Loop Engineering 是一种新兴的 AI 设计理念，通过自动化和智能体协作，简化用户与 AI 的交互。用户只需用自然语言表达需求，AI 负责执行任务，减少传统提示词设计工作。该方法强调记忆和多智能体协作，以实现高效的自动化生产线，预计将在未来得到广泛应用。

文章总结了香港大学的OpenHarness框架，涵盖智能体引擎、工具与权限控制、记忆与技能，以及智能体协作与扩展等核心概念。

到2026年，传统软件工程转型为“后台监工”，手工逻辑被自动化取代，AI在工业领域依然依赖确定性逻辑。软件架构演变为智能体协作，程序员角色变为场景工程师，专注于将复杂问题转化为AI可理解的语义单元，传统软件工程成为一种更纯粹的逻辑治理学科。

本文探讨如何将 AI Agent 集成到工作流中，利用 TurnToken 机制实现智能体协作。Executor 执行确定性逻辑，而 Agent 进行概率性推理。通过 WorkflowBuilder，可以轻松添加 Agent，构建复杂工作流，支持多级翻译任务。TurnToken 控制 Agent 的执行时机，提高工作流的灵活性和可视化效果。

本文介绍了多智能体强化学习中的价值分解网络（VDN），通过将全局价值函数分解为各个智能体的局部价值函数之和，解决了独立学习方法的不足，促进了智能体之间的协作。文章讨论了VDN的核心框架、实现方法及其在训练中的应用，强调了权重共享、角色信息和信息通道等技巧，以提高学习效率和策略的泛化能力。