// 技术分享 · 2026 年 6 月 13 日

从实习面试
到 Agent 开发

聊聊 AI 行业,这一年到底在发生什么

> 这一年,新名词冒出来的速度,比模型更新还快。

分享人 Joye · joyehuang.me · AI Agent & Full-Stack Dev

joye@2026: ~/talk

joye@2026 ~/talk $ ./start

> 一年,新名词换了五拨

> 与其追新闻,不如看懂底层

> 今天,只讲那个不变的

> whoami

我是 Joye

AI Agent & Full-Stack Developer

这一年我主要在干两件事:面了 100+ 个 AI 岗、攒了 30+ offer;以及白天在 Tezign、fAIshion、AixCut 搭 agent 和 AI 全栈,晚上捣鼓自己的常驻个人 agent。

面试和开发两头都在踩坑 —— 所以今天讲的全是一手的,不是二手转述。

> 今天聊什么

这一年最强的体感:
名词,刷新得太快了

不管找实习还是做 agent,焦虑都一样 —— 要学的像 DDL 一样越堆越高。今天把它拆成四个维度来看:

01这些名词到底在讲什么
Prompt → Loop

02我怎么不被它们淹没

03怎么有目的地学、上哪找信息

04真正的护城河:
主动性,不是知识

~/talk $ open 01

01

AI 名词这一年

从 Prompt Engineering,到这周的 Loop Engineering。

> 名词迭代

四年,五拨说法 —— 而且越换越快

'22 – '23

Prompt Engineering

把一句话写好 · 随 GPT-3 / ChatGPT 普及

Prompt Guide

'25.6

Context Engineering

管好模型"看到的一切" · Tobi Lütke 提出 · Karpathy 推火

Karpathy

'25

开源 Agent 浪潮

框架遍地开花 · LangChain · Goose 等

deepagents

'26 初

Harness Engineering · 驾驭工程

给模型套上"脚手架" · OpenAI Codex × Anthropic

Codex Anthropic

这周 · '26.6

Loop Engineering

别再手动 prompt,去设计"循环" · Steinberger 引爆 · Osmani 命名

原推 Steinberger

前两拨用了三四年;后三拨,全挤在这一年里。连腾讯两周前那份 3 万字报告,都还停在「驾驭工程」—— Loop 是这周才冒出来的。

> 看出规律了吗

工程的"对象",一直在向外扩

模型

Prompt
怎么问
Context
模型看到什么
Harness
模型在什么环境里干活:工具 · 记忆 · 校验
Loop
怎么驱动它:何时行动 · 停止 · 重试

模型基本没变,变的是你下手的"那一圈" —— 词 → 上下文 → 环境 → 机制。

> 这不只是炒作

同一个模型不换,
只改外面那圈

LangChain 的 coding agent,模型(gpt-5.2-codex)一行没动,只重做 harness,在 Terminal-Bench 2.0 上从 Top 30 开外冲进 Top 5。约等于白嫖了一整代模型的进步。

「Agent = 模型 + Harness。
模型之外的一切,都是 harness。」— LangChain · Vivek Trivedy

来源LangChain Blog 原榜单 Terminal-Bench

52.8%

66.5%

改之前
Top 30 开外只改 harness
冲进 Top 5

+13.7 分 · 模型完全没变

> 名词的本质

换的是名字,做的是
同一件事:Agent Engineering

让一个 agent 更稳、让体验比直接用 ChatGPT / Claude 更好 —— 这件事一直没变。

而且上一层从没消失,只是变成了下一层的一个零件。Prompt 没死,它成了 Loop 里的一个组件。

Loop

Harness

Context

Prompt

~/talk $ open 02

02

为什么我不焦虑

焦虑的根源是"未知";解药是"搞清楚它是什么"。

> 焦虑从哪来

不是名词太多,
是你"囤着却不看"

新名词像 DDL 一样越堆越高,但大多数人只是把它们囤着,从不花时间真正搞懂。

于是堆起来的,不是知识,是未知。 焦虑就是这么来的。

RAG ?

MCP ?

Context Engineering ?

Harness ?

Loop Engineering ?

未读 · 还在涨

my-agent

你这 "Loop Engineering" 是啥?

agent

> 我的做法

看到新东西,
先丢给我的个人 Agent

碰到一个没见过的名词、一条推、一篇博客,先扔给自己的个人 Agent,让它帮我过一遍、讲清楚这是什么。

就算当下没空细读,光看它的解读,我也大概知道这东西是个啥了 —— 这就够了。

> 关键

知道它是什么,未知就不再吓人

诀窍是:别问"它是什么",问"它跟我已经在做的有什么不同"。搞懂之后,新名词自然就归了位 ——

新名词 ?

→

真东西,值得追

其实我早就在做

纯炒作 · 跳过

分得清这三类,你就不会被每个新词牵着走了。

~/talk $ open 03

03

怎么学 & 上哪找

学得有目的,信息找对源头。

> 先看 JD

学新东西,第一步
不是学,是扒 JD

我学东西挺功利的 —— 奔着就业、也奔着把东西做出来。上手一个新方向,我先扒一堆 JD,看这行在用哪些术语。知道了术语,你搜东西、跟 AI 聊,才问得准。

顺带一句:第一手信号在 X 和官博(OpenAI / Anthropic),公众号大多是二手。

JD · AI / Agent Engineer

熟悉 Agentic RL / RLHF

用过 LangGraph、Claude Agent SDK

熟悉 Vercel AI SDK / Sandbox

做过 agent eval 与 harness 调优

↑ 高亮的,就是你要先搞懂的术语

> 一个常见的坑

别让 AI 从零教你一个新领域

坑在于:你没基础,AI 给的你判断不了对错;它还会顺着你。反过来做,才学得对。

✕从零让 AI 教

让 AI 直接给一份"学习路线" ↓ 你没基础,判断不了对错 ↓ 它还顺着你 → 越学越歪

✓先抓一手

扒 JD / 让它荐几篇好博客 ↓ 自己读原文,建立"唯一真相" ↓ 卡住了,再带具体问题问它

> 让 agent 替你跑腿

体力活,交给 agent

与其每天刷信息,不如让自己的 agent 当过滤器 —— 你只接收筛过的那部分。

每天的信息洪流

RSS · 论文 · 推 · 公众号

→

你的 Agent 替你跑腿

自动抓取 · 过滤噪音 · 看代码库

→

到你手上的

少量 · 干净 · 值得读

小技巧:判断一篇论文值不值得追,先看它有没有开源代码库 —— 简单粗暴,但很好用。

> 真正实用的那种

一个常驻 Agent,把你所有 App 变成遥控器

这就是 OpenClaw 的架构:一个跑在你机器上的常驻"网关",把你已经在用的 App 变成指挥它的入口;它有持久记忆、上百个技能,还带"心跳"会自己定时醒来帮你跟进邮件和日程。

~/talk $ open 04

04

主动性才是护城河

知识被打成白菜,人的价值在别处。

> 知识不值钱了

知识是白菜,判断和品味才是护城河

CONTENT

fact-based 的知识 · AI 能批量生产 · 越来越像白菜

CONTEXT

你的判断 · 你的品味 · 你走过的路 —— AI 替不掉的那部分

腾讯报告说得直接:AI 替代的是"你被雇佣的理由";Dan Koe 说得更狠 —— 我们要做的是 context creator,不是 content creator。

延伸Dan Koe 腾讯研究院

> 这时代最稀缺的

赢的人,不一定最懂技术
但一定最主动

AI First

AI 是工作的默认起点

能力跃迁

量级提升 + 跨域闭环

主动探索 ←

主动找 AI 的能力极限

影响力溢出

让团队一起变快

腾讯把"超级个体"拆成这四点 —— 我实习的特赞,创始人范凌就说:用 AI 最好的不是研发,是 PM 和设计师。

来源腾讯研究院《超级个体时代》

> 强制输出

把学习痕迹公开,变成一个循环

别只输出知识,输出你的判断、踩坑、路径(也就是 context)。关键是它是个 loop —— 公开之后,要么收到反馈、要么直接开始下一个,又回到起点:

> 为什么这是好事

迭代越快,起跑线越平

没人有"10 年 Loop Engineering 经验"。最资深的人和你,这周读的是同一条推。

新赛道 · Loop Engineering(这周才有)

资深工程师 · 10 年经验

你 · 应届 / 在读

资历会过期,好奇会复利 —— 弯道超车,就这么来的。

来源腾讯研究院

> 弯道超车,具体怎么切

太新了,所以"测评"
几乎是空白

Vercel 这周(6/12)的 AI SDK,让你像换模型一样换 harness —— Claude Code / Codex / Pi,一个 API,各跑各的沙箱。harness 已经被官方做成了标准化的工程层。

但正因为太新,几乎没人系统测评过。现在就开始做测评 —— 哪怕只是给自己的项目建一套 —— 就是最实在的切入点。

来源Vercel Changelog

vercel · ai@canary

const agent = new HarnessAgent({
  harness: claudeCode,   // 也可换 codex / pi
  sandbox: createVercelSandbox(),
});

> 最后

把焦虑,换成两个动作

01

造一个真东西

哪怕只是个很小的 agent,先让它碰到真实问题

02

公开你的学习痕迹

blog · 小红书 · GitHub —— 输出 context,不只是 content

名词一直在变 —— 你只需要一个,
能一直跑下去的系统。

谢谢 · Q&A | Joye · joyehuang.me

从实习面试到 Agent 开发