解读新的人工智能术语：循环、安全带、小队、爬山……天哪！
从循环工程到安全带、小队和开放重量，GitHub 播客详细介绍了开发人员对话中出现的人工智能术语。解读新人工智能术语的帖子：循环、安全带、小队、爬山……天哪！首先出现在 GitHub 博客上。
来自 GitHub AI 的官方动态，版本与适用范围以发布方说明为准。
GitHub AI · 查看官方发布中文机器翻译 · 原文附后
正文 · 来源原文
如今，由于人工智能工具不断引入新词汇，软件开发中突然出现所有新词汇，这可能会让人感到不知所措。
其中一些新词汇描述了人们新近追求的有用模式，其他词汇只是在已经存在的事物之上的奇特名称，还有一些在我们说话时仍在积极定义中。
在我们最新一集的 GitHub 播客中，Marlene Mhangami、GPS 和我讨论了开发人员现在正在学习的一些 AI 术语：循环工程、拉尔夫循环、小队、利用工程、爬山、前向部署工程师、封闭模型、开放权重和开源模型。
如果您是读者而不是听众，这里有一份指南，介绍这些术语的含义、它们为何重要以及如何思考它们。
请听下面的完整剧集！ 👇
循环工程：超越一次性提示
循环工程是围绕代理设计可重复系统的实践，而不是手动提示它们一次执行一项任务。
一个简单的例子：您不必每天早上要求代理检查新问题、总结问题并提出修复建议，而是创建一个按计划运行的循环。该循环可能会获取问题，将其传递给代理，验证输出，并升级任何卡住的问题。这是一项美化的人工智能原生 cron 工作。
拉尔夫循环：循环工程的强力表亲
拉尔夫循环是这种“循环”概念的一种实现：您给代理一项详细的任务，通常来自产品需求文档或规范，并让它继续工作，直到工作完成。
这可能很有用，特别是对于将大型任务分解为重复的计划-行动-检查周期。但另一方面，它也可能是昂贵且低效的，因为每次迭代都使用更多的令牌、更多的上下文和更多的计算。
循环工程的目的是使这种模式更加结构化，这样你就不会一直要求代理“再试一次”。精心设计的循环会添加技能、可观察性、验证、路由和检查点等原语。
小队、舰队和多代理工作流程
如果循环定义了工作流程，那么“小队”和“舰队”描述了多个代理如何参与该工作流程。
小队是一组具有不同角色的特工。它们通常反映了现实世界的团队。一个代理可能会计划，另一个代理可能会审查该计划，另一个代理可能会实施它，另一个代理可能会测试它，另一个代理可能会审查它。
舰队是指同时执行任务的并行代理。您可以让一个小队在舰队中并行或按顺序工作。
通过这种方式操作，不同的代理可以处理流程的不同部分，并且您可以使用特定技能对每个代理进行微调和专业化，以提高效率。
核心思想是并行化和专业化。不同的代理可以处理开发过程的不同部分，而不是由一个代理尝试完成所有事情。
线束：围绕模型的系统
除了模型生成的内容之外，线束是围绕模型的一切，使其在工作流程中发挥作用。
查看英文原文
Decoding the new AI lingo: Loops, harnesses, squads, hill climbing… oh my!
From loop engineering to harnesses, squads, and open weights, the GitHub Podcast breaks down the AI terms showing up in developer conversations. The post Decoding the new AI lingo: Loops, harnesses, squads, hill climbing… oh my! appeared first on The GitHub Blog .
正文 · 来源原文
It might be overwhelming to see all of the new vocabulary popping up in software development these days thanks to AI tools introducing them… all the time.
Some of this new vocab describes useful patterns that people are newly pursuing, others are just fancy names on top of things that already exist, and some are still actively being defined as we speak.
In our latest episode of the GitHub Podcast, Marlene Mhangami, GPS, and I talked through some of the AI terms developers are learning right now: loop engineering, Ralph loops, squads, harness engineering, hill climbing, forward deployed engineers, closed models, open weights, and open source models.
If you’re a reader instead of a listener, here’s a guide to what those terms mean, why they matter, and how to think about them.
Listen to the full episode below! 👇
Loop engineering: Moving beyond one-shot prompts
Loop engineering is the practice of designing repeatable systems around agents, instead of manually prompting them for one task at a time.
A simple example: instead of asking an agent every morning to review new issues, summarize them, and propose fixes, you create a loop that runs on a schedule. That loop might fetch issues, pass them to an agent, validate the output, and escalate anything that gets stuck. It’s a glorified AI-native cron job.