AI 產業將迎來「Loop」一頁：代理互相提示進行程式開發
為何重要
此趨勢意味著 AI 的自主性即將從單點任務邁向長期、連續的自我最佳化與驗證，這將大幅提升 AI 結合 agent 處理複雜軟體工作的能力上限。然而，高昂的 compute 成本可能成為這項技術普及的阻礙，迫使企業在技術產能與營運成本之間重新平衡。
Claude Code 創作者 Boris Cherny 在 Meta 的 @Scale 大會上宣稱，「Loop」（代理人互相提示）是真實且重要的技術走向，表示未來的 AI 將從單純的代理人撰寫程式碼，進化為代理人提示代理人執行任務。
- 連續運作的 agents 不再需要人工監督更新：Cherny 提到如今 agents 開始互相提示來撰寫程式碼，且這兩步的差異正如過去從手寫程式碼到使用 agents 一般重要。
- 雖然不新，但策略日益普及：例子包括知名的 Ralph Loop（模型會總結工作並反問是否達成目標），以及屬於 test-time compute 策略的「不斷最佳化直到達標」。
- 成本效益尚待評估：這種模式因需不斷運算 token 耗量驚人且無上限，雖對 Anthropic 等賣方有利，但可能使其他開發者使用成本提高。