Boris Cherny称循环式代理AI将彻底革新代码编写

关键概念

• 循环式代理（Agentic Loop）：多个AI代理相互调用、持续运行，形成一个自我强化的闭环。
• 持续改进：一个代理负责优化代码架构，另一个负责合并重复抽象，二者不断提交Pull Request，直至达到预设目标。

循环式代理的工作原理

1. 初始化：系统先生成若干专职代理，例如
   • 架构优化代理
   • 抽象合并代理
2. 实时监控：每个代理实时扫描代码库，发现潜在问题后生成改进方案。
3. 自动提交：改进方案通过Pull Request的形式提交，若通过审查则合并到主分支。
4. 循环触发：代码合并后，监控代理重新评估，若仍有可优化点则继续循环。

成本与商业考量

• 算力消耗：循环运行意味着模型需要持续推理，代币消耗呈指数增长。
• 代币成本：对Anthropic等以代币计费的提供商而言，成本高企；对自行部署的企业则转化为算力费用。
• 监督机制：必须设立上限（如最大迭代次数、预算阈值）以防止无限循环导致资源浪费。

业界反响与前景

“只要算力足够，模型几乎可以解决任何问题。”——OpenAI研究员Noam Brown

Boris Cherny的观点得到不少研发团队的关注，尤其是对持续交付和代码质量要求极高的企业。部分公司已经在内部试点，利用循环式代理实现自动化重构和技术债清理。与此同时，也有人警示：若缺乏有效的监控与预算控制，循环式代理可能成为“算力黑洞”。

整体来看，循环式代理代表了代理AI从单次任务向持续自治的跃迁。随着模型能力提升和算力成本下降，这一技术有望在未来两年内进入更广泛的企业级应用场景，重新定义软件开发的生产力边界。