從一個迴圈，長出一張地圖

Day2 建立了一個心智模型：一個 coding agent 收到任務之後，會不斷重複「看現況、想下一步、動手做、看結果」這四站，直到任務做完為止。

這張地圖不是憑空畫出來的，它就是把那個迴圈攤開、放大，看看每一站上面實際掛了哪些可以拆解的元件。往後三十天，幾乎每一篇要講的東西，都能在這張地圖上找到自己的位置——今天先把整張圖攤開來看一次，之後每拆一個元件，你都會知道「喔，這個是掛在迴圈的哪一站上」。

看現況：模型到底看得到什麼

迴圈第一站是「看現況」——模型每一輪開始前，會看到任務、歷史紀錄，還有專案本身給它的線索。這裡藏著幾個問題：

• 專案自己的慣例，agent 看不看得到？這就是 AGENTS.md／CLAUDE.md 這類檔案在做的事——把「這個專案該怎麼做事」寫成一份說明書，讓模型在動手之前先讀過。
• 除了寫死的說明書，agent 能不能按需要「多學一點」？這就是 Skills 在解決的問題——不是把所有規則一次塞給模型，而是讓它需要的時候才去查。

這一站決定了 agent 一開始站在什麼樣的起跑點上。起跑點對不對，很大程度決定了後面能不能做對。

想下一步：模型怎麼思考

第二站是模型判斷「現在該做什麼」的地方。這裡看不太到具體的「元件」，但看得到一些可以調整的旋鈕——比如模型願意花多少力氣想清楚再動手（也就是所謂的 thinking level），想得多不一定做得好，但通常會花更多成本，這中間的取捨是可以量出來的。

動手做：能用什麼工具、有沒有人看著

第三站是 agent 真正採取行動的地方，也是最直觀能感覺到「它在做事」的一站。這裡至少有三件事值得拆：

• 它手上有哪些工具：讀檔、搜尋、跑指令，這些內建能力決定了它能不能有效率地做事。拿掉其中一個試試看，就知道這個工具原來有多重要。
• 有沒有東西能擋下危險的動作：如果 agent 想做一件明顯不該做的事，有沒有機制能在它動手之前先攔下來？
• 它是在哪裡動手的：在你自己的電腦上直接跑，還是在一個隔離出來的環境裡跑？這決定了就算它做錯事，代價有多大。

看結果，然後呢：迴圈拉長之後的麻煩

第四站是把結果看回去，然後回到第一站繼續下一輪。但如果任務很長，迴圈跑了很多輪，會出現一個麻煩：每一輪都要把「目前為止發生的所有事」重新整包送給模型看一次，這包東西會越滾越大。

太大會有什麼問題？成本會爆增，而且模型不見得記得住那麼多細節。所以勢必要有一套機制，決定哪些歷史可以精簡、哪些必須留著——這也是後面要拆的一塊。

整條迴圈之外：怎麼看見、怎麼驗證

前面四站講的是迴圈「跑起來」的樣子，但還有一層是跳出迴圈之外，回頭看整件事的：

• 這一輪、這次任務，到底發生了什麼：如果沒有留下記錄，出了問題只能憑印象猜。把每一步都記錄下來，才有辦法事後回頭查。
• 怎麼知道「拿掉某個東西」真的有差：這系列從 Day1 就承諾，每一個「更好」的主張都要能被驗證，不能只憑感覺判斷。這代表要有一套可以重複執行、可以量出差異的測試方法，而不是跑一次看結果就下結論。

這一層不屬於迴圈本身的任何一站，但它是讓整個系列站得住腳的地基——沒有這層，前面拆的每個元件都只是紙上談兵。

整個系列大致的走法

如果把三十天攤開來看，形狀其實很像一篇研究論文：先花幾天把問題講清楚，接著花一天把量測的工具搭起來，然後進入第一輪一邊拆元件、一邊量測的循環；中段會把量測工具再升級一次，讓它能量得更細，接著進入第二輪拆解與量測；最後幾天收斂成一份完整的結論與清單。

不用記住確切是哪幾天做什麼，只要知道大方向是「先立地基、再搭儀器、然後邊拆邊量、中途升級儀器、最後收斂」，接下來每一篇讀起來就會知道自己現在站在系列的哪個階段。

明天

地圖有了，接下來一個自然的問題是：為什麼要用 Pi 這個工具，把上面這些元件一個一個拆開來看？Day4 會回答這個問題——答案的關鍵字是「極簡」，而極簡這件事，跟這系列能不能把每一個「為什麼」查清楚，關係比想像中更直接。