Prompting 基本结束？Anthropic 的 Cat Wu 用 10 分钟从空终端搭出自我改进系统

Solen 转发了一段 Cat Wu 的现场演示。Solen 的推文称她为 Anthropic 工程师，视频屏幕写的是 Cat Wu Product Manager。她在演示里给出一句判断：“Prompting is basically over”。她称团队里 95% 的工程师已经在跑自我改进循环，下一步是 graphs。然后她用 10 分钟，从空终端现场搭完 Claude Code setup，路径是 Empty Terminal → Agents → Loops → Graphs → Self-Improving System。

演示的重点在流程。很多人对 AI 编程的理解还停在写提示词，问一句答一句。她把这个过程拆成系统：agent 接工具，循环反复执行和检查，图把多个步骤组织起来，最后让系统根据结果改进。Solen 的推文写得更直接：提示词是旧办法，围绕模型做系统工程是新办法。这个判断有推广语气，但方向不新。单独写提示词仍然有用，多步骤任务靠它很难稳定。

对没有开发背景的读者，loops 可以理解成让 agent 反复执行、检查、再执行。graphs 可以理解成把多个步骤和依赖关系画成流程，避免所有事挤在一条直线里。有回复提到，只批准最后一步，会让 agent graph 有更多实验空间。也有回复提醒，agent loops 是 productivity killers 之一。循环缺评估和批准环节，容易空转。这个提醒比术语本身更有用。

Solen 称这套演示比大多数 1000 美元的 agent engineering 课程更值。视频里的空终端起步比成品截图更有参考价值，有回复喜欢这一点，理由是 setup 不再是 secret handshake。推文还链到 Hanako 的 Graph Engineering 指南，建议书签并观看视频，然后读指南。指南链接：http://x.com/i/article/2091485629452304385

会写 prompt 仍然是一个基础技能。循环、图、评估、批准这些系统层面的东西，决定 agent 能不能稳定交付。这场演示把门槛摆出来了：从空终端开始，能不能把一套 agent 系统搭起来，比会不会写一句漂亮提示词更接近实际工作。