Agent 时代的两个关键词 Context 与 Loop，本质就是微积分算面积

测试驱动开发，TDD，并不陌生
评估驱动开发，EDD，eval driven development还没有被广泛提起

AI不是老师，不要让AI告诉你怎么做，不要AI的解决方案，要AI的结果，AI是最优秀的员工。

AI是导师，与它一起探讨，做什么。你只是一个输入引导程序bootloader，之后让AI自运行。

这个ai视频的质量，在web互联网的时候完全可以叫垃圾站。但排球，篮球，乒乓球全面溃败的热点，是全民的

以前web互联网，是靠热点Seo赚广告。后来微博还可以热点立人设，现在ai还是热点能力

平台，媒介，技术一直在换。“热点能力”的本质一直没变

逻辑其实没变，月光博客和卡兹克，没区别，都是媒体。一个是web，一个是公众号。一个内容是it，一个内容是ai。it在07年也是先锋科技内容

weixin.qq.com

你说为啥这一波ai C端不容易赚到钱？pc互联网，移动互联网，游戏，这些早期C端非常容易赚到钱。随便做个媒体站点，app，游戏，就有自然流量的钱。但目前除了出海擦边陪伴，还没有被知道的ai在c端容易赚钱的一批人

以前互联网产品是人的外在，消费，看，听，买，用，玩。之后ai可能是内在，行为共生

结构能，贝叶斯，做功，与结构推进

• 人在回路之中（in the loop）：agent 暂停，等待人类决定后才能继续。比如审批闸门、规定的复核，或对拟议行为的签字放行。

• 人在回路之上（on the loop）：agent 持续运转，人类在旁边监视它在做什么，并在需要时介入。

• 人在回路边缘（at the edge）：agent 自主处理常规情形，异常、离群情况或敏感事件则升级给人类。

• 人在回路之前（before the loop）：人类设立目标、政策、示例、护栏与升级标准，塑造 agent 的行为方式。

• 人在回路之后（after the loop）：人们审计 agent 的成果，寻找失败或机会的模式，并随时间改进 agent 的运作。

一个上市公司财报也就100万token，那还用mineru转markdown，然后在用模型loop markdown做成倒排索引，然后在rag干啥？ 直接财报丢astra里拿结果

做了一晚上，13个小时的需求澄清验收，然后用worktree一把出

以前的数据结构：
数组，二叉树，MySQL table；

现在的数据结构：
系统提示词，工具集，任务划分记忆依赖。