# 策展 · X (Twitter) 🔥🔥🔥🔥
> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)
> 作者：Addy Osmani (@addyosmani) · 平台：X (Twitter) · 日期：2026-07-09
> 原始來源：https://x.com/addyosmani/status/2074927530482835916
## 中文摘要
# 掌握外迴圈 (Outer Loop)
在過去的一年裡，關於 Agentic 程式開發的討論已經轉向了 harness 與迴圈、機隊 (fleets) 以及軟體工廠。我個人的淺見是，工程師必須掌握「外迴圈」——即對這些系統負起當責。隨著 Fable 和 GPT-5.6 等強大模型問世，這一點只會變得更加重要。
展開畫面重點
圖片為黑底白字（部分文字為黃色與紫色）的文字簡報，內容如下：
- 左上角標題：THE FUTURE OF ENGINEERING
- 主文內容：The engineer of the future will choose what is worth doing, then own the evidence, understanding and verdict for work increasingly automated by agents.
- 左下角署名：@addyosmani
展開畫面重點
圖表標題：THE AGENT IS THE SYSTEM AROUND THE MODEL
主標題：HARNESS ENGINEERING
副標題：The scaffolding that turns a model into an agent.
架構核心公式：agent = model + harness
架構組成（harness）：prompts, tools, state, constraints, feedback loops
圖表組件說明：
- 中央區塊：MODEL（標示為 one chip on the board），功能為 reasons / decides。
- 左側輸入/控制區塊：
- CONTEXT (rules, memory)
- CONTROL (plans, routing)
- FAILURE (agent slipped)
- 右側輸出/執行區塊：
- ACTION (tools, MCPs)
- PERSIST (files, git)
- 外部反饋與規則區塊：
- OBSERVE (tests, logs)
- HOOKS (block, retry)
- RATCHET (new rule)
箭頭流向：
- FAILURE 指向 CONTEXT。
- CONTEXT、CONTROL 指向 MODEL。
- MODEL 指向 ACTION、PERSIST、HOOKS。
- HOOKS 指向 RATCHET。
- RATCHET 指向 MODEL。
- OBSERVE 指向 MODEL。
- FAILURE 與 OBSERVE 之間有循環箭頭。
來源標註：Source: addyosmani.com/blog/agent-harness-engineering
展開畫面重點
圖片標題為「LOOP ENGINEERING」，副標題為「Design the loop, not the prompt.」。
圖表定義循環公式為：loop = goal + cadence + isolated work + verification + state。
核心區塊為「RECURSIVE GOAL」（iterate until done）。
圍繞核心的流程區塊包含：
1. VERDICT (owns outer loop)
2. AUTOMATE (cadence finds work)
3. STATE (memory lives outside)
4. ACT (agents in worktrees)
5. LEARNING (tomorrow reads today)
6. VERIFY (maker != checker)
7. ISOLATION (parallel, no chaos)
8. DECIDE (ship, block, queue)
底部文字為「Loops change the work. They do not delete the engineer.」。
來源標註為：addyosmani.com/blog/loop-engineering。
展開畫面重點
該圖表描述了軟體開發的自動化流程，包含以下區塊與文字：
- 標題：THE SOFTWARE FACTORY, WITH THE LIGHTS ON / AGENTIC SOFTWARE FACTORY
- 輸入源：product intent、incidents、user feedback（下方註記：stuff worth doing）
- 核心處理單元：agent inner loop，包含 guide / context、generate、verify / solve（下方註記：sandbox, traces, tests）
- 產出與驗證：evidence（包含 tests、diff summary、risk notes）
- 決策點：human verdict（包含 ship / block / redirect），此處為人類判斷的關鍵點。
- 系統回饋：monitor 與 users 互動，並回饋至 agent inner loop。
- 警示區塊：lights off fails here（指向 human verdict）。
- 核心理念：
- The win is not removing people from the loop.
- The win is moving human judgment to the highest leverage checkpoint.
展開畫面重點
圖表標題：WHAT "HIGH AGENCY" MEANS NOW
主標題：THE LOOP BOUNDARY IS EVIDENCE
副標題：Agents run capability loops. Engineers own agency loops.
左側區塊：01 AGENT INNER LOOP (capability: do work, return evidence)
- INVESTIGATE: inspect, search, plan
- IMPLEMENT: change, refactor, generate
- TEST: run checks, compare results
- REPORT: summarize what changed
中間區塊：BOUNDARY EVIDENCE (diff, tests, logs, why)
- 箭頭從 REPORT 指向 EVIDENCE，再指向右側的 VERIFY。
右側區塊：02 ENGINEER OUTER LOOP (agency: decide what earns production trust)
- DECIDE: is this worth doing?
- VERIFY: is the evidence enough?
- APPROVE: ship, block, or redirect
- OWN: carry the consequence
底部說明：
- 虛線箭頭從右側的 OWN 指回左側的 REPORT，標註文字：constraints and learning feed the next run
- 總結文字：The inner loop is capability. The outer loop is accountability.
- 流程總結：Investigate · implement · test · report crosses into decide · verify · approve · own.
展開畫面重點
畫面為一張深色背景的簡報投影片，上方標題為「WHAT "HIGH AGENCY" MEANS NOW」。中央文字內容如下：
「Agents run the inner loop.」
「Engineers own the outer loop.」
左下角標註署名為「@addyosmani」。
展開數據表
| 2023 | 2024 | now | 2026 est. | 2027 est. |
|---|
| AI code share | 6% | 19% | 42% | 55% | 65% |
展開數據表
| Always verify AI code before committing | Say reviewing AI code takes longer than human code |
|---|
| Do not fully trust AI-generated code = 96% | 48% | 38% |
展開數據表（1）主要統計
| Governance after creation is the challenge | AI code risks new technical debt | Adopted AI faster than policy | Cannot reliably distinguish AI vs human code |
|---|
| Review/validation is now the bottleneck = 85% | 84% | 82% | 80% | 43% |
展開數據表（2）總體挑戰
| 項目 | 數值 |
|---|
| Report some governance challenge with AI-generated code | 92% |
展開畫面重點
圖片為黑色背景，右側帶有模糊的數位字元與光暈效果。畫面中央顯示以下文字：
「The agent can ship more than you can review.」
「So what are you still for?」
左下角標註有「@addyosmani」。
展開數據表
| 項目 | 數值 |
|---|
| >30 min human-equivalent task | 80.6% |
| >1 hour human-equivalent task | 70.2% |
| >8 hours human-equivalent task | 25.6% |
| p99 internal daily active users agent turns per day by June 2026 | >60h |
展開畫面重點
畫面為黑底白字與黃色重點文字的簡報投影片，內容如下：
- 標題：Cognitive surrender.
- 副標題：When you blindly accept what AI gives you and stop critical thinking.
- 統計數據：73% accepted the wrong answer when the AI was wrong, and felt more sure. Wharton, 1,372 people.
- 左下角署名：@addyosmani
畫面重點在於警示使用者在使用 AI 時應保持批判性思考，避免產生「認知投降」，並引用了沃頓商學院（Wharton）針對 1,372 人的研究數據，強調使用者在 AI 給出錯誤答案時，反而會表現出更高的信心。
展開畫面重點
圖片內容如下：
- 標題：Cognitive debt.
- 定義：The erosion of your understanding and memory around how to solve problems.
- 數據重點：17% lower comprehension when you learn through AI-generated code, 50% vs 67%. Anthropic, 52 engineers.
- 底部署名：@addyosmani
展開畫面重點
圖片為一張深色背景的簡報投影片，文字內容如下：
「Orchestration tax.」
「The diminishing returns and cognitive drain experienced when managing parallel AI agents at once.」
左下角標註有署名：@addyosmani
展開畫面重點
圖片為黑色背景，以黃色、白色與紫色文字呈現關於 AI 模型競爭的定義：
- Alpha is the gap.
- Alpha: what makes you meaningfully better than what current models can do.
- Decay: how fast the models catch up.
左下角標註有署名：@addyosmani
展開畫面重點
圖片背景為黑色，文字內容如下：
「Taste is the judgment before the metric exists.
Hard to create. Easy to copy.
Valuable because it decides what everyone copies next.」
左下角標註有帳號名稱：@addyosmani
展開畫面重點
圖片內容為一段關於技術能力演進的文字敘述，標題為「THE TEST: IS IT A CAPABILITY? THEN IT DECAYS」。內容分為兩部分：
第一部分（已衰退的能力）：
- Speed: gone. 600 lines while you find coffee
- Recall: gone. it's a context window now
- Verification: automating. and we were the weak link
第二部分（未來可能的能力）：
- Eventually? Maybe?
- Taste: alpha. resets every release. Will take longer to decay.
- Judgment: a slope rather than a wall
左下角署名為 @addyosmani。
展開畫面重點
畫面頂部文字為「ONE QUESTION: WHAT CAN THE AGENT DO?」。
畫面中央主要文字為：
「Stop asking what AI can't do.」
「Ask what only a human can be answerable for.」
背景底部呈現由 ASCII 字元（如 X、8、S、#、@、+ 等）組成的抽象紋理，帶有從底部向上延伸的紅色光暈效果。
展開畫面重點
圖片內容為黑色背景上的白色文字，左下角有署名「@addyosmani」。完整文字轉錄如下：
「Everyone is a developer now.
That doesn't make them an engineer.
What should engineers avoid to stay effective and accountable?」
畫面重點在於區分「開發者（developer）」與「工程師（engineer）」的概念，並提出一個反思性問題，目的是探討工程師為了維持工作效能與責任感，應當避免哪些行為或習慣。
展開畫面重點
圖中文字內容如下：
- 頂部標題：THE FUTURE OF CAREERS
- 第一段核心觀點：Roles are unbundling from craft and rebundling around ownership.（職位正從工藝中解構，並圍繞著「所有權」重新整合。）
- 流程關鍵詞：Prototype. Build. Sweep. Grow. Maintain.
- 第二段核心觀點：The title matters less than the part of the system you can own.（職稱的重要性不如你所能掌控的系統部分。）
- 左下角署名：@addyosmani
展開畫面重點
畫面頂部標題為「ACCOUNTABILITY SCALES THE FACTORY」。
中央文字內容如下：
「Accountability is not what remains after agents get good.」
「It is what lets the rest scale.」
畫面底部背景為深紫色，帶有類似程式碼或數據雜訊的字元紋理（如 X、S、8、0、#、@ 等符號）。
展開數據表
| 指標 | 起始相對高度 | 下降速度 | 最終相對高度 |
|---|
| accountability | 最高 | 無下降（水平） | 最高 |
| speed | 高 | 極快 | 最低 |
| verification | 中高 | 中速 | 最低 |
| taste | 中 | 慢速 | 最低 |
展開畫面重點
畫面為黑色背景，中央以白色與黃色文字呈現以下內容：
「The agent can choose.
Only people inherit consequences.」
（其中「consequences」一詞以黃色標示）
頁面底部以較小的字體呈現一行註解：
「Automation executes inside policy. Accountability owns the blast radius.」
這段文字強調了在自動化系統中，雖然 AI 代理人（agent）具備選擇能力，但最終的責任與後果仍由人類承擔，並指出自動化運作需遵循政策規範，而當發生影響範圍（blast radius）時，責任歸屬在於人類。
展開畫面重點
圖表標題：The Agency Ladder - How much of the problem do you own?（代理階梯 - 你對問題的掌控程度有多少？）
階梯層級與對應描述：
7. DISCERN（洞察）："Found it - not worth fixing. Moving on."（發現問題，但判斷不值得修復，繼續前進。）—— 這是稀有的頂峰，知道什麼「不該做」。
6. RESOLVE（解決）："Found it. Fixed it. Looping you in."（發現問題、修復問題，並告知相關人員。）—— 這是值得努力達到的層級。
5. RECOMMEND（建議）："...and here's the one I'd pick."（提出多個方案，並說明我會選擇哪一個。）—— 這是從第一天起就該達到的水準。
4. PROPOSE（提議）："...and a few ways to fix it."（提出問題，並提供幾種修復方法。）
3. DIAGNOSE（診斷）："Here's the problem, and the cause."（指出問題所在及其成因。）
2. EXECUTE（執行）："Hand me the fix - I'll ship it."（給我修復方案，我來執行交付。）
1. FLAG（標記）："There's a problem."（指出有問題。）—— 然後轉身離開，留給別人處理（這是最少主動權的層級）。
圖表底部標註：LEAST AGENCY（最少主動權）
圖表頂部標註：MOST AGENCY（最多主動權）
左下角署名：@addyosmani
展開畫面重點
圖表標題：AUTOMATION MOVES THE FLOOR
主標題：NEW WORK IS REAL WORK
副標題：The job is not to protect the old loop. It is to own the new one.
核心架構說明：
1. 上層三個區塊：
- LOOP DESIGN：what runs, when, and why
- EVIDENCE DESIGN：what proves it worked
- BROWNFIELD CARE：keep real systems healthy
2. 中間核心區塊：
- ENGINEERING MOVES UP A LEVEL：own the loops, evidence, systems, and consequences
3. 下層基礎區塊：
- automated task layer：typing · boilerplate · first drafts · routine fixes · repeated checks
- fewer keystrokes：more surface area
4. 底部區塊：
- NOT LESS ENGINEERING
- new bottlenecks：coordination · verification · maintenance · product judgment · incident learning
畫面重點：此圖表展示了自動化如何將工程師從重複性任務（如打字、樣板程式碼、例行修正）中解放出來，並將工程工作的重心提升至系統設計、證據驗證與維護等更高層次的領域，同時指出自動化也帶來了協調、驗證與產品判斷等新的瓶頸。