本周 Twitter AI 长文精选：Agentic Engineering 与 Memory Is Purpose
本期精选 6 月初 Twitter 最热门的两篇 AI 深度长文：Lyft 联合创始人 Matt Van Horn 整理的 20+ 条 Agentic Engineering 实战技巧（60 万阅读），以及前 MIT 教授 Ashwin Gopinath 重新定义 AI 记忆本质的理论框架。两篇文章都指向同一个核心转变：AI agent 的设计重心正从 prompt 迁移到状态与记忆的架构。
リサーチノート
本期精选 2026 年 6 月初 Twitter 上热度最高的两篇 AI 深度长文，均来自连续创业者和 MIT 背景的 AI 从业者。前者给出了 20+ 条可立即落地的 Agentic Engineering 技巧，在发布后 48 小时内收获 60 万次阅读；后者重新定义了"AI 记忆"的本质，为 AI agent 的设计理念提供了新的框架。
一、Every Agentic Engineering Hack I Know
作者：Matt Van Horn（@mvanhorn），Lyft 联合创始人，开源工具 slashlast30days 和 ppressdev 创作者
数据：605k 阅读 · 7270 收藏 · 2396 点赞 · 发布于 2026-06-02
コンテンツカードを読み込んでいます…
三个月前，Matt Van Horn 发布了「Every Claude Code Hack I Know」，拿下 913k 次阅读。这篇续作是他把工作流从"Vibe Coding"升级为真正意义上的 Agentic Engineering 之后的系统总结。他在文章中明确："大约在去年感恩节前后，这套范式好用到足以成为正式工作方式。"
核心框架：五个维度
① 规划先于执行：每个想法先跑
/ce-plan，生成 plan.md——这个文件不是给人读的，是给 agent 看的。关键反直觉洞察：人来负责品味，agent 来负责执行；规划让 agent 从惰性"遵从指令"转向主动"履行目标"。② 语音代替键盘：把打字改为说话（推荐 Monologue 或 WisprFlow）。Van Horn 认为这不只是效率问题——语音让人更自然地表达意图，减少在"措辞"上消耗的认知成本。
③ 多 tab 并行：用
cmux（@manaflowai）同时跑 4-6 个 terminal tab，每个 tab 一个任务。每个新 tab 直接进入 Claude 或 Codex，消除手动初始化的摩擦。④ 技能化一切重复动作：任何做了两遍的事，写成 skill 文件。这是"复利"的来源——工具不会忘记流程，人会。
⑤ 打破权限边界：他的描述是 YOLO——跳过各种权限确认，充分信任 agent。前提是：这是自己的机器，AI 心理问题（"AI psychosis"）比权限问题更值得警惕。
值得单独注意的一条
"运行 @slashlast30days，然后再做计划。"
这是他自己开发的工具——意思是在进入 agent 工作之前，先看清楚自己过去 30 天在做什么，哪些是真实高优先级，哪些只是噪音。Meta 层面的输入质量决定了 agent 产出的上限。
这篇文章的信号意义
Van Horn 的文章不是技巧清单，而是一份从"个人工程师用 AI 辅助编码"到"用 AI 运营整个工作流"的范式转移声明。7270 收藏说明大量从业者正在做同一件事——Agentic Engineering 已经从实验性概念变成 2026 年的工作标准。
二、Memory Is Purpose
作者：Ashwin Gopinath（@ashwingop），Sentra CEO，前 MIT 教授，2x 创业者
数据：34k 阅读 · 571 收藏 · 295 点赞 · 发布于 2026-06-02
コンテンツカードを読み込んでいます…
这篇文章的核心命题只有一句话：LLMs 把互联网压缩进了权重，而 Agents 需要把工作压缩进状态。
文章的认知转变
目前业界对 AI 记忆的讨论大多停留在技术层：向量数据库、RAG、知识图谱、上下文工程。Gopinath 认为这些都是在问错问题——记忆的本质不是存储，而是目的。
他用了一个反直觉的类比：同一块巨石，对徒步者来说是障碍，对地质学家来说是 4 亿年前海底的证据。数据本身没有意义，只有结合特定目的评估后，数据才变成记忆。
这个判断对 agent 设计有直接含义：
- 当前大多数 AI agent 在"存储"上花了大量工程精力，但没有在"目的"上定义什么是相关的记忆
- 组织级记忆依赖上下文（谁、在什么风险级别、在什么时间窗口内需要这条信息），不能用单一索引系统通吃
- 真正有效的 agent 记忆，是那些能改变未来行动的历史结果，而不是能检索到的历史事实
与 Van Horn 文章的对照
Van Horn 强调"把工具封装成 skill，让 agent 持续复利"；Gopinath 给出了理论解释：这些 skill 本质上就是被目的过滤过的组织性记忆。两篇文章从实践和理论两个方向指向同一个问题——在 Agentic 范式里，架构设计的核心是状态与记忆的设计，而不是 prompt 的设计。
TLDR AI newsletter 对这篇文章的评价是："Gopinath 认为记忆不是智能的附加层，而是决定 agent 处于什么现实中的那一层。" 1
阅读这两篇文章的理由
两篇文章都发布于同一天，都来自有实际产品经验的 AI 创业者，都在直面同一个问题：AI 工具正在从"辅助"走向"执行"，而在这个跨越中，工程架构和认知框架都需要同步升级。
Van Horn 的文章更适合立即动手的工程师；Gopinath 的文章更适合在设计 AI 产品或 agent 基础设施的创始人。
两者都值得收藏，因为它们记录的不只是技巧，而是 2026 年 Agentic Engineering 从业者的真实认知地图。
このコンテンツについて、さらに観点や背景を補足しましょう。