相关 Blog / 文章

迭代中的积累 · 非论文 · 按时间线

这里收集和我们想做的事（agentic coding loop 的多模态验证）有链接的各种 blog、工程文章、产品发布、讨论帖——不是论文，也不是 related work。我们做的东西比较前沿，很多文章只是“类似技术、过去做过”，但实际出发点和目标不一样。所以这里只记录：它说了什么、和我们哪一点相关、以及必要时做本地摘要 / 复刻卡片留底，方便日后回看与对照。

如何增长这条时间线：你把链接发给我，我会为每篇加一个时间线卡片，包含 —— 日期 · 标题 + 链接 · 文章大意 · 和我们相关的部分 · 一个可展开的 本地摘录 / capture 区（优先放研究相关要点和短摘录）。新条目默认插到时间线顶部（最新在上）。蓝点 = 一般相关；紫点 = 已被某应用/产品实际用上。新的 blog 条目默认在 3-Paper_Survey/notes-blogs/ 下独立成夹，便于同时存放 README.md、index.html 和评论区记录。

时间线

最新在上 · 持续补充

2026-06-27 发布 · 2026-06-27 收录 · PaperAgent / 微信公众号 + Addy Osmani / Claude Code docs

刚刚，Anthropic内部Loop Engineering方法论公开

Loop Engineering /goal verification loop subagents state memory

观点和启发

这篇文章最有价值的地方，是把 coding agent 的讨论从“怎么 prompt 一次模型”推进到“怎么设计一个会自转的 loop”。结合 Addy Osmani 原文和 Claude Code docs，可以把它理解为：让系统自动发现工作、派生 agent、构建、验证、记录状态并继续运行；其中真正稀缺的是 verification / judgment，而不是 generation。

和我们相关的部分

任务对象从 prompt 变成 loop：Schedule -> Discover -> Build -> Verify -> Repeat 让 agentic coding 从单次交互变成持续系统。
Verifier / evaluator 是 loop 核心：Claude /goal、Anthropic harness 和 Addy 原文都指向 maker/checker 分离，不能让生成者自己批准自己。
Loop 错误会跨轮累积：一旦错误进入 state，下一轮会继续读回并放大；这正需要 multimodal evidence、actionable feedback 和 durable state 来闭环。

原文链接：微信文章；一手来源：Addy Osmani、 Claude /goal。

来源核对 / 本地记录（点击展开）

1. 已建立独立文件夹：Standalone page；Markdown 详解：README.md；抓取记录：source-capture.md。

2. 微信文章可以抓到完整 HTML：标题为“刚刚，Anthropic内部Loop Engineering方法论公开”，公众号为 PaperAgent，时间戳换算为 2026-06-27 12:11:25 Asia/Shanghai。

3. 一手核对：Addy Osmani 的 Loop Engineering 给出定义和 Codex / Claude 能力映射；Claude Code docs 证实 /goal、/loop、subagents、worktrees 等原语；0xCodez X 帖与 Google Drive PDF 是“11 页 PDF”传播源。

4. Caveat：Google Drive PDF 标题写 Loop Engineering: The Anthropic Playbook，但 PDF footer 表明它是独立 reformatting，不应当作官方 Anthropic 文档引用。

公开页只保留来源核对、项目观点和短摘；不全文复制微信文章或 PDF。

2026-03-24 发布 · 2026-06-24 收录 · Anthropic Engineering Blog

Harness design for long-running application development

harness design long-running agents planner / generator / evaluator Playwright QA sprint contract

观点和启发

这篇文章非常贴近我们的主线：长程 coding 的关键不是让一个模型一次性写完，而是用 harness 把规划、生成、运行、独立评价、反馈和继续修改组织起来。Anthropic 的 evaluator 用 Playwright 操作 live app、检查 UI/API/database state；我们可以把 multimodal verification 看成这个 evaluator 的更强版本。

和我们相关的部分

Harness 是模型外的工程系统：能力来自 model、tool、context、artifact、evaluator 和 orchestration 的组合，而不是单点代码生成。
独立 evaluator 是闭环核心：self-review 容易偏乐观；用 Playwright/浏览器观察真实应用，才能把可见行为和运行状态转成可执行反馈。
Sprint contract 是 verification target：generator 和 evaluator 先协商 done 的定义，再实现和测试；这对应我们要做的 failure / evidence / expected / actual / location / suggested fix 结构。

原文链接：Anthropic Engineering Blog； X 原帖：AnthropicAI on X。

详细记录 / 评论区线索（点击展开）

★ 全文 1:1 复刻 + 中英对照：bilingual.html（左右双栏对照，可切 EN / 中文 / 对照三视图，覆盖全文每一段、所有表格与附录）。

1. 已建立独立文件夹：Standalone page（中文详解）；Markdown 详解：README.md；评论记录：x-discussion.md。

2. 文章主线：从 frontend design 的 generator/evaluator loop，扩展到 full-stack app 的 planner/generator/evaluator harness。核心机制包括 context reset vs compaction、评分 rubrics、sprint contract、Playwright MCP QA、QA prompt tuning，以及随着模型增强移除不再 load-bearing 的 harness 组件。

3. 关键案例：retro game maker 中 solo run 约 20 分钟 / $9，但核心 game play 坏了；full harness 约 6 小时 / $200，规划成 16 features / 10 sprints，最终可玩但仍有粗糙边界。更新版 DAW harness 约 3 小时 50 分 / $124.70，QA 多轮抓到 display-only、stub 和缺失交互深度。

4. X 评论区：搜索结果显示原帖有 315 replies；直接抓取 X 与 lightbrd 受限，已在评论记录文件里标注访问状态。可见讨论主题包括 multi-agent quota exhaustion、generator/evaluator 分离、TDD/acceptance criteria 类比、decision authority、trajectory drift、persistent memory 和 dynamic skills。

2026-06-24 收录 · 智猩猩AI / 微信公众号

Kimi K2.7 Code背后：一个被忽视的AI Coding新趋势正在形成

behavior-conditioned coding product reconstruction video / UI input agent loop

观点和启发

这篇文章最值得保留的是输入侧变化：网页生成、产品界面复刻、交互动画实现、Video Vibe Coding 正在成为重要 coding-agent 应用。它们的核心问题不是“模型会不会写代码”，而是当输入变成一个已有产品、界面或行为记录时，模型能否稳定完成还原、重建，并在后续持续软件过程中验证与调整。

和我们相关的部分

任务族：网页生成、产品界面复刻、交互动画和 Video Vibe Coding 可以作为我们后续 benchmark map 的参考任务。
核心问题：当输入不再是需求，而是已有产品或行为记录时，模型能否稳定还原与重建；这正好贴近我们关心的 existing-system continuation。
闭环愿景：Long-Horizon Software Engineering Model 强调持续理解、拆解、调用工具、修改、验证和调整。复刻之所以重要，是因为它要求模型从已有软件行为中反推出结构；我们的延伸问题是加入多模态验证后，能否让网页/产品/视频驱动 coding 从“一次生成得像”走向“可观察、可验收、可持续修正”。

原文链接：微信文章。

文章依据 / 原文短摘（点击展开）

1. 文章提到的应用方向：网页生成、产品界面复刻、交互动画实现、Video Vibe Coding。

2. 文章提出的问题：当输入不再是需求，而是已经存在的产品，模型能否稳定还原与重建。

3. 文章使用 Long-Horizon Software Engineering Model 这个概念，强调持续软件过程。

4. 文章指出模型需要从已有软件行为中反推出结构，再还原成代码实现。

5. 文章提到的注册页对比实验链接：Ann Nguyen on X。

6. 已同步到 paper survey 目录：Kimi 独立文件夹；旧版平铺笔记仍保留：Markdown / HTML capture。

基于用户提供的原文和后续思考整理 · 公开页只保留研究相关短摘 · 原始链接见上方标题。