摘要
30 秒看懂
Theo 重谈 OpenClaw 创作者 Pete 的观点：开发者应设计循环来提示编程智能体。他讲述了早期实验中错误率上升的经历，以及后来让他重新尝试的审查和修改工作流。
- 1设计循环Theo 重申 Pete 的观点：开发者应设计循环来提示编程智能体。
- 2早期结果好坏参半Ralph 循环帮助 Theo 想象智能体如何持续工作，但他表示，它也大幅提高了修改中的错误率。
- 3审查与修改他开始让智能体审查代码、提供反馈、修改并触发下一轮审查。
要点建议
- 智能体循环可以反复提示智能体，而不需要人编写每一条提示。
- Theo 发现早期的一种循环提高了智能体修改的错误率。
- 代码审查、反馈、修改和重新审查可以组成另一种智能体循环。
- 根据自己的经验，Theo 现在认为多数智能体运行或许更适合由此类系统驱动。
全文
按章节阅读整理后的全文
01
从提示到循环
Theo 介绍 Pete 的建议，以及自己最初使用智能体循环的经历。他觉得这种方式有趣，但容易出错。
提醒一下：与其每次亲自提示编程智能体，不如设计提示它们的循环。我以前见过 Ralph 之类的循环，它们帮助我思考如何让智能体持续完成更多工作。但在我的实验中，它们也大幅提高了修改的错误率，于是我回到了惯常的方式。
02
改变看法
Theo 尝试审查和修改工作流，并使用 Hermes 把上下文带给自己。他认为许多智能体运行应由系统驱动，而不是依赖自己编写的提示。
Pete 比我早看到了这一点。我开始让智能体自己提示自己，建立一套流程：审查代码、给出反馈、修改，然后触发新一轮审查。我还开始使用 Hermes Agent，把上下文带到我面前，而不是让我自己去寻找。
我现在承认 Pete 是对的。根据自己用这些循环交付代码的经验，我认为多数智能体运行或许不应该使用我亲自编写的提示。对我来说，这是一个令人惊讶的观念转变；亲自尝试之后，我还有更多想法想分享。
同频道的其他文章
38:47EN → 简体中文
Theo - t3․gg· 2026年10月28日Theo 的长时间 Agent 实验：验证、算力与成本Theo Browne · Ping Labs滑板游戏和两个编译器项目展示了反复检查与弹性算力如何支撑 agent 工作，也揭示了循环可能带来的高昂成本。
36:07EN → 简体中文Theo - t3․gg· 2026年10月27日Theo 谈 Token 成本、编程智能体与 AI 能力的价格Theo Browne · Ping Labs一则关于 Lauren 的 AI 支出估算广泛传播，引出了对缓存计价、基准测试和编程智能体工作方式的讨论。
30:37EN → 简体中文Theo - t3․gg· 2026年10月26日Theo 的三个技能：用编程智能体审查和交付代码Theo Browne · Ping Labssol-loop、full-send 和 full-stop 如何定义审查、验证以及不同程度的合并权限。
0:43EN → 简体中文Theo - t3․gg· 2026年10月23日Theo 区分安全漏洞与实际攻击Theo Browne · Ping Labs一段简短讲解：软件漏洞披露和攻击事件为何属于不同类型的安全新闻。
29:22EN → 简体中文Theo - t3․gg· 2026年10月22日Theo 谈安全漏洞、被盗 API 密钥与 AITheo Browne · Ping Labs从漏洞披露到补丁部署之间的风险窗口，以及被盗推理密钥为何可能有价值的推测。
31:13EN → 简体中文Theo - t3․gg· 2026年10月20日Theo：更聪明的模型为何能帮助更多人Theo Browne · Ping Labs从游戏修改到编译器实验，Theo 重新思考谁能从更强大的 AI 中受益。