຸດໃນການປະຕິບັດ harness engineering.
Bockeler ແນະນຳໂໝດທີ່ສາມ. ບໍ່ແມ່ນການມອບໝາຍທັງໝົດແບບ Outside the Loop ແລະ ບໍ່ແມ່ນການກວດສອບທຸກຂັ້ນຕອນແບບ In the Loop ແຕ່ແມ່ນການສຸມພະລັງງານຂອງມະນຸດໃສ່ການສ້າງ "ສະພາບແວດລ້ອມ" ທີ່ເໝາະສົມໃຫ້ agent ສາມາດເຮັດວຽກໄດ້ຢ່າງຖືກຕ້ອງ.
ຫົວໃຈຫຼັກຄື "ການຕັດສິນໃຈວ່າຈະແກ້ໄຂຫຍັງ"
ວິໄນຂອງ On the Loop ຈະຖືກທົດສອບໃນເວລາທີ່ຮູ້ສຶກບໍ່ພໍໃຈ. ເມື່ອ output ຂອງ agent ມີຂໍ້ຜິດພາດ, ປະຕິກິລິຍາທຳມະຊາດທີ່ສຸດຄືການແກ້ໄຂຜົນລັບໂດຍກົງ. ແຕ່ໃນ On the Loop, ຕ້ອງຍັບຍັ້ງແຮງກະຕຸ້ນນັ້ນ ແລ້ວປ່ຽນແປງຝັ່ງ harness ແທນ. ການເພີ່ມກົດລະບຽບໃສ່ CLAUDE.md, ການປັບຕັ້ງຄ່າ linter, ການເພີ່ມ test case——ການລົງທຶນໃສ່ສະພາບແວດລ້ອມເຫຼົ່ານີ້ ບໍ່ພຽງແຕ່ສົ່ງຜົນຕໍ່ 1 ລາຍການທີ່ຢູ່ຕໍ່ໜ້າ ແຕ່ຍັງສົ່ງຜົນຕໍ່ output ທັງໝົດໃນອະນາຄົດ.
Bockeler ເອີ້ນວົງຈອນທີ່ດີງາມນີ້ວ່າ "Agentic Flywheel". ການປັບປຸງ harness ຈະເຮັດໃຫ້ຄຸນນະພາບ output ຂອງ agent ສູງຂຶ້ນ, ເມື່ອຄຸນນະພາບສູງຂຶ້ນ ຂອບເຂດທີ່ສາມາດມອບໝາຍໃຫ້ agent ກໍ່ຂະຫຍາຍກວ້າງຂຶ້ນ, ແລະ ເມື່ອຂອບເຂດຂະຫຍາຍກວ້າງຂຶ້ນ ກໍ່ຈະພົບຈຸດທີ່ຕ້ອງປັບປຸງ harness ເພີ່ມຕື່ມ. ໃນທີ່ສຸດ agent ເອງຈະເລີ່ມສະເໜີການປັບປຸງ harness ແລະ ລະບົບທີ່ເສີມສ້າງຕົນເອງກໍ່ຈະເລີ່ມໝູນວຽນ.
ຄວາມຍາກໃນການຮັກສາ On the Loop
ແນວຄິດນັ້ນງ່າຍ ແຕ່ການປະຕິບັດຕ້ອງການວິໄນ. ໃນສະຖານະການທີ່ການແກ້ໄຂ bug ທີ່ຢູ່ຕໍ່ໜ້າຈະໄວກວ່າຢ່າງຊັດເຈນ, ການຕັດສິນໃຈແກ້ໄຂ harness ແທນນັ້ນ ມີອຸປະສັກທາງດ້ານຈິດໃຈສູງ. ການທີ່ທີມງານທັງໝົດຈະສາມາດແບ່ງປັນຄວາມເຂົ້າໃຈກ່ຽວກັບ tradeoff ລະຫວ່າງປະສິດທິພາບໄລຍະສັ້ນ ແລະ ຄຸນນະພາບໄລຍະຍາວໄດ້ຫຼືບໍ່ ຈະເປັນຕົວກຳນົດວ່າ On the Loop ຈະຕິດຕັ້ງໄດ້ສຳເລັດຫຼືບໍ່.
ບົດຄວາມທີ່ກ່າວເຖິງຄຳສັບນີ້
- ການວິສະວະກຳ Harness ແມ່ນຫຍັງ? ວິທີການອອກແບບເພື່ອປ້ອງກັນຄວາມຜິດພາດຂອງ AI Agent ດ້ວຍໂຄງສ້າງວິທີ Harness Engineering ແມ່ນການສ້າງໂຄງສ້າງປ້ອງກັນຄວາມຜິດພາດຂອງ AI Agent ດ້ວຍເອກະສານ, ເຄື່ອງມື ແລະ ຂໍ້ຈຳກັດ. ອະທິບາຍແນວຄິດ, ອົງປະກອບ ແລະ ຂັ້ນຕອນປະຕິບັດ.
- ຄູ່ມືການສ້າງກອບການຄຸ້ມຄອງ AI Agent — ການອອກແບບການກວດສອບເພື່ອປ້ອງກັນ Agent Driftແກ້ໄຂບັນຫາການຂາດທຳມະພິບານ ເຊິ່ງເປັນອຸປະສັກໃຫຍ່ໃນການນຳໃຊ້ Autonomous Agents. ຮຽນຮູ້ຂັ້ນຕອນການປ້ອງກັນ Agent Drift ແລະ ການອອກແບບຄວາມຮັບຜິດຊອບຢ່າງລະອຽດ.
- ຄູ່ມືການອອກແບບການປະເມີນຜົນ AI Agent — ການຮຽກໃຊ້ເຄື່ອງມື, ເສັ້ນທາງການປະຕິບັດງານ ແລະ ການກວດຫາການຖົດຖອຍ
- ວິທີການນຳ AI Agent ໄປໃຊ້ງານຈິງ: ຂັ້ນຕອນພາກປະຕິບັດຈາກການທົດລອງສູ່ການຂະຫຍາຍຂະບວນການ ຫຼື Pipeline ໃຫ້ເປັນມາດຕະຖານອະທິບາຍ 5 ອຸປະສັກ ແລະ ວິທີຜ່ານຜ່າໃນການນຳ AI Agent ຈາກຂະບວນການ ຫຼື Pipeline ທົດລອງສູ່ການໃຊ້ງານຈິງ ພ້ອມແນະນຳຂັ້ນຕອນການຈັດການລະບົບ ແລະ ອົງກອນ.
ຄຳສັບທີ່ກ່ຽວຂ້ອງ

AI ອ້ອມຂ້າງ
ອຳບຽງ AI (Ambient AI) ໝາຍເຖິງລະບົບ AI ທີ່ຝັງຕົວຢູ່ໃນສະພາບແວດລ້ອມຂອງຜູ້ໃຊ້ງານ, ຄອຍຕິດຕາມຂໍ້ມູນຈາກເຊັນ

Claude Code
Claude Code ແມ່ນ AI coding agent ປະເພດ terminal-resident ທີ່ພັດທະນາໂດຍ Anthropic ເຊິ່ງເປັນເຄື່ອງມື C

OpenClaw
OpenClaw ແມ່ນ framework ຂອງ AI agent ສ່ວນຕົວແບບ open-source ທີ່ເຮັດວຽກໃນສະພາບແວດລ້ອມ local ມີຄວາມສາມ

ນອກລູບ
Outside the Loop ແມ່ນຮູບແບບການຮ່ວມມືທີ່ມະນຸດກຳນົດສະເພາະຜົນລັບທີ່ຕ້ອງການ ແລະ ມອບລາຍລະອຽດການຈັດຕັ້ງປະຕ



