关于 Agent Loop 跨会话自进化与对齐，本文或许可以提供一些实践样本和参考。

（本文阅读时间：约20分钟）

本文提到的“意识”指 QoderWork 内的意识功能，包括但不限于长短期记忆、用户画像、工作手册等，但本最佳实践适用于任何市面主流的 Agent。

01 开篇

Loop Engineering 这个月讨论度很高。大家都在讲，如何让 Agent 在一次会话里自动跑，配好 Automations、Skills、Sub-agents，Loop 就转起来了。

但 Loop 有一个很少被讨论的致命问题：一次会话结束，Loop 就“死了”。

你花一下午调试好 evals，Agent 终于不犯某个错；关掉窗口，下次会话这个“不犯错”的经验却不在了。又或者，你手动纠正了三次判断偏差，关掉窗口，下次 Agent 依然会重蹈覆辙。Loop 转得再顺，也是一次性的。

你永远在重复教学同一件事。Loop 不自进化，就只是一个更花哨的 prompt。

这就好比老板每天都在训练新员工，但 Ta 每天失忆。所谓的“跨 Session 自进化”，就是让 Ta 终于有了笔记本，而且每天上班自动翻开上次写到的地方。

为什么用调研做实践场景？主要出于两个原因。

第一，调研天然是长时任务。这次的对象是FDE（Forward Deployed Engineering）公司的横向深度调研，按 3C 框架（Company / Customer / Competitor）展开。如果 Loop 不能跨 Session 积累，每次开新 Session 都从零开始教 Agent “数字要三源交叉”、“不能只信官方 PR 稿”，效率比不用 Loop 还低。

第二，调研有硬标准。数字要可溯源、判断要区分严口径和宽口径、获客来源要拆到通道级而不是一句“销售外拓”糊弄。简单 Loop 跑出来的调研报告看着流畅，让 Agent 自己回过头 check 真实性，大面积返工。简单 Loop 不是效率问题，是产出可信度问题。

所以才需要让Loop 自进化。下文贯穿的案例是本次 FDE 调研，但方法论对任何长时任务都成立。

1. 怎么让教训跨 Session 自动加载

2. 怎么把对齐拆成三层不互相污染

3. 哪个位置必须人守着不能让 Agent 自己动

02 先看效果：产出到什么程度才叫「不需要返工」

结论前置：单人 1 天跑完 FDE 方向 61 家公司的 3C 深度调研 + 横向汇总，总计 12 万字。但速度不是本文重点，产出质量不过关的话，速度快只是“快速生产垃圾”。

拿 Palantir 那篇为例。

每家公司的深度分析严格按 Company / Customer / Competitor 三个维度展开：

• Company 部分包括商业模式核心、提供的产品/服务、核心竞争力、融资/估值/盈利、关键节点。

• Customer 部分把获客通道拆到四类：自上而下 CEO 直连、政府关系网络、AIP Bootcamp 导流漏斗、投资者叙事拉动，每类给占比定性估算。

• Competitor 部分给出“FDE×自营产品×政府牌照三位一体”的差异化定位判断，不是列一堆竞品名字。

数字方面，每个硬数字都挂了来源链接。“FY2024 总收入 $2.87B（YoY +29%）”后面跟的是 Captide Q4 2024 Earnings Summary，“FDE 平均 TC ~$665K”后面跟的是 Perspective AI 2026 FDE 薪酬报告。

61 家汇总后，做到了深度横行对比：五种定价模式各给成立条件；拉一条估值倍数横线得出“FDE 含量与估值倍数反相关：偏产品型 53x，偏服务型 15x”；给出“中国 FDE 公司的最大威胁不是同行而是云厂商”。做过技术选型的都知道，“先给轴再挂组件”和“逐个组件写报告”的决策价值差在哪。

这些产出能直接进入团队对齐文档、架构评审或 OKR 立项决策。调研最大的时间黑洞从来不是“写”，是“返工”，是写完一版被打回来补数据、补视角、补结论。意识×Loop 版从第一版就卡住了质量红线，在“数据来源是否可追溯、结论是否有支撑”这两条硬标准上一版过。

最后一层价值，在稿子背后的意识文件里。这次沉淀下来的 AGENTS.md、MEMORY.md、USER.md 和一个 Skill 是可复利的。下一次做别的方向调研，启动那一刻这套意识层已经全部到位。实际测试下，第二个方向的调研（不同行业）启动 Session 的第一篇产出即满足 evals 全部硬标准。

行业知识不迁移，换一个全新领域，第一篇仍然需要人校准判断标准。迁移的是流程骨架和质量红线，不是行业认知本身。

03 Loop Engineering 的六大框架，这次是怎么落的

Addy Osmani 在《Loop Engineering》里提了六个框架：Automations、Worktrees、Skills、Plugins & Connectors、Sub-agents、State，让 Agent 自动循环工作的六种基础设施。

这次调研六个框架都找到了对应动作。其中三个映射比较直觉：Skills 对应调研框架的复用，Connectors 对应钉钉文档和内部技术社区的打通，Automations 对应会话结束时自动触发总结子任务、把踩过的坑追加到 MEMORY.md。

下面只展开两个跑完才有特殊发现的框架，以及一个被大幅重定义、直接催生了下一节“意识层”的框架。

Worktrees：隔离的收益不是快，是防偏见污染

严格来说，Addy 讲的 Worktrees 解决的是多 Agent 并行改同一仓库的 Git 文件冲突。调研场景没有这个原始问题，但底层逻辑相通：并行任务共享状态就会互相污染，隔离是解法。把它映射为上下文隔离。

六份深度报告并行跑，每份一个隔离上下文，中间状态不共享，写完再合流。最初以为这只是并行加速。跑完发现真正的收益是：调研完 A 公司之后满脑子它的商业模式，再看 B 公司时下意识把 B 也套进 A 的框里。隔离上下文强制每份分析从原点起步，避免了“先入为主”的偏见在公司之间传染。你不会拿着上一个 PR 的 review 心智去审下一个无关 PR，但 Agent 如果共享上下文就会这样做。

Sub-agents：最有效的用法不是分头干活，是正反对抗

有一条方向感很强但证据不够的判断，派两个子 Agent 并行去找：一个专门找支持证据，一个专门找反例。两边都拿全之后证据比是 3:17，硬结论落下来了。这种做法比让一个 Agent 自己权衡靠得住。任何 Agent 单独跑都会被自己写过的话带偏——先给了一个方向，后面的搜索就会确认偏差。最终稿的审校也是同理：另起独立子 Agent，只发标准不发历史，避开自我确认偏差。

State：从进度记录到行为塑造

标准定义里 State 只解决一个问题：追踪哪些事做完了。但跑完这次调研发现，光记进度远远不够。真正需要的是“上次犯的错下次自动避开”、“判断偏好每次自动加载”、“被纠正过的认知跨 Session 延续”。这些是行为塑造，不是进度记录。把 State 扩展成了三个文件：AGENTS.md、MEMORY.md、USER.md，由它们构成一套意识层。

04 意识×Loop：为什么必须结合，以及 Loop 自进化的具体机制

Loop Engineering 讲的是“一次会话里怎么让 Agent 转起来”。六大框架搭好，Agent 就能跑。但一次会话结束之后，Loop 本身留下来的痕迹在哪里？

如果什么都不留，下次做同类工作，Loop 从零搭起，实属浪费。

那么，如果把 Loop 沉淀到 Skill 里呢？Skill 的定位是“稳定动作骨架”，承载不了全部沉淀。使用侧的细颗粒经验，比如“文档 API 一次不能落太多字节”、“某类判断容易在特定行业翻车”，全部塞进 Skill 会把 Skill 拖臃肿，而且很多经验是个人独有的，根本不适合塞进跨用户共享的 Skill。

所以可以把 Loop 里沉淀不进 Skill 的那部分，放进意识层。意识层有三个文件：

• AGENTS.md：proactive rules / evals。规定 Agent 每次输出前要主动做什么、要自查什么、什么表达一定要用或一定不能用。

• MEMORY.md：passive lessons / state。记录这次会话踩过的坑、被纠正的判断、能力使用中的注意事项，以及跨会话需要延续的进度状态。

• USER.md：judge preferences。记录“我”这个人的判断标准、喜欢的输出味道、厌恶的表达。

三个文件的共同点是每次会话开启时 Agent 自动加载，每次会话中自动沉淀更新。这就带来了 Loop 自进化的能力。

举一个这次调研里的真实例子。

第一次 Session，让 Agent 分析一家 AI 应用公司。Agent 写“客户从哪来”那段，简单归为“销售外拓 + 大厂合作”。读得皱眉：这家真实的模式是“存量老客户升级 + 大厂生态挂靠”双轮驱动，纯外拓做不出来那个客单价。纠正、重写、并且让 Agent 把这条教训同步写进 MEMORY.md：

判断中国 AI 应用公司的客户来源时，不能只看销售动作，必须区分“存量客户升级”、“投资人圈层”、“大厂生态”、“公开演讲 IP”四类通道，并各自给出比例的定性估算。

MEMORY.md 更新之后，Session 结束。

第二次 Session 开始分析另一家 RPA 转 Agent 的公司。会话一开局，Agent 自动加载 MEMORY.md，那条教训就在意识里。它主动把“客户从哪来”拆成了“存量老客户升级”、“新场景客户”、“大厂生态挂靠”三条通道来讲，没有再重复说一遍，Agent 自己带上来了。写出来的段落质量比第一次 Session 稳定得多。

Loop 自进化在这里变得可观测：上一次的教训通过意识文件跨 Session 传递，成为下一次 Loop 的一部分。

顺便把 MEMORY.md 里当前真实沉淀的几条列出来：

• 用文档 API 写入长文档时，一次落入字节量有阈值上限，超阈必须分批切片写入并复核。

• 判断某类公司的客户来源时，必须拆成“存量客户升级/投资人圈层/大厂生态/公开演讲 IP”四类通道并给比例定性估算。

• 涉及外部披露的关键数字，必须走三源交叉反推（官方口径 + 高管公开发言 + 第三方数据），不能只信官方 PR 稿。

• 上游平台方是否亲自下场做同类产品，是判断该赛道独立公司威胁的第一位信号；连续三家公司出现同一信号，可考虑升格进 AGENTS。

再举一个 AGENTS 层的例子。这次调研过程中，Agent 反复出现同一个问题：写完深度分析的分段结构之后，喜欢追加一个“综合评价”段落，那段话往往很虚，全是套话。把这条写进 AGENTS.md：

深度分析在结构化分段之后，禁止追加“综合评价/整体评估”这类总结段。硬结论必须落在具体证据里，不再另起段落。

从此之后，Agent 每次做深度调研都不会再画蛇添足写虚的总结段。AGENTS.md 是 evals 的载体，Agent 每次输出前自查的清单。这份清单会随着积累越来越厚，Loop 也就越来越稳。

AGENTS 和 MEMORY 的分工区别是，AGENTS 承载“以后都要主动做什么”，是主动规则；MEMORY 承载“这次学到了什么、这个能力用起来要小心什么”，是被动经验。当 MEMORY 里某条经验反复复现、稳定命中之后，会把它升格进 AGENTS，从“这次学到”变成“以后都要”。这个升格动作是人肉做的，为什么不让 Agent 自己做？下文单独解释。

05 对齐：Loop Engineering 最难的地方，我的三层解法

「对齐」其实是 Loop Engineering 里最难的一件事，因为对齐很容易被简化成“Prompt 调好就行”。但真实场景里的对齐至少有三层，每一层的难度和方法都各不相同。

第一层是 evals 对齐，Agent 该主动做什么。用 AGENTS.md 来承载。当前 AGENTS.md 约 15 条规则，经验上超过 20 条时 Agent 遵从率会下降，所以不是无限堆叠，是精简到每条都高频命中。具体做法是先写反面清单、再写正面清单。

这次调研 AGENTS.md 里真实生效的几条：

反面清单（绝不能出现）：

• 任何数字后必须有来源，缺来源的数字禁止入稿。

• 定性判断没有直接证据支撑时，必须显式标注“定性推断”。

• 禁止出现“综合来看”、“整体而言”、“值得关注”、“深度赋能”这类正确废话。

• 结构化分段之后禁止追加“综合评价/整体评估”段，硬结论必须落在具体证据里。

正面清单（每次必须做）：

• 每份深度分析严格按预设结构分段，缺一段视为未完成。

• 涉及外部融资/迭代节奏时必须给时间线（时间点 + 关键动作 + 参与方）。

• 涉及独立公司/独立模块时必须单独讨论上游平台威胁（大平台是否已下场做同类）。

• 判断必须显式区分口径（严格定义 vs 宽泛定义），两个口径的结论不能混着用。

evals 对齐的关键不是一次写全的，是随着 MEMORY 的积累慢慢升格的。比如“上游平台威胁必须单独讨论”这一条，最早只是 MEMORY.md 里一条经验，连续三家出现同样的模式之后，把它升格进 AGENTS。这层的核心通道就是“MEMORY 上升为 AGENTS”。

第二层是场景对齐。Loop 跑出来的东西给谁看、以什么方式被消费、读者读完要做什么决策。把这三件事叫“三要素”，每次调研启动先给 Agent。三要素说清楚，Agent 的语气、深度、结构就都对了。

第三层最微妙：judge 偏好。同样是“合格的稿子”，另一个 judge 的判断可能完全不同。比如不支持“综合来看”、“整体而言”这类正确的废话，他人可能觉得这样很稳妥。这一层不是 evals（不是客观正确），也不是场景（不是给谁看），是 judge 本人的偏好，用 USER.md 承载。

下面这几条就是 USER.md 里当前真实生效的原条目：

• 厌恶 AI 味表达：破折号连用、“值得关注”、“重要意义”、“综合来看”、“深度赋能”，一律禁用。

• 偏好短句、白话、口语转书面语；段落之间允许跳跃，默认读者是聪明人。

• 拒绝“客气话”：不要“这个观点非常有价值”、“感谢您的深入思考”这类元评论。

• 每段结尾必须敢下判断，不允许“两面都有道理”。

USER.md 一旦写好，每次会话 Agent 自动加载，输出「就像自己写的」。

三层对齐必须分层承载，绝不能混在一起。看过很多同事在一个 Prompt 里既写 evals 又写场景又写 judge 偏好，Prompt 又长又乱，Agent 抓不住重点。分层承载、各归各的文件，这一步做不到 Loop 跑不久。

文件之间出现张力怎么办？AGENTS.md 是硬约束（客观正确性），USER.md 是软偏好（味道），硬约束永远优先。实际操作中冲突不常见，因为 USER 写的是“怎么表达”，AGENTS 写的是“表达什么”。但一旦出现，这个优先级规则让 Agent 不用纠结。

06 为什么这次没上「全自动 Loop」

这次调研有几个环节特地没让 Agent 全自动，比如“MEMORY 升格 AGENTS”这个动作、“总报告六条硬结论”这个下判动作，都是人肉在做。

原因不是不信任 Agent，是这几个位置的判断权重太重，一错就把整条 Loop 带偏。

MEMORY 升格 AGENTS 是一个“松变紧”的动作。MEMORY 允许试探性表达（“这次学到”），AGENTS 是硬约束（“以后都要”）。如果 Agent 自己判断升格，一旦把偶发情况当成通用规律，那条错误规则会在之后每一次会话里污染 Loop。

这次做到第 14 家公司时，Agent 尝试自动升格过一次：它把“该行业的客户普遍在乎 ROI 可量化”写进 AGENTS，但事实上这只是前几家公司的特征，后面几家的客户在乎的是合规认证而非 ROI。如果没拦住，后续 7 家公司的分析全部会被这条伪规则带偏。这就是自动升格的典型翻车：样本量不够时概括出的“规律”是噪声不是信号。如果错误升格已经写入，做法是 AGENTS.md 用 git 做版本控制，发现污染后 git revert 回上一个干净版本。

总报告六条硬结论是“下判”动作。硬结论意味着“敢挂名字担这个判断”，会被同事拿去做架构选型、拿去做 PRD 立项判断。这不是“稿子好不好”的问题，是“个人信用”的问题。这一步一定亲自过。

换句话说，Loop 可以自转，judge 不能自动。整套体系里保留了两个人的位置：MEMORY 升格 AGENTS 的手动阀门，最终硬结论的亲自过稿。其他地方，Agent 都自转。

07 人人都可以搭建的 Loop 自进化步骤

第一步，建 AGENTS.md。把这类工作的“绝不能出现”和“必须做到”写下来，哪怕只有 5 条。这一步立刻带来一档提效，因为 Agent 每次输出前会自查。第二步，同步开始积累 MEMORY.md：每次会话结束前花 2 分钟，让 Agent 把这次的教训写进去，关键动作是主动纠错，觉得 Agent 写错了别只纠正当下输出，务必让它把教训写进 MEMORY，跨 Session 才能受益。第三步，补 USER.md，把个人的偏好写出来（“厌恶什么”往往比“喜欢什么”更好写），让 Agent 的输出味道对起来。

想不出前5条写什么？打开最近被打回/返工的3份产出，每份问自己“如果 Agent 一开始就检查了 X，这次就不会被打回”，那个 X 就是一条 AGENTS 规则。另一个入口是回忆最近3次纠正 Agent 时说的话，你骂它的内容就是规则。

启动成本：第一次建三件套大约多花 30 分钟，前两三个 Session 比不用意识文件反而慢 10-15%（因为要停下来纠正并写 MEMORY），但从第四个 Session 开始明显加速，该踩的坑已经记住了，Agent 不再重复犯同类错误。

意识文件三件套跑稳之后再动 Skill 和 Automation。顺序反了会痛苦：先上 Skill 而不建意识文件，Skill 里的偏好和你不一致，你会反复推倒重来。

最后说一个容易被忽略的成本：MEMORY.md 不是只增不减的。随着条目增多，Agent 的上下文窗口被占满，甚至出现“太多规则互相打架”的情况。做法是每周扫一遍 MEMORY，把已升格进 AGENTS 的条目删掉、把不再复现的经验归档到日期文件。保持 MEMORY 精简是让意识层长期可用的必要维护动作。

08 写在最后

Taste 是 Loop 的准备动作，不是产出。很多人以为搭好 Loop，Agent 就能替他有品味，这是幻觉。Loop 只放大已有的 taste，不生产 taste。如果对这个 topic 没有阅读积累，根本写不出 AGENTS.md 里“必须区分严格定义/宽泛定义”、“必须单独讨论上游平台威胁”这些规则。没有 taste，连 evals 都写不出来。“Loop 让工作变轻松”是真的，“Loop 让新手变专家”是幻觉，这两件事必须分开讲。

另一个值得讲的判断：Loop Engineering 目前 90% 讨论集中在 AI Coding，但跑完这次调研觉得正好反过来。Coding 场景的 eval 天然存在（能跑、通过测试、性能达标），调研的 eval 得自己设计。eval 越难写的场景，搭 loop 的边际收益越大，因为那里连“什么叫好”都没人替你定义过。

最后一个小彩蛋：本文的创作也是有在用 loop engineering，使用了三个 subAgent，分别扮演“技术社区普通读者”、“不懂 loop 的技术读者”、“懂 loop 的实践读者”。让它们按不同维度（术语门槛、节奏、可迁移性等）对文章打分，提出问题，基于问题再继续优化，通过阈值设在 9 分，不到继续 loop，直到都过线。

（下图为过程中产物）

*注：本文为作者个人技术思考与经验分享，不代表公司的官方立场或观点。文中部分论述涉及对技术趋势和发展方向的前瞻性判断，基于作者写作时的实践、认知与经验，所有内容仅供交流参考，读者应结合自身场景独立评估。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：意识与Loop跨Session自进化最佳实践要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题