Addy Osmani
PulseAugur coverage of Addy Osmani — every cluster mentioning Addy Osmani across labs, papers, and developer communities, ranked by signal.
- authored Loop engineering of amadoriase II and mutational cooperativity 90%
- authored by Loop engineering of amadoriase II and mutational cooperativity 70%
- used by Loop engineering of amadoriase II and mutational cooperativity 70%
- affiliated with Loop engineering of amadoriase II and mutational cooperativity 50%
3 天有情绪数据
-
提示指南质疑AI模型的‘一步一步思考’建议
对Addy Osmani的提示指南的最新分析表明，‘一步一步思考’这一常见指令可能已经过时，或者不如之前认为的有效。该指南似乎与Opus 5.5相关，表明更细致或具体的指令可能会从AI模型中获得更好的结果。这挑战了AI社区中一种被广泛采用的提示技术。
-
Anthropic 的 Claude 代码修改授予广泛的系统访问权限，而非传统的沙盒。
Anthropic 于 2026 年 10 月 1 日发布的新 Claude 代码修改功能，作为中间件，可以通过中央 '$' API 访问用户文件、环境变量和网络请求。虽然 JavaScript/TypeScript 模块本身不能直接访问文档对象模型或 Node.js 全局变量，但它们可以通过此 API 与系统进行交互，Anthropic 表示这并非传统意义上的沙盒。这些修改可以重写提示、批准或拒绝工具调用，并修改用户界面，据报道，A…
-
AI 生成内容面临质量危机，返工率飙升，需要管道审查
AI 生成内容（尤其是代码）的日益增多导致了大量的返工和缺陷率，因为生成成本在下降，而人类判断成为稀缺资源。这一趋势首先在软件开发中显现，GitClear 和 Faros 等工具测量到代码周转率和缺陷率大幅增加，这凸显了内容管道中审查流程的迫切需求。在编码中采用的解决方案，即将自动化检查集成到合并门槛中，现在正被应用于内容生产，以确保在发布前的内容质量。
-
循环工程成为关键的AI软件开发技能
“循环工程”的概念正成为软件开发中一项关键的新兴技能，将重点从提示词的构建转移到设计系统，引导AI代理通过行动、验证和改进的迭代循环。这种方法允许开发人员定义期望的结果，并让AI代理自主编写、测试和修复代码，核心挑战在于创建强大的验证机制。这些验证器必须准确评估代理在真实场景中的行为，防止生成有缺陷的软件，并可能使成本较低的AI模型也能取得高质量的成果。
-
Addy Osmani 的 AI 编码代理技能库超过 90,000 GitHub star
Addy Osmani 专注于 AI 编码代理技能的 GitHub 存储库已获得超过 90,000 个 star。该存储库包含 25 个斜杠命令，旨在通过支持 70 多种不同的代理来简化高级工程师的工作流程。这一里程碑标志着社区对软件开发高级 AI 工具的浓厚兴趣。
-
工程师面临 AI 生成代码带来的“认知投降”风险
一种被称为“我不知道，是 Claude 写的”现象的趋势日益增长，凸显了工程师在不完全理解的情况下盲目接受 AI 生成代码的风险。这种现象也被称为“认知投降”，指的是开发人员将关键决策委托给 Claude 等 AI 工具，导致对最终代码缺乏理解和责任感。CodeRabbit CLI 等工具正在涌现，充当独立的审查者，确保人类工程师在代码集成前对其进行彻底理解和验证。
-
AI代理循环需要强大的“外壳”来进行现实世界交互和验证
AI代理循环的开发需要超越简单提示工程或基本框架的强大基础设施。这些代理能够通过发送电子邮件或修改数据库等操作与现实世界进行交互，需要一个“膜”或“外壳”来管理代理思考过程与其执行之间的边界。这个边界对于确保问责制、跟踪操作和防止意外后果至关重要。AURA Harness等框架正在开发中，以提供这一基本层，专注于因果接收、独立验证和在代理操作的出口点执行策略，而不是控制代理的内部逻辑。
-
Addy Osmani警告：AI生成的代码会产生“理解债务”
Addy Osmani讨论了“理解债务”的概念，即AI生成的代码产生速度快于人类理解速度时所产生的债务。这种债务代表了依赖AI进行编码任务的隐藏成本，因为它可能导致开发周期变慢，并增加长期的维护挑战。Osmani建议，虽然AI可以加速初始代码生成，但需要一种平衡的方法来确保代码质量和可维护性。
-
人工智能放大工程能力，而非修复：DORA 2025报告
人工智能工具会放大现有的工程实践，而不是修复根本性问题。团队从人工智能中提取价值的准备程度取决于基本工程原则，而非仅仅是采用率。虽然人工智能可以提高代码产出和感知质量，但它也可能加剧现有的脆弱性，导致稳定性下降，并扩大代码生产与实际价值交付之间的差距，正如DORA 2025报告数据所强调的那样。
-
Claude Code 的可扩展性通过 Skills、Plugins 和 MCP Servers 详细介绍
文章主要讨论了 Claude Code 的可扩展性，重点介绍了“Skills”。Skills 被描述为可重用的指令包，通常采用 Markdown 格式（SKILL.md），通过提供专业知识或推理框架来扩展 Claude Code 的能力。它们可以组织成更大的结构，例如 addyosmani/agent-skills 存储库，该存储库展示了一种围绕软件开发生命周期打包 24 个不同 Skills 的规范方法。其他扩展方法包括用于添加系统…
-
循环工程（Loop engineering）成为 AI 代理交互新范式
“循环工程”的概念已成为一种与 AI 代理交互的新范式，将焦点从直接提示转移到设计管理代理操作和反馈的系统。这种方法包括代理执行任务、观察结果，然后根据反馈自动调整后续操作。这种迭代过程，代理本质上是在自我提示，已被应用于代码重写和自动化拉取请求管理等任务，旨在提高效率和开发工作流程。
-
使用 Ollama 在本地运行 Claude Code 以节省 API 成本
本文介绍了如何使用 Ollama 在本地运行 Claude Code。Ollama 是一个允许用户在自己的硬件上运行大型语言模型的工具。这种方法使开发人员无需支付 API 费用即可使用编码代理，为本地开发和实验提供了一种经济高效的解决方案。该指南侧重于设置和使用 Claude Code 作为本地 AI 编码助手。
-
AI开发转向“循环工程”，而非直接提示
循环工程是一种新兴趋势，开发者设计自动化系统来提示AI代理，而不是直接与它们交互。这种方法由Anthropic和OpenAI的专家提出，涉及创建管理AI任务和提示的“循环”。该概念因“Ralph Wiggum”循环而获得关注，这是一种使用连续bash循环来引导AI代理的技术，并在AI编码工具中通过“/goal”命令得到了支持。虽然一些开发者认为循环对于响应事件或计划任务等任务很有用，但另一些人则因潜在的代理漂移、高API成本以及认为直…
-
提示工程被 AI 代理的循环工程取代
提示工程正被一种名为循环工程的新范式取代，在这种范式中，工程师设计自主代理工作流来提示 AI 模型。Anthropic、OpenAI 和 Google 的知名人士强调了这一转变，他们指出自己的角色已从直接提示演变为创建管理和优化 AI 输出的系统。循环工程专注于构建能够自我生成、评估和改进以实现特定目标的 AI 系统。
-
循环工程成为下一个AI交互范式
循环工程正成为超越传统提示工程的下一个重要AI交互进展。这种方法侧重于设计迭代系统，让AI代理能够通过遵循感知、决策、行动和检查完成的循环来自主执行任务。用户不是为每个步骤直接提示AI，而是创建“循环”来指导AI的自主过程，旨在实现更高效、更健壮的任务执行，尤其是在编码代理方面。这种方法强调构建能够适应和纠正错误的系统，朝着能够自我驱动以实现既定目标的AI迈进。
-
AI编码代理从直接提示演变为“循环工程”
与AI编码代理交互的方法正从直接提示转向更自动化的“循环工程”方法。这种新范式涉及构建能够自主发现任务、提示AI代理、验证结果并确定何时停止或升级给人类的系统。这种由Anthropic和OpenAI等顶尖AI实验室的工程师在2026年中期观察到的演变，代表着从提示工程转向设计指导AI代理的自动化流程。
-
循环工程：随着模型改进，AI代理获得自主性
循环工程是由Addy Osmani推广的一个概念，它涉及设计控制系统，通过提示、检查和路由AI代理来自主完成任务，超越单轮交互。这种方法在早期模型上技术上是可行的，但受到其不一致性、有限的上下文窗口和糟糕的工具使用的阻碍，这阻碍了有意义的进展。现代大型语言模型通过更大的上下文窗口、更高的稳定性和更好的工具集成克服了这些限制，使得迭代式问题解决变得高效且经济高效。
-
中国初创公司 LoopWM 提升 AI 世界理解能力，提高效率
中国初创公司 FaceMind Research Asia 开发了一种新颖的“循环世界模型”（Looped World Models, LoopWM）方法，使 AI 能够持续理解、纠正和推断其环境。该方法在 Hugging Face 上获得了广泛关注，它使用共享的 Transformer 模块迭代地优化潜在状态，在参数效率方面提高了 100 倍，并节省了大量计算资源。与依赖手动提示或简单执行循环的传统方法不同，LoopWM 旨在为 A…
-
Addy Osmani 详解 Loop Engineering 在 AI 代理中的应用
Addy Osmani 发布了一篇博客文章，详细介绍了 Loop Engineering，这是一种新颖的 AI 代理开发方法。该方法通过强调模块化和清晰的流程定义，专注于创建更健壮、更具适应性的 AI 系统。目标是提高各种应用中 AI 代理的可靠性和可扩展性。
-
开发者从提示AI转向设计自动化“循环”
开发者正从直接提示AI代理转向设计自动化代理交互的“循环”。这种由Addy Osmani等人物推广的“循环工程”方法，涉及创建能够发现工作、将任务分配给代理、验证输出和管理持久内存的系统。虽然Claude Code和OpenAI Codex等主要AI平台提供了此工作流的基础，但人类的角色从发出逐轮提示演变为设计和完善这些自动化系统。