Vibe Coding撞墙了？换个思路治好AI编程的「局部失忆」

在 Vibe Coding 彻底降低开发门槛的今天，大家都在经历一个奇特现象： 让一个 Coding Agent 去现有的项目里改个代码 Bug、或者补个 API 接口，前 3 轮的交互体验往往极其惊艳。它能读仓库、找文件、迅速写出第一版 Diff，甚至顺手把测试也跑了。

但只要任务的上下文稍微拉长、复杂度提升，大部分开发者就会陷入一种极其痛苦的 “调试黑洞”： Agent 在某一轮跑测试挂了，它开始失去方向，在聊天窗口里疯狂修改代码、高频道歉、连续输出 5 轮新 Diff。到了第 10 轮，你深吸一口气，发现它不仅彻底忘记了最开始的目标，甚至开始原地打转，把第 2 轮已经修好的 Bug 又改了回去。

最后，整个会话里塞满了报错和垃圾日志，环境噪声极高。面对这个开始胡言乱语、原地打转的 Agent，为了不继续浪费 Token，你不得不手动切断并新建一个会话。但这时候你面临一个更崩溃的现实 —— 你必须把过去一小时发生的事情、改了哪些文件、卡在哪个测试点，重新用自然语言给新 Agent 完整地拼凑一遍。

这也是目前 AI 编程工具在大规模真实工程中落地的最大瓶颈：现在的 Agent 将所有的工程线索和垃圾噪音都一股脑扔进 Chat Context 里，缺乏一层独立、结构化的 Engineering State 来做隔离与控制。

为了打破这个瓶颈，Valkor 联合浙江大学智能计算与软件研究中心、伦敦大学学院（UCL）软件工程团队正式推出并开源了 loom。

代码仓库：https://github.com/valkor-ai/loom

Loom 关注的是 AI 已经能够生成代码之后，如何让复杂的软件任务在真实工程流程中持续推进、可验证、可恢复地走完。

Claude Code、Codex 之后，

AI 编程还缺什么？

过去一年 Code 模型的能力演进极快。像 Claude Code 这样的 Agent 已经能深入真实仓库，执行复杂的多文件修改。

但在真实的软件工程里，“会写第一版代码” 和 “完成一次可靠的交付”，中间隔着一条巨大的鸿沟。这也是为什么 Vibe Coding 只能停留在搓 Demo 阶段，而无法染指真实的业务重构。

一个真实的需求，不仅包含代码片段，还牵扯到复杂的动态状态：前端交互行为、API 边界、数据库变更、单测覆盖率、运行时日志、CI 状态。 对工程师来说，这些状态分散在 Git、PR、CI 日志和脑海中；但对 Agent 来说，如果这些状态只存在于聊天上下文里，长任务就会不可避免地失控。

首先，上下文极易被报错噪音淹没。所有的编译报错、重试日志、临时推论全塞进 Context 窗口，导致模型在后续决策中抓错重点；更糟糕的是，会话一旦中断、或者由于 Token 触发截断压缩，Agent 就会陷入“局部失忆” 并开始重复试错，只能对 “正在做什么” 和 “做到哪里了” 重新盲猜。

Loom 想补上的，正是软件工程给 Agent 提供的这层工程状态层。

从 “一次性 Prompt”，

到 “可随时 Resume 的状态链”

Loom 的切入点极其直白：它更像是一个给单机游戏引入 “自动存档点” 的交付马甲（Delivery Harness）。它把一次复杂的软件交付过程，拆解成了结构化、可随时恢复的状态链。

当 Agent 运行测试失败时，Loom 不会把失败当成一段简单的终端文本丢进 Chat，而是将其捕捉并结构化为一个独立于聊天记录存在的待办状态。这意味着：

• Bug 不会被淹没： 失败变成了下一步行动的 “强约束”，Agent 不可能在后续对话中打个哈哈就把这个 Bug 漏掉。
• 多 Agent 零成本接管： 未来的开发一定是多工具、多模型协作的。开发者可能前 5 轮用 Claude 4.6 Sonnet 改逻辑，第 6 轮想换成 GPT-5.5 跑测试。新 Agent 接入 Loom 后，只要读取结构化的 “交付状态链”，就能瞬间知道自己是谁、在哪、刚才改了什么、下一步该修哪个 Bug—— 它不需要重新阅读冗长的聊天历史，直接原地 “接管比赛”。

为什么靠卷 Context Window，

治不好长任务的绝症？

很多人倾向于将长任务的失败归咎于模型的 Context Window 不够长。但这在真实的工程逻辑上是个伪命题。

在软件开发中，信息量大不等于可靠性高。把几万行的编译日志、多轮 Diff、测试输出一股脑塞进上下文，只会让会话环境充满了杂音。模型非常容易在繁杂的信息中迷失，或者把一个局部看起来能跑的代码误判为完成。

工程的本质是结构化与确定性。

Loom 的思路不是让模型看更多、记更多，而是帮模型过滤噪音，只提炼出最核心的工程线索：计划进行到哪一步了？哪些单测真的 Pass 了？哪几个文件的 Diff 已经定型，不能再乱动了？当这些关键点成为可被编程读取的结构化数据时，衡量 AI Coding 效能的标准，也就从卷 “模型能生成多少行代码”，真正变成了卷 “长任务持续推进的完备率”。

软件工程：

大模型真正落地的确定性沙盒

软件工程可能是 Agent 最好的反馈场，这里规则绝对刚性：代码能编译就是能编译，单测挂了就是挂了。AI 编程如果想走向严肃的生产环境，就必须重回软件工程的经典常识。

现在依靠 Vibe Coding 确实让所有人都能快速搓出一个 Demo。但 Demo 和能在生产环境跑的真实软件之间，还差了一整套可信度验证。如果 Coding Agent 只管写代码，把所有的验证、对齐、纠错成本全部甩给人类工程师，效率的杠杆很快就会见顶。从这个角度来看，Loom 想探索的不仅仅是一个好用的开源工具，而是大模型真正走向严肃生产环境所缺失的状态基础设施。

大模型在静态语料库里学到了 “完美的最终代码长什么样”，却很难学到 “一个复杂的 Bug 到底是如何被一步步定位、失败、妥协并最终修复的”—— 而这些过程轨迹，才是软件工程中最核心的工程判断力。

通过这层状态层，不仅能让 Agent 的长任务推进更稳定，也在同时捕获 Agent 在真实执行环境下的动态反馈轨迹。这也为未来 Agent 的动态评测（Benchmark）和微调数据收集，提供了更真实的工程语料。

从模型生成代码，到 Agent 自主、持续、可验证地完成一个复杂的软件工程生命周期，中间这层缺失的状态基础设施，正为当下 AI Coding 技术的推进提供一个值得被重新审视的重要视角。