知鸦日报2026-06-23

AI编程的瓶颈常在于模型外的“壳”（Harness）。通过Rules、Hooks等工程架构，能大幅提升模型表现。核心是双环控制：前馈约束与反馈修正。优化配置与Token成本，可让AI更可靠高效。

印章识别能自动提取印章文本，解决人工审核成本高的问题。技术难点在于文字形状任意、遮挡严重、排版多样。主流方案包括：文本检测加识别、端到端检测识别，以及直接序列预测。其中，端到端方案更高效，序列预测方案能处理复杂印章，但需大量数据防过拟合。

AI编程效率瓶颈在于大模型注意力机制限制、上下文膨胀与协作模式不匹配。核心解法是外置“DeepResearch”Agent，分离上下文准备与编码执行，通过多模态输入、结构化任务、持久化分析减少人工干预，实现真正提效。

知乎团队迁移Spark作业到Gluten引擎，经历多次尝试后成功迁移2446个作业，资源消耗平均降低40%以上。迁移中解决了大量数据一致性、性能与稳定性问题，包括GCC优化Bug、JSON函数差异、Parquet版本兼容等。未来计划优化剩余失败作业，并探索数据同步、Flink迁移。

Loop Engineering 是围绕大模型构建自主循环的AI编程新范式，让你从操作者升级为监督者。其核心是“状态外置”与“对抗验证”，通过Discover-Plan-Execute-Verify-Iterate闭环，实现AI从单次响应到长期自治代理的质变。