这周的两件大事包括K3模型发布以及pi-agent逐渐走入视野。这无疑又给Agent应用的热度推上新的高峰

Agent发展

过去两年，AI 开发的重点正在不断变化：从研究如何写好提示词（Prompt），逐步发展到组织上下文（Context）、编排工具与流程（Harness），再到构建能够自主运行、持续交付结果的循环系统（Loop）

人不再逐轮手敲 Prompt，而是写一个外循环系统，由系统定时/事件触发 → 派发 Agent → 验证产出 → 记状态 → 决定继续或停止。

Prompt：怎么问 AI
↓
Context：给 AI 什么信息
↓
Harness：如何组织 AI 的能力
↓
Loop：如何让 AI 持续创造结果

Loop Engineering 并非凭空而来，它是 AI 编程工具能力演进的自然结果。

阶段	代表工具	工作方式	瓶颈
第一代：自动补全	GitHub Copilot 早期版本	补全当前行或函数，人类主导所有决策	只能辅助，不能自主
第二代：对话式	ChatGPT、Claude.ai	问一句，答一句，人类手动推进每一步	人类成为瓶颈，速度受限于打字速度
第三代：Agent 自主循环	Claude Code、OpenAI Codex Agent	Agent 自主规划、执行、验证，循环迭代直到完成	如何设计让 Loop 可靠运行的系统

第三代工具的出现意味着，工程师的核心竞争力从会写提示词变成了会设计 Loop。

Loop Engineering 是设计、运营和持续改进反馈循环的工程实践，这些循环使 AI 编程 Agent 能够自主完成规划、执行代码修改、观察结果并在多轮迭代中完成任务。

内循环 vs 外循环

完整 Loop 的六大组件

五阶段闭环：Discover → Plan → Act → Observe → Iterate；验证器（Verifier）最关键——不能让干活 Agent 自己宣布”完成”。

与 Prompt Engineering 的关系：不是替代，是上一层。Loop 由多条 Prompt 组成，Prompt 烂 → Loop 加速产垃圾。

成本与风险提醒：定时 Loop 每次触发烧 Token；并行瓶颈在人审 PR 的速度，不在能开几个 Worktree；自主程度分四级（只读→草稿→半自动→全自动）。

模型评比

代码编写模型排名

🥇DeepSeek V4 / V4 Pro：在 Agent 模式下解决真实 GitHub Bug 的通过率在开源界处于领跑地位，结合工具链调用能力强。

🥈 Kimi K3 / K2 系列：依靠百万级超长上下文（1M Context Window），在多文件重构、代码库项目级解析上表现优异。

🥉 Qwen3-Coder / MiniMax-M3：Qwen 依然是开源界使用最广泛、协议最友好的代码基座，单次 Patch 质量与通用语法生成非常稳健。

梯队与模型	代表型号	协议许可	最佳应用场景
第一梯队（顶级 Agent & 复杂工程）	`DeepSeek-V4 Pro / R1` `Kimi K3 / K2.6`	MIT / 开放许可	复杂 Bug 修复、跨文件系统重构、算法难题推导。几乎可以替代大部分常规开发中的 API 编码工作。
第二梯队（全能代码基座 & 商业友好）	`Qwen3-Coder-480B` `GLM 5.2 / 4.6` `MiniMax-M3`	Apache-2.0 / MIT	企业私有化部署、API 自动化调用、Web 开发全栈。其中 Qwen 对商业化最为宽松友好。
本地单机/边缘端推荐（显卡可跑）	`DeepSeek-R1-Distill-Qwen` `Qwen2.5-Coder-7B/14B/32B` `Gemma 3 27B`	各种开源许可	本地 IDE 插件（如 Continue/Roo Code）实时补全与私有代码提示。单张消费级显卡（如 RTX 4090）即可流畅运行。

简单来说Kimi,DeepSeek,GLM,Qwen都是国产大模型的佼佼者也都有开源模型供搭建使用

最具代表性的三种：