Wiring Skills Into Loops
来源：Voxyz (@Voxyz_ai)，2026-04-02
核心论点
安装一个 skill 不等于你的 agent 学会了在正确的时间使用它。
真正让 agent 变强的是把 skills 连接成循环（loops） —— 每次运行后产生反馈，反馈自动优化规则，规则再提升下一次的输出质量。
五种 Loop 实践
1. Writing Loop — 让草稿越来越像你的风格
- Agent 按规则写草稿
- 人手动编辑
- 每晚对比 diff（改了什么、删了什么、加了什么）
- 同类修改积累到 10-15 次，提炼成候选规则写回 skill
- 6 个月从 v1.0 进化到 v1.3
2. Research Loop — 15 分钟拿到素材包
- 给 agent 方向，自动搜索 → 按互动数据排序 → 拉取完整原文
- 不查摘要（会漏关键数据），存完整原文
- 人花 10 分钟浏览判断
3. Review Loop — 虚拟读者预审
- 用不同 prompt 模拟不同读者：怀疑者、新手、潜在客户、同行
- 多个人设并行评审，逐段打分
- 关键不是绝对分数，而是趋势 —— 哪些段落持续低分
- 把改进点变成默认检查清单
4. Memory Loop — 三层记忆系统
| 层级 | 作用 | 内容 |
|---|---|---|
| Log layer | 每日工作日志 | 今天发生了什么、发现了什么 |
| Long-term rules | 经多次验证的规则 | 反复确认的经验 |
| Handoff layer | 会话状态快照 | 每次会话结束保存，下次读入 |
每晚自动 review：读取当天 log，提取关键发现，标记值得加入长期规则的内容。
5. Ops Loop — 定时任务链
三个 cron job 连成完整 loop：
- Heartbeat 发现内容 →
- Writing skill 起草 →
- 人编辑批准 →
- 系统记录 diff →
- Nightly review 提炼规律 →
- 规则写回 skill →
- 下次 Heartbeat 发现类似内容时，草稿质量已提升
三个环的定义
| 环 | 作用 |
|---|---|
| Scheduling | 定时触发，不用你主动开口 |
| Memory | 结果和经验写入文件，下次读入上下文 |
| Feedback | 对比本次输出和你的编辑，更新规则 |
最小启动配置
只需要两件事：
- Scheduled triggers — cron 定时任务
- Persistent context — 文件读写维持连续性
最小示例：
- nightly review 任务，每天运行，输出 review 文件
- morning briefing 任务，读取 review 输出并压缩推送
Key Takeaway
"Template 用一次就停，Loop 每转一圈都更准。"
不是 skills 的数量重要，而是 skills 之间的连接和反馈机制 重要。
关联
- harness-engineering/overview — Harness Engineering 总览
- harness-engineering/continual-learning — 持续学习框架
- claude-code/overview — Claude Code skills 系统