Разборы · Статья: · Видео: · 20:03

Loop Engineer: как настроить агентов, которые сами находят и делают работу

AI Jason разбирает «loop engineer» — сдвиг от ручного промптинга кодинг-агентов к проектированию циклов, которые сами просыпаются, находят задачи и делают работу. Главное: как сделать кодовую базу «понятной агенту», какие три типа файлов нужны для общей памяти и почему несколько циклов начинают усиливать друг друга.

ИИ Программирование Продуктивность Бизнес
Смотреть на YouTube

wtf is Loop Engineer & how to setup for real

AI Jason · 20:03
Главы видео — нажми, чтобы перейти к моменту 9
  1. 0:00 Зачем это: PR-ы и SEO-страницы пишутся сами, пока автор спит Агентные циклы по ночам сабмитят PR, а Go-loop два дня подряд выдаёт по 20–40 SEO-страниц без участия человека.
  2. 1:46 Эволюция терминов: от prompt engineering до loop engineer Краткая история: task completion (2023) → большие контекстные окна и tools (2024) → длинные задачи, кросс-сессии и harness (конец 2025).
  3. 4:45 Что такое harness и где в нём loop engineer Harness = всё «не-модель» (термин LangChain). Делится на внутренний agent loop и внешний loop engineer — среду, решающую, ЧТО делать.
  4. 6:06 Реальные циклы в компании автора и эффект компаундинга Support-цикл, SEO-цикл, ads-цикл пишут в общую папку сигналов и усиливают друг друга через общий «мозг».
  5. 8:53 Четыре ингредиента loop engineer Триггеры, дизайн файловой структуры (самое важное), инструменты/коннекторы и agent-friendly кодовая база (то, что чаще всего упускают).
  6. 9:22 Codebase harness: legible, executable, verifiable AGENTS.md-индекс + custom lint, dev.local-скрипт и worktree-friendly окружение, Playwright CLI и read-only verifier-агент вместо self-verify.
  7. 12:49 Файловая система: artifacts, loop contract, logs Три уровня памяти: артефакты (docs/signals/tasks) со своими README, контракт цикла (goal/workflow/timeline) и глобальный LOG.md.
  8. 15:58 Собираем support-цикл с нуля: skills и тест-прогон Скиллы (Intercom, Stripe, Supabase, render-логи), CLAUDE.md и architecture.md, ручной тест-прогон перед автоматизацией.
  9. 18:53 Ставим цикл на расписание и шаблон-репозиторий Создаём README-contract, ставим цикл триггериться каждый час; готовый loop-engineer-template для копирования.

Коротко

AI Jason объясняет loop engineer как «внешний слой» вокруг агента: вы не промптите агента вручную, а настраиваете триггеры, общую файловую память и agent-friendly кодовую базу, чтобы агенты сами находили и закрывали работу. Главный поворот: если несколько циклов читают и пишут в одну общую папку «сигналов», они начинают усиливать друг друга — поддержка кормит разработку, реклама кормит SEO, всё работает на один «мозг».

Выжимка голосом

Самое ценное из разбора — за пару минут

0:00 2:07
Показать текст выжимки
Если коротко, это разбор видео про инженерию циклов — новый подход к работе с ИИ-агентами. Идея простая: вы больше не отдаёте кодинг-агенту команды по одной, а один раз настраиваете конвейер, и агенты сами просыпаются по расписанию или по событию, находят задачу и закрывают её. Автор, AI Jason, показывает, что для этого нужно три вещи. Триггеры — будильник, который запускает агента. Общая память в обычных текстовых файлах, чтобы агенты понимали, где что лежит и что уже сделано. И кодовая база, которую агент легко понимает и может сам проверить. Самое важное вот что. Если несколько циклов — поддержка, реклама, сайт — пишут и читают из одной общей папки, они начинают усиливать друг друга. Жалоба, которую заметила поддержка, кормит разработку. Удачный ключевик из рекламы кормит продвижение сайта. Все работают на один общий мозг. Материал ценнее всего для инженеров по ИИ и технических основателей, чуть меньше — для обычных программистов и автоматизаторов. Что сделать на практике. Сначала не сами циклы, а понятная агенту кодовая база — это полезно, даже если до циклов вы не дойдёте. Заведите общую папку сигналов, куда любой цикл складывает находки. И никогда не давайте агенту проверять собственную работу — пусть это делает отдельный проверяющий агент. А вот что стоит поставить под сомнение. Автор хвалится, что его циклы выдают по двадцать-сорок страниц в день без присмотра. Но это ровно тот массовый контент, за который поисковики скорее наказывают, чем награждают. И напоследок, под другим углом. Когда агенты по ночам делают работу сами, узким местом становится не агент, а человек, который должен всё проверить. Так что главный навык здесь — не плодить циклы, а делать их результат дёшево проверяемым.

Озвучено синтезом речи · голос alena

Объясни проще

Суть без жаргона

Простыми словами

Раньше мы давали кодинг-агенту команды по одной: «сделай это», прочитали, «теперь то». Loop engineer — это другое: вы один раз настраиваете «конвейер», и агенты сами просыпаются по расписанию (или по событию), сами находят, что нужно сделать, делают и записывают находки в общие файлы-папки. Для этого нужно три вещи: триггеры (будильник для агента), общая память в виде обычных MD-файлов (чтобы агенты понимали, где что лежит и что уже сделано) и кодовая база, которую агент легко понимает и может сам проверить.

Как ребёнку

Представь умных роботов-помощников с будильником. Один просыпается каждые полчаса, читает письма недовольных клиентов, отвечает им и записывает в общую тетрадку: «многие просят кнопку экспорта». Другой робот читает эту тетрадку и сам делает кнопку. Ты их не зовёшь по одному — ты один раз поставил будильники и завёл общую тетрадку, а дальше они работают сами и помогают друг другу.

Аналогия — «это как…»

Это как нанять смену сотрудников с общей доской объявлений вместо того, чтобы лично давать каждому по одному поручению. Каждый приходит на смену по своему графику, делает свой кусок работы и оставляет записку на доске («клиенты просят X», «у этой страницы низкая конверсия»). Следующий читает доску и подхватывает самое важное — вы как руководитель только просматриваете доску, а не стоите над каждым.

Зачем это мне

Это следующий уровень после «ИИ пишет код по твоему промпту»: меняется не то, что делает агент, а кто решает, что вообще делать. Для предпринимателя или маленькой команды это способ закрыть поддержку, SEO и часть разработки без найма — пока вы спите, агенты находят проблемы и устраняют их. И главное: материал даёт честный порядок действий — начать стоит не с модных «циклов», а с того, чтобы сделать кодовую базу понятной агенту, и это полезно, даже если циклы вы так и не напишете.

Для тех, кто в теме

Тезис: harness (всё «не-модель», термин из LangChain) делится на оптимизацию внутреннего agent loop (как агент хорошо закрывает одну задачу) и внешнего loop engineer (как система решает, ЧТО делать). Внешний слой = триггеры (cron/webhook/agent) + общая файловая память + tool/connector-доступ + agentic-friendly кодовая база. Три уровня файлов: artifacts (docs/signals/tasks/tickets/campaigns — каждый со своей README: schema, что входит/не входит, процесс добавления, front-matter + body + timeline), loop contract (README на домен: goal, workflow, boundaries, backlog, timeline) и глобальный LOG.md (агент читает последние 5–10 записей перед стартом, дописывает после). Кодовая база: legible (AGENTS.md как индекс + custom lint-rules как инъекция context engineering — например, запрет импортов из legacy-папок монорепо), executable (dev.local-скрипт, worktree-friendly для параллельных агентов, seed-скрипты прыжка в нужное состояние) и verifiable (Playwright CLI с видео-клипами в PR, e2e на критичных флоу, PR-skill). Ключевой нюанс: агента нельзя пускать на self-verify — PR-skill спавнит read-only verifier-агента с детальным спецом. Эффект компаундинга достигается через shared signals между доменными циклами (support→eng, ads→SEO). Шаблон — github.com/JayZeeDesign/loop-engineer-template.

Оценка видео

Чем выше — тем больше пользы на минуту

4.5

средняя из 5

Актуальность информации 5.0

Свежак на июнь 2026: loop engineer / harness — горячая тема последних недель, конкретные инструменты (Claude Code, Codex, Playwright CLI, skills) актуальны прямо сейчас.

Содержательность 4.5

Очень плотно: реальная схема циклов из компании автора + конкретная файловая структура. Минус — первые ~1.5 минуты реклама HubSpot и местами сбивчивая речь.

Инновационность идей 4.0

Сама идея циклов сейчас «в воздухе», но систематизация harness и трёхуровневой файловой памяти со «сигналами» как общим мозгом — свежий и практичный взгляд.

Практичность 4.5

Даёт пошаговый разбор настройки support-цикла с нуля, готовый шаблон-репозиторий и skill для подготовки кодовой базы — можно повторить, а не только послушать.

Кому будет полезно

Чем выше оценка — тем больше пользы для профессии. Разверни — почему.

Для AI-инженеров 5 /5

Прямое попадание в ежедневные задачи: harness, триггеры (cron/webhook/агент), shared file memory, отдельный read-only verifier-агент, agents.md и skill-ы — готовый рецепт автономной агентной системы.

Для технических основателей 5 /5

Реальный кейс основателя: support/SEO/ads-циклы компаундят рост без ручного участия — как малой командой получить эффект «штата» из агентных циклов.

Для программистов 4 /5

Конкретика по подготовке кодовой базы под агентов: legible/executable/verifiable, custom lint против legacy-папок, dev.local, worktree-параллелизм, e2e на критичных флоу, PR-skill и Playwright CLI с видео в PR.

Для автоматизаторов 4 /5

Чёткий сдвиг от ручных сценариев к самозапускающимся циклам с общей папкой «сигналов» и разделение обычной автоматизации и автономного агента.

Для продакт-менеджеров 3 /5

Механика signals-папки как живого бэклога: фрикции из поддержки и баги автоматически приоритизируются в продукте, но настройка остаётся на инженерах.

Для специалистов поддержки 3 /5

Подробно разобран support-цикл (Intercom/Stripe/Supabase, триаж тикетов, авто-ответы каждые 30 минут) — видно трансформацию роли, но материал технический.

Для SEO-специалистов 3 /5

Кейс SEO-цикла на 20–40 страниц в день и взаимная подпитка с ads (кликабельный ключевик кормит органику) показывают потолок автоматизации задачи.

Для маркетологов 2 /5

Затронуты ads-циклы, conversion-gap-сигналы и компаундинг между каналами, но без маркетинговой конкретики — скорее иллюстрация общей идеи.

Инсайты

Нажми, чтобы раскрыть — то, что меняет взгляд на тему

01 Loop engineer — это не сам агент, а «внешний слой» вокруг него 5:18

Автор делит оптимизацию на две части: внутренний agent loop (как агент хорошо ЗАКРЫВАЕТ задачу) и внешний loop engineer (как система РЕШАЕТ, что вообще делать). Loop engineer — это среда из триггеров, состояния и логов, которая освобождает вас от ручного промптинга: агента будит cron, вебхук или другой агент.

02 Несколько циклов с общей папкой начинают усиливать друг друга 6:26

Это главная мысль видео. Если каждый цикл читает и пишет в общую папку «сигналов», цикл поддержки кормит разработку (нашёл частую жалобу — починили), а рекламный цикл кормит SEO (ключевик хорошо кликается, но нет органики — пишем статью). Все циклы работают на один общий «мозг» — отсюда эффект компаундинга.

03 Первое, что надо сделать, — не циклы, а agent-friendly кодовая база 12:45

Контринтуитивный совет: начинать не с модных loops, а с того, чтобы кодовая база была «понятной» (агент знает, где что менять), «исполняемой» (поднял dev-сервер одним скриптом) и «проверяемой» (есть инструменты протестировать и залогировать результат). Это полезно, даже если циклы вы так и не напишете.

04 Нельзя давать агенту проверять самого себя 12:07

По опыту автора self-verify «просто плохо работает». Поэтому их PR-skill всегда спавнит отдельного read-only агента-верификатора с детальным спецом — чтобы проверял работу другой агент, а не тот же, что её сделал.

05 Custom lint-правила — это способ «зашить» context engineering в код 10:24

Нельзя полагаться, что агент сам найдёт все нужные правила. Зато правила можно встроить в программный lint-чек: как только агент импортирует из legacy-папки или нарушает конвенцию, тут же всплывает предупреждение — контекст сам приходит к агенту в нужный момент.

Ключевые цитаты

Сильные фразы из видео — нажми тайм-код, чтобы услышать в оригинале

«It is the hottest thing everyone was talking about last week that you shouldn't no longer prompting the coding agent anymore. Instead, designing loops that automatically prompts agents.»
AI Jason Определение сдвига парадигмы в самом начале видео 0:25
«Basically, harness means anything that is non-model.»
AI Jason Простое определение harness из LangChain 4:47
«The reason this critical is is then it actually free you from prompting the agent itself. The agent can actually be a lot more autonomous and triggered by our different things.»
AI Jason Зачем нужен loop engineer — освобождение от ручного промптинга 5:22
«All those different loops are happening every hour or every day share the same brain. And this is where this component effect really taking off.»
AI Jason Главная мысль про эффект компаундинга через общую память 6:26
«You want to making sure your code base is actually legible, which means agent can easily understand where to change what.»
AI Jason Первое требование к agent-friendly кодовой базе 9:40
«Don't get agent to self-verify its own work. It just generally didn't work that well. That's why in our PR skill we always tell agent to spawn a read-only verifier agent with a detail spec.»
AI Jason Ключевое правило верификации работы агента 12:07
«This first thing that you should really do, making sure your codebase is in a state that agent can self-verify its work. This is going to be helpful even though you don't write loops.»
AI Jason С чего реально начать — даже без циклов 12:42

Полезные советы

Что можно применить уже сегодня. Разверни совет — сколько займёт, что даст и что конкретно делать

1

Сначала сделай кодовую базу понятной агенту

Вечер Агент перестанет блуждать по проекту и начнёт сам находить, где что менять

AGENTS.md как индекс, который ссылается на остальную документацию, чтобы агент прогрессивно докапывался до нужного. Это база, без которой циклы не взлетят.

Что делать

  1. 1 Заведи AGENTS.md в корне проекта
  2. 2 Сделай его кратким индексом-картой: куда смотреть за чем
  3. 3 Поставь ссылки на детальные доки (архитектура, домены, конвенции)
  4. 4 Проверь: попроси агента найти, где менять конкретную фичу — должен дойти сам
2

Зашей правила в custom lint, а не надейся на память агента

Полдня Агент сам узнаёт о нарушении в момент ошибки, а не после ревью

Контекст-инжиниринг через инструменты: добавь линт-правила под свои конвенции (например, запрет импорта из legacy-папок монорепо). Предупреждение всплывает автоматически.

Что делать

  1. 1 Выпиши правила, которые агент регулярно нарушает
  2. 2 Добавь их как кастомные lint-правила в проект
  3. 3 Убедись, что нарушение даёт понятное предупреждение прямо при написании файла
3

Дай агенту скрипт «поднять dev-сервер одной командой»

1–2 часа Агент тратит токены на работу, а не на возню с запуском окружения

Кодовая база должна быть «исполняемой»: один скрипт (у автора — dev.local) поднимает весь dev-сервер. В идеале это не стоит агенту ни токенов, ни когнитивной нагрузки.

Что делать

  1. 1 Собери запуск окружения в один скрипт (напр. dev.local)
  2. 2 Сделай его worktree-friendly: 5 параллельных агентов не должны конфликтовать
  3. 3 Добавь seed-скрипты прыжка в нужное состояние для тестов сценариев
4

Проверяй работу агента вторым, read-only агентом

30 минут Очевидные баги ловятся до тебя, и не агентом, который их сделал

Не давай агенту валидировать самого себя. В PR-skill пропиши шаг: спавнить отдельного агента-верификатора с детальным спецом перед сабмитом PR.

Что делать

  1. 1 Опиши PR-skill: список шагов перед сабмитом pull request
  2. 2 Добавь шаг: запустить read-only verifier-агента с детальным спецом
  3. 3 Подключи Playwright CLI, чтобы он записывал видео-клип работы в PR
5

Заведи общую папку «сигналов» для всех циклов

Вечер Циклы начнут усиливать друг друга, а не работать вслепую

Сигнал — это MD-файл с продуктовой идеей, фрикшеном или упущенной возможностью. Любой цикл может его создать, а другой — подхватить. Это и есть «общий мозг», дающий эффект компаундинга.

Что делать

  1. 1 Создай папку signals/ с README: что сюда входит, схема, процесс добавления
  2. 2 Договорись о формате: front-matter + тело + timeline изменений
  3. 3 Сделай так, чтобы каждый цикл и читал, и писал в эту папку
6

Прогони цикл вручную как тест перед автоматизацией

1–2 часа Откалибруешь workflow до того, как он начнёт работать сам каждый час

Сначала запусти задачу с агентом руками как тестовый прогон, посмотри, всё ли он делает как надо, и только потом проси создать contract (README домена) и поставить цикл на расписание.

Что делать

  1. 1 Опиши агенту задачу цикла (напр. разобрать тикеты за час, ответить, залогировать)
  2. 2 Запусти тестовый прогон руками и проверь результат
  3. 3 Откалибруй workflow, где агент сделал не то
  4. 4 Попроси создать README-contract (goal, workflow, timeline)
  5. 5 Поставь цикл на расписание (cron/сессию)
7

Возьми готовый шаблон, а не собирай с нуля

20 минут Стартуешь со структурой, выверенной на реальных циклах автора

AI Jason выложил repo-шаблон loop-engineer-template с лучшими практиками всех его циклов: папки artifacts/signals/domains, LOG.md, ARCHITECTURE.md, CLAUDE.md и skills. Можно скопировать и начать.

Что делать

  1. 1 Открой github.com/JayZeeDesign/loop-engineer-template
  2. 2 Скопируй структуру папок к себе
  3. 3 Заполни CLAUDE.md под свой проект и прочитай ARCHITECTURE.md
  4. 4 Создай первый цикл через скилл-скаффолдинг

Сценарии применения

Как разные люди применяют это на практике

Я как основатель SaaS-стартапа в одиночку

Проблема: Поддержка, SEO и баг-фиксы съедают всё время, нанимать некого

Хочу: Закрыть рутину автономными агентами, оставив себе только важное

Поможет: Понять, как завести support-цикл (отвечает на тикеты, логирует фрикшены) и связать его с разработкой через общие сигналы — реальная схема из компании автора

Я как разработчик в монорепо-команде

Проблема: Агент постоянно лезет в legacy-папки и путается, где что менять

Хочу: Сделать кодовую базу так, чтобы агент сам находил нужное и не ломал правила

Поможет: Забрать приёмы legible/executable/verifiable: AGENTS.md-индекс, custom lint, dev.local-скрипт, worktree-friendly окружение

Я как тимлид, внедряющий агентов

Проблема: Агенты дают сырой код и проверяют сами себя — доверия нет

Хочу: Встроить надёжную верификацию в процесс

Поможет: Взять паттерн: PR-skill + отдельный read-only verifier-агент + Playwright-клипы в PR + e2e на критичных флоу

Я как маркетолог в продуктовой компании

Проблема: SEO, реклама и продукт работают разрозненно, инсайты теряются

Хочу: Чтобы находки одного направления автоматически помогали другим

Поможет: Увидеть, как ads-цикл, нашедший кликабельный ключевик, кормит SEO-цикл через общие сигналы — компаундинг между отделами

Я как продакт-менеджер

Проблема: Обратная связь от клиентов разбросана и не превращается в задачи

Хочу: Систему, где фрикшены и идеи копятся и приоритизируются сами

Поможет: Понять модель «сигналов»: каждый цикл логирует продуктовые идеи в общую папку, а продуктовый цикл их подхватывает и приоритизирует

Я как фрилансер на нескольких проектах

Проблема: Не успеваю вести параллельную работу руками по одному заданию

Хочу: Поднять несколько агентов, работающих одновременно без конфликтов

Поможет: Узнать про worktree-friendly кодовую базу и триггеры, чтобы 5 агентов работали параллельно, каждый верифицируя свою работу

Я как автоматизатор / DevOps-инженер

Проблема: Хочу автономные процессы, но боюсь, что агент молча всё сломает

Хочу: Триггеры и гейты проверки, которым можно доверять

Поможет: Разобрать связку cron/webhook-триггеры + e2e на критичных флоу (upgrade, sign-up) + verifier-агент как точки контроля

Я как контент-маркетолог

Проблема: SEO-страницы пишутся вручную и медленно, на анализ данных нет времени

Хочу: Автоматизировать публикацию контента под реальный спрос

Поможет: Увидеть пример SEO-цикла: каждое утро тянет данные, исследует темы, публикует страницы и сам помечает конверсионные провалы как сигналы

Логика повествования

Как устроена аргументация видео — пройди по шагам

Предпосылка Аргумент Пример Вывод
  1. Предпосылка Парадигма сменилась: вы не промптите агента, а проектируете циклы 0:25

    Самая горячая тема недели: вместо ручного промптинга кодинг-агента вы проектируете циклы, которые сами их запускают.

  2. Аргумент Термины — это слои техник под рост возможностей моделей 1:46

    prompt engineering (2023, простые задачи) → tools и большие контекстные окна (2024) → длинные задачи, кросс-сессии и harness (конец 2025). Каждый термин — кластер техник под новый уровень использования LLM.

  3. Аргумент Harness = всё «не-модель»; в нём есть внутренний и внешний loop 4:45

    Harness (термин LangChain) делится на оптимизацию agent loop (как закрыть задачу) и loop engineer (как решить, что делать). Loop engineer — среда из триггеров, состояния и логов.

  4. Пример Пример: support-цикл каждые 30 минут разбирает тикеты и логирует фрикшены 6:16

    Агент просыпается по cron, отвечает на необработанные тикеты, складывает идеи и фрикшены в папку signals. Ещё мощнее — когда он триггерит кодинг-агента и чинит баг сам.

  5. Аргумент Несколько циклов с общей памятью усиливают друг друга 6:26

    Support, SEO и ads пишут в общие сигналы: жалоба кормит разработку, кликабельный ключевик кормит SEO. Все работают на один «мозг» — отсюда компаундинг.

  6. Аргумент Четыре ингредиента: триггеры, файловая структура, инструменты, agent-friendly код 8:53

    Самое важное — дизайн файловой структуры; самое упускаемое — кодовая база, где много агентов работают параллельно и каждый верифицирует свою работу.

  7. Аргумент Кодовая база должна быть legible, executable, verifiable 9:22

    Понятная (AGENTS.md + custom lint), исполняемая (dev.local, worktree-friendly) и проверяемая (Playwright CLI, e2e, read-only verifier вместо self-verify).

  8. Вывод Вывод: начни с agent-friendly кодовой базы и готового шаблона 12:42

    Сначала сделай так, чтобы агент мог сам верифицировать работу (полезно даже без циклов), заведи три уровня файлов и используй loop-engineer-template для старта.

Подробный разбор

Полный разбор — разверни, если нужно глубже

Развернуть подробный разбор

AI Jason открывает видео сценой: в час ночи в их кодовую базу сами собой прилетают pull request-ы, а отдельный Go-loop два дня подряд выдаёт по 20–40 SEO-страниц, гонящих трафик, — и всё это без того, чтобы он сидел над агентом. Это и есть loop engineer — самая обсуждаемая на той неделе тема: вы больше не промптите кодинг-агента вручную, а проектируете циклы, которые сами его запускают.

Откуда взялся термин

Автор аккуратно разматывает историю последнего года как слои техник под рост возможностей моделей. В 2023-м (GPT-3.5/4) задачи были простыми — task completion, отсюда prompt engineering. В середине 2024-го выросли контекстные окна и появились инструменты (MCP) — модель сама решает, что делать в цикле вызовов. К концу 2025-го агентам стали поручать длинные задачи на 30 минут — 2 часа и кросс-сессионную работу, где состояние нужно хранить в файловой системе между сессиями. Здесь и появляется harness — по определению LangChain, «всё, что не-модель». Внутри harness автор выделяет две части: внутренний agent loop (как агент хорошо закрывает одну задачу) и внешний loop engineer (как система решает, ЧТО вообще делать).

Главная идея: общая память даёт компаундинг

Самое ценное в видео — не отдельный цикл, а то, что несколько циклов начинают усиливать друг друга. В компании автора есть support-цикл (каждые 30 минут разбирает тикеты, отвечает, логирует фрикшены), SEO-цикл (каждое утро тянет данные и публикует страницы) и ads-цикл. Все они пишут в общую папку signals — MD-файлы с идеями, фрикшенами и упущенными возможностями. Жалоба, замеченная в поддержке, кормит разработку; кликабельный ключевик из рекламы кормит SEO. Все циклы работают на один общий «мозг» — отсюда эффект компаундинга, ради которого вся конструкция и строится.

С чего начать на самом деле

Контринтуитивный, но самый практичный совет: начинать не с модных циклов, а с agent-friendly кодовой базы. Она должна быть legible (AGENTS.md-индекс + custom lint, чтобы агент знал, где что менять и не нарушал конвенции), executable (один скрипт поднимает dev-сервер, окружение worktree-friendly для параллельных агентов) и verifiable (Playwright CLI с видео-клипами в PR, e2e на критичных флоу, а главное — отдельный read-only verifier-агент, потому что давать агенту проверять самого себя «просто плохо работает»). Это полезно само по себе, даже если до циклов вы так и не дойдёте.

Дальше — три уровня файловой памяти: artifacts (docs/signals/tasks, каждый со своим README и схемой), loop contract (README домена с целью, workflow и timeline) и глобальный LOG.md, который агент читает перед стартом и дописывает после. Практический рецепт автора прост: соберите первый цикл (например, support) вручную как тест-прогон, откалибруйте workflow, и только потом просите создать contract и ставьте цикл на расписание. Готовый каркас со всеми лучшими практиками автор выложил в репозитории loop-engineer-template — его можно скопировать и стартовать.

План внедрения

С чего начать — отмечай шаги, прогресс сохранится

Выполнено 0 из 8

Проверь себя

Ответь на вопросы, чтобы материал закрепился

Отвечено: 0 / 8 Верно: 0

  1. 1. Что AI Jason называет «loop engineer»?

  2. 2. Что такое harness в определении из LangChain, которое приводит автор?

  3. 3. За счёт чего, по автору, циклы начинают усиливать друг друга (эффект компаундинга)?

  4. 4. С чего, по мнению автора, реально стоит начать — даже если циклы вы пока не пишете?

  5. 5. Почему автор не даёт агенту проверять собственную работу?

  6. 6. Что значит «executable» кодовая база в контексте видео?

  7. 7. Какие три типа файлов автор называет хорошим уровнем абстракции для общей памяти?

  8. 8. Что автор советует сделать ПЕРЕД тем, как ставить цикл на расписание?

Словарь терминов

Понять незнакомое простым языком

Показать 14 терминов
Loop engineer (инженер циклов)
Подход и роль: вместо ручного промптинга агента вы проектируете «внешний слой» — триггеры, общую память и логи, чтобы агенты сами просыпались, находили работу и делали её. По автору — это то, что решает, ЧТО делать, в отличие от agent loop, который решает, КАК закрыть конкретную задачу.
Harness (харнесс)
По определению из LangChain — всё «не-модель» вокруг LLM: промпт-инжиниринг, управление контекстом, оркестрация, хуки, окружение. Делится на внутренний agent loop и внешний loop engineer.
Agent loop (цикл агента)
Внутренняя часть: как агент (Claude Code, Codex) хорошо закрывает одну поставленную задачу — вызывает инструменты, получает ответы и крутит цикл, пока не сочтёт задачу выполненной.
Триггер (trigger)
То, что «будит» агента: расписание (cron), вебхук (например, инцидент на сервере) или другой агент. Заменяет ручной запуск человеком.
Signal (сигнал)
MD-файл в общей папке, где циклы фиксируют продуктовую идею, фрикшен или упущенную возможность (например, «многие просят экспорт файлов»). Любой цикл может создать сигнал, а другой — подхватить.
Artifact (артефакт)
Выход работы агента в виде файла в общей памяти: docs, signals, tasks, tickets, campaigns. Каждый тип лежит в своей папке с README — схемой и правилами, что туда входит, а что нет.
Loop contract (контракт цикла)
README домена/цикла, описывающий его цель (goal), рабочий процесс (workflow), границы, список задач (backlog) и timeline сделанного. Цикл читает контракт при каждом пробуждении, чтобы понять, что делать.
Legible codebase (понятная кодовая база)
Кодовая база, в которой агент легко понимает, где что менять: индекс AGENTS.md со ссылками на доки + custom lint-правила, подсказывающие о нарушениях прямо при написании кода.
Custom lint (кастомные правила линтера)
Программные правила проверки кода под ваши конвенции (например, запрет импорта из legacy-папок). Способ «зашить» нужный контекст в инструменты, чтобы агент узнавал об ошибке автоматически.
Worktree-friendly
Свойство кодовой базы, при котором несколько агентов работают параллельно, каждый в своём git worktree, и могут одновременно поднимать dev-сервер и тестировать без конфликтов.
Verifier-агент (read-only)
Отдельный агент только для проверки, которого спавнят перед сабмитом PR с детальным спецом. Нужен потому, что давать агенту проверять собственную работу «плохо работает».
Playwright CLI
Инструмент, дающий агенту управлять браузером и записывать видео-клипы прохождения сценария. Клип прикрепляется к PR, чтобы человеку было легко увидеть, работает ли фича.
AGENTS.md
Файл-индекс в корне проекта (по примеру OpenAI), который кратко ссылается на остальную документацию, чтобы агент прогрессивно докапывался до нужной информации.
LOG.md (глобальный work log)
Один общий файл, куда каждый агент дописывает итог крупной порции работы, а перед стартом читает последние 5–10 записей — чтобы понимать, что происходило в других доменах.

Критический взгляд

Объективно: с какими тезисами можно поспорить и что преувеличено

Преувеличение

Go-loop два дня подряд сам выдаёт по 20–40 «extremely high-quality» SEO-страниц без присмотра человека

Это ровно тот паттерн, который Google с марта 2024 классифицирует как scaled content abuse: массовая генерация страниц ради манипуляции выдачей наказывается понижением или выкидыванием из индекса вне зависимости от того, ИИ их написал или человек. 40–80 страниц за выходные «без меня» — скорее риск, чем достижение; «high-quality» здесь оценивает сам автор, а не пользователи и не метрики удержания.

Однобоко

Support-loop каждые 30 минут сам ходит в Intercom, Stripe, Supabase и Render и может «spawn agent fix directly» по найденным багам

Индустриальная практика безопасности (Stripe, Coinbase, Ramp, рекомендации по zero-trust) прямо требует НЕ давать автономным агентам прод-доступ и сетевую свободу. В кейсе Replit 2025 агент с валидными правами удалил живую прод-базу. Автор показывает обратное — выдачу боевых ключей к платёжным и пользовательским данным циклу, который просыпается по cron, — и не разбирает ни prompt injection через тело тикета, ни аудит, ни лимиты.

Спорно

Несколько циклов с общей памятью «компаундятся» и усиливают друг друга — это и есть главная ценность

Компаундинг показан как нарратив об одной компании автора, без цифр: нет ни до/после по выручке, конверсии или времени, ни контрольной группы. С тем же успехом общая папка сигналов может компаундить ошибки — один неверный «сигнал» расходится по SEO-, ads- и product-циклам и закрепляется. Эффект заявлен, но не измерен.

Однобоко

Видео фактически продаёт три продукта автора (skill «setup codebase harness», репозиторий loop-engineer-template, платный AI builder club) под видом разбора методологии

Ключевые «как сделать» места обрываются на «если хотите глубже — приходите на платный воркшоп». То есть самое сложное (реальная настройка триггеров, изоляция, безопасность, обработка сбоев) выведено за пейволл, а в бесплатной части остаётся концепт и демо. Это не совет, а воронка; стоит читать соответствующе.

Преувеличение

«Больше не надо промптить агента — надо проектировать циклы, которые сами его промптят» (loop engineer как новый уровень)

Подаётся как смена парадигмы, но по сути это переименование давно известных вещей: cron/webhook-триггеры, очередь задач, общий стейт и оркестрация. «Harness = всё не-модель» (LangChain) — настолько широкое определение, что почти ничего не объясняет. Терминологическая новизна («самое горячее, о чём все говорили на прошлой неделе») преувеличена.

Упрощение

Read-only verifier-агент вместо self-verify решает проблему проверки работы агента

Верный, но недосказанный тезис: проверяющий агент — это та же LLM с теми же слепыми зонами, он тоже галлюцинирует и может «подтвердить» сломанное. Вопрос «кто отвечает, когда и исполнитель, и верификатор ошиблись, а PR ночью смёржился» в видео не поднимается. E2e и Playwright ловят регрессии в заранее описанных флоу, но не новые классы ошибок.

Взгляни иначе

Новый угол, смежные области и потенциал на стыке — пища для размышлений

Другой угол

Узкое место — не агент, а ревью человека

Если 5 циклов ночью генерят PR-ы и SEO-страницы, бутылочное горлышко смещается на человека, который должен это проверить. Возможно, главный навык «loop engineer» — не запускать больше циклов, а проектировать дешёвую и быструю проверяемость вывода; иначе вы просто переносите работу с написания на разгребание.

Другой угол

Общая память — это не только усилитель, но и разносчик ошибок

Папку «сигналов» автор показывает как мозг, который компаундит пользу. Но та же архитектура компаундит и мусор: один ложный сигнал распространяется по всем циклам и самоподтверждается. Полезнее думать о ней как об эпидемиологической системе — нужны карантин, срок годности сигналов и проверка источника, а не только запись.

Смежная область

То же самое — но в науке, ops и личных финансах

Паттерн «триггер → исследование → запись в общий лог → приоритизация» не про код. Лаборатория может гонять циклы анализа литературы и предложения экспериментов; SRE-команда — циклы расследования инцидентов; даже личные финансы — цикл, который раз в неделю помечает аномалии. Ценность концепта проверяется тем, переносится ли он за пределы маркетинга.

На стыке областей

На стыке с теорией надёжности: агентные циклы как control loop

Loop engineering буквально просит инструментов из теории управления и SRE: обратная связь, демпфирование, защита от раскачки, kill-switch, error budget. На пересечении автономных агентов и control theory рождается дисциплина «когда цикл надо тормозить», которой в хайповой подаче почти нет.

Другой угол

Интернет, где контент пишут циклы для циклов

Если все начнут публиковать по 20–40 авто-страниц в день, выигрыш от SEO-цикла обнуляется (это гонка вооружений), а поисковики ужесточат фильтры — и преимущество достанется тем, у кого есть то, что цикл сгенерить не может: проприетарные данные, реальный опыт, репутация. Стоит делать ставку на дефицитное, а не на масштабируемое.

На стыке областей

Главный актив — не циклы, а схема артефактов

Реально переносимая часть подхода — не cron-триггеры, а строгая онтология артефактов (signal/task/ticket/doc со схемой, процессом и таймлайном). Это, по сути, knowledge graph предприятия в виде файлов. На стыке с data engineering и онтологиями такая «agent-native схема компании» может оказаться ценнее самих агентов, которые её наполняют.

Похожие разборы

Разбор

Циклы вместо промптов: новая парадигма вайбкодинга по Theo

Theo переходит от ручного промптинга агентов к «циклам», которые сами запускают агентов, ревьюят и итерируют код без участия человека. Главный поворот: бóльшая часть запусков должна идти по промптам, которые вы НЕ писали, — а агент может динамически создавать циклы, порождающие подциклы под конкретную задачу.

Читать → Разбор

AI-агенты, работающие 24/7: как собрать автоматизацию без кода на Base44 Superagents

Видео показывает, как на платформе Base44 Superagents собрать связку агентов, которые сами ищут новости, пишут скрипты и шлют их на почту по расписанию — описывая всё обычным текстом, без программирования. Главная идея — не один гигантский промпт, а конвейер из узких агентов с ролями, выполняющийся 24/7 в облаке.

Читать → Разбор

Хорошие части Claude Code: что Theo хочет «украсть» у Anthropic для всех CLI-агентов

Theo (t3.gg), который открыто недолюбливает Anthropic, разбирает фичи Claude Code, делающие его лучшим агентным CLI прямо сейчас. Поворот в том, что он показывает это не ради рекламы, а чтобы остальные harness'ы (Codex, pi, opencode, Cursor) скопировали эти паттерны.

Читать → Разбор

Вайбкодинг против реальности: как инженер собрал микро-бизнес на ИИ и почему «навык» теперь легко подделать

Внешне простая задача «кропнуть фотку» под капотом оборачивается десятком нейронок, ручным контролем рефандов и войной за токены, а сам сервис может в одночасье потерять выручку из-за апдейта Google. Главный вывод: ИИ обесценил внешние атрибуты навыка — код, тесты, красивые PR теперь генерируются за минуту, а ценным остаётся понимание, которое нельзя сымитировать.

Читать →
← Все разборы Смотреть видео-источник