论研发 Agent 的持续交付：iLoop 的设计思路
iLoop 不做包办一切的超级 Agent，而是补上研发链路里常被忽略的反馈层：在真实工程和设备里，结果到底对不对，证据在哪里。
Writing Index
记录思考，对抗时间的熵增。
关于 AI Agent、软件工程与技术变化的长期思考。
Curated Writing
为了根除“AI 味”，我翻回了一百年前的语言学
AI 味不是 AI 生的病，而是中文一百年前就诊断过的老病。沿着王力、思果、余光中和鲁迅留下的线索，重新找回中文的动词、节奏、具体与留白。
让 AI 说“完成”前，先自证一遍：面向验证的开发（VDD）
AI 写代码已经很快，真正的瓶颈挪到了验证。VDD 让 Agent 在说完成之前，先用真实结果和可复核证据回答：我凭什么这么说。
一个真正能查问题的 Oncall 助手应该怎么设计？
从一次真实异常排查出发，拆解一个 Oncall 助手如何接住上下文、源码和平台证据，持续排除假设并给出根因。
写给客户端工程师的 AI 底层原理
从一次 API 调用到训练、Attention、多模态、推理和端侧部署，为客户端工程师建立一张完整的 AI 技术地图。
Agent Hook 机制调研
Hook 把安全门禁、自动校验和上下文注入固定到 Agent 生命周期节点，让确定性规则不再依赖模型自觉。
iLoop 性能优化：任务分析与验证提速
用合成示例解释 iLoop 如何减少重复验证、并行独立任务，并守住编译与 UI 验证的证据边界。
好好说话：自定义风格设计方案
为“好好说话”定义力度、场合和个人风格三类设置，并设计跨平台持久化的本地存储方案。
算笔经济账，就知道 AI 会先动哪些行业
判断 AI 会先改变哪个行业，不只看技术成熟度，更要看成本、责任和信任这三笔账。
iLoop Resolve：统一问题诊断与处置引擎技术设计
把 Oncall 中跑通的诊断链拆成原子能力，再组合出 Bug 修复、稳定性和配置治理等不同助手。
都 2026 年了，我们也该拥抱 Voice Coding 了
当编程越来越像向 Agent 讲清意图，语音输入开始从小功能变成提升沟通带宽的基础设施。
pi 与 DeepSeek Harness：iLoop 能借鉴什么
对比瘦核心、全插件架构、可逆副作用与事件流，判断哪些机制适合 iLoop，哪些不该照搬。
自主 Agent 与自进化系统：相关研究与启示
从反思、记忆、自改、长期评测到主动触发，梳理 Agent 自进化系统真正需要的机制与边界。
PocketLens：客户端工程师从零到一把多模态 AI 装进 iPhone
以 iPhone 12 Pro Max 为设备基线，从本地图片问答走到相机、语音、流式输出和端云路由，完整跑通一个多模态 AI 客户端。
深扒 Claude Code 的系统提示词：原来它的倔强，是一条条写死的
先看一个具体画面。
Claude Opus 5 技术调研：系统提示词 × 跑分对照
上一轮我们已经知道 Opus 5 跑分涨得很凶——SWE-bench Pro 从 69.2% 到 79.2%、Frontier-Bench 翻倍、OSWorld 用三分之一成本超过更贵的 Fable
验收一旦做强，代码就不再给人看
"AI 写、人来验"现在被当成终态，其实它是个半成品。真正的终态是 AI 写的东西 AI 自己验，人退到最末端只做收口。走到那一步，会顺带交出一样我们以前没敢想过要交的东西：读懂自己造物的能力。
XcodeBuildMCP UI 自动化起底
iOS 做 UI 自动化，能用的手段本来就只有两个：靠无障碍标签选控件，或者靠坐标点屏幕。它不像安卓每个控件都有个全局唯一 ID 兜底。XcodeBuildMCP 2.6 也没跳出这个圈，用的还是这两
联名信，是这个行业最廉价的道德
本文编译、梳理自 Alex Turner(TurnTrout)的长文 Why I Left Google DeepMind，发布于 2026 年 7 月 15 日。
技术调研：xAI grok-build 的 Agent Harness 设计思想
调研对象：xAI 官方开源的终端编码 Agent grok-build(命令行工具 grok),Apache-2.0 许可，Rust 实现，代码从 xAI 内部 monorepo 定期同步。截至调研时
开源第一，全球第三：拆开 Kimi K3 的 2.8 万亿参数，看它到底做对了什么
月之暗面刚开源了 Kimi K3——2.8 万亿参数，综合能力全球第三、开源模型里第一。数字很唬人，demo 也很炸：连续自主跑 48 小时用开源 EDA 工具设计出一块 4 平方毫米的芯片，还渲染出
Ambiance 调研笔记
如何让一个大模型摆脱聊天框，变成一个能持续干活、还能自己维护自己的 agent？这背后有一个容易被忽略、但一旦想通就能串起所有设计的核心判断。下面从这个判断出发，一步步把它推到具体的架构。
为什么 AI 写 iOS，质量还是不太行
iOS 把 AI 编程的通病放大了：公开语料少、工具链封闭、运行时动态、反馈循环昂贵。问题不只在模型，更在闭环没有接上。
Token战争
2026 年的大厂正在做一件反常的事：抢着把 Token 塞进员工手里。
大模型为什么天生分不清命令和资料：提示注入的根因
系统提示、用户输入、网页内容和工具结果进入同一条 token 流，模型只能衡量相关度，无法建立真正的权限边界。这是提示注入至今无法根治的根因。
大模型为什么会把指令和资料混在一起
系统提示、用户输入、网页和工具结果进入同一条文本流。提示注入难以根治，根源就在这层结构。
大模型有智能，只是缺了一整个维度
先把结论摆出来：大模型有智能，是真的有，不是"看起来像"。但它的智能只有半个，精于总结，疏于体验，读懂了一切能被说出来的东西，碰不到那些只能被活出来的东西。
iLoop 与 Ralph Loop：反馈闭环和重启纪律的两条轴
Ralph 把重启纪律拉满，iLoop 把反馈厚度拉满。两套系统不是对立路线，而是同一种 Agent 循环在不同风险条件下的两种取舍。
LingBot World 2 API 技术调研与思考
最近我盯上了一个叫 LingBot World 2 的东西。它是蚂蚁 LingBot 团队做的世界模型，由 Reactor 托管成了一个实时可交互的在线版本。说人话：你给它一张参考图和一段文字描述，它
当 AI 开始造 AI：一篇被误读的文章，和一条叫「瓶颈搬家」的暗线
一个 Anthropic 工程师说，他已经差不多五个月没亲手写过一行代码了。另一个说得更直接：顺的时候，我觉得自己做的一切都无所谓，反正机器又快又好；可一旦哪天全崩了，我根本不知道哪里错了，才惊觉我早
九、答疑篇：那些一想就卡住的「为什么」
全系列被问最多的一条。你盯着那张流程图，八成觉得三个矩阵有点铺张：V 是真货，那我要货，给我 V 不就完了？
七、AI 圣经：Attention Is All You Need
老实说，大部分人（包括很多天天调 API 的人）对这篇论文的印象就是"哦，Attention 嘛"。但原文 15 页里，真正的主线其实是这三件事，而它们在前面几章里我们要么一笔带过、要么压根没提：
六、Mamba 与线性注意力
传统的 Transformer 读小说，每读一个新字，都要把前面所有的字重新看一遍（越长越卡，O(N²)）。
五、端侧部署（终端工程师最该看）
把一个 14GB 的 7B 模型塞进 4GB RAM 的手机里，需要四件套配合：
四、深度思考模型 System 2
以前的模型（GPT-4、Claude 3.5）像在做"快问快答"，看一眼题目就靠直觉脱口而出。如果第一步说错了，后面只能硬着头皮错下去。
三、多模态 ViT
大模型怎么看懂一张猫的图片？对客户端开发来说，这就叫"统一数据模型 (Unified Model)"。
二、多头与位置编码
- Bug 1：单线程偏科。只有一组 QKV 可能只注意到了"语义关系"，忘了看"语法关系"。
一、自注意力机制
做 UI 时，一个列表里的 Item 状态往往受其他 Item 影响。自注意力机制解决的就是这个问题：在这个句子里，我这个字，应该吸收哪些字的信息？
一次 API 调用背后的 7 步
这是《写给客户端工程师的 AI 底层原理》系列的第一篇。
软件的成本大头，从来不在写代码
AI 把代码生产压到近乎免费，却把瓶颈推向理解、验证、信任和上下文。软件工程没有变便宜，只是成本搬家了。
大模型 Agent 记忆系统深度调研：从范式之争到「Agent 原生记忆」
从存储、抽取、检索和维护四个模块出发，对比主流 Agent 记忆方案，并讨论冲突处理与文件系统记忆。
从 Claude Code 源码，我们能推出哪些收获
① 按安全性保序分批：只读工具(Read/Grep)合并并行，写工具(Edit)单独串行独占；
AGI 之后：无辜的牢笼——一场关于 10% 与 90% 的推演
上周，我让 AI 重构一个模块。几秒钟，它吐完了，测试全绿。我本该高兴——那是我一下午的活。可我盯着屏幕，心里空了一块。那一刻脑子里冒出一个问题：如果有一天，它接管的不是我一下午，而是我这一辈子的活，
Harness Engineering 的一点新输入：再读几篇资料后的笔记
这篇是学习笔记，不是综述。起因、几个让我重新想问题的点、它们彼此矛盾的地方，以及一点感想。
Harness Engineering：模型之外的 98%
本文回答两个问题：Harness Engineering 到底是什么，以及为什么它正在成为 AI 编码的胜负手。材料来自 Martin Fowler 团队、Addy Osmani、Anthropic
Loop Engineering 调研：从「写 Prompt」到「设计循环」的范式跃迁
仓库地址：cobusgreyling/loop-engineering。作者是写 AI 文章的 Cobus Greyling，本质是一篇「可执行的博客」——23 个 star，但思路成体系，值得当作思
Agent / Skill / MCP：区别、选型与实战
最关键的认知：它们不在同一层。Agent 在最外层，Skill / MCP 是喂给它的"料"。
没做过游戏，我用 AI 把一个页面改成了 3D
从二维概念图、图生 3D、Three.js 展示到 GLB 压缩，一次没有游戏开发经验的快速实验。
从想法到上线 · 一次 2 小时的 AI 协作实录
那天和 AI 在拉一份「防御科技树」的清单，写到一半我顺手多打了一句：「能不能搞个能点的 NPC？」没需求文档、没原型图，就这一句。把它留下来之后，花了两小时做出来挂上线了，记录一下。
Multi-Agent Wiki 调研报告：一份\"反框架崇拜\"的多智能体工程手册
这是一个由社区维护、聚焦"多智能体（Multi-Agent System，MAS）"的工程化参考站。作者的立场非常鲜明：
obra/superpowers 调研：AI 编码 Agent 的全流程自治框架
Skill 无需手动调用，Agent 根据上下文自动激活对应 skill：
CodeGraph 调研报告：AI 编码 Agent 的代码知识图谱
CodeGraph 由 colbymchenry 开源，GitHub 地址为 github.com/colbymchenry/codegraph。项目核心理念：让 AI Agent 在编码前先"理解"
GitHub Spec Kit 技术调研报告
调研对象：GitHub Spec Kit 官方文档
XcodeBuildMCP 还能这么玩？
整体分四层，从下往上各管一段：
Early Archive · 2015–2016
早期 iOS 学习与开发记录。保留原貌和旧链接，不与当前文章混排。