本文提出“循环工程”概念：与其手动逐次提示编码智能体，不如设计一个自动化系统——由调度任务、工作树隔离、技能定义、插件连接和子智能体审查组成的循环，让智能体自主发现工作、执行并验证。作者对比了Codex与Claude Code两个工具中这五个组件的具体实现（如自动化的`/goal`命令、基于`SKILL.md`的技能系统、通过`git worktree`实现的隔离），并强调状态持久化（Markdown文件或Linear看板）是循环稳定运行的关键。核心洞见是：循环设计比提示工程更难，因为软件工程师的角色从操作者转变为系统设计师，同时仍需承担验证质量、维护理解力、避免认知屈服的责任。
Supermemory 是一套为 AI 应用和 Agent 设计的记忆与上下文引擎，提供 API、MCP 服务、浏览器插件和 Web 应用。它解决了大模型对话间记忆丢失的问题，能自动从对话中提取事实、构建用户画像、处理知识更新和矛盾，并支持智能遗忘过期信息。项目集成了混合搜索（RAG+记忆）、文件解析和多款 SaaS 连接器，让开发者用单一接口即可为应用注入持久化、个性化的上下文能力。适合正在构建 AI Agent、需要完整记忆层的工程师，也适合希望个人 AI 工具具备跨会话记忆的用户。
Hermes Agent 是一个自我完善的 AI 智能体框架，内置学习闭环：它从对话中提取技能、持续优化、自动管理记忆，并通过统一网关在 Telegram、Discord、CLI 等多个平台提供一致的交互体验。支持任意 LLM 后端，可部署在低成本 VPS 或 serverless 环境上，闲置时几乎零成本。内置 cron 调度、子智能体委派等功能，也提供批量轨迹生成用于语言模型训练。适合需要长期运行、自主调度的工程师和研究者。