AI Engineer 2026 开场讲的是最高的 loop

swyx 的开场只有几分钟，但它给这一天定了调。他没有把 AI Engineer World’s Fair 讲成一个普通大会，而是把它叫做 “the highest loop”：人聚在一起，讨论下一轮该把 loop 设计成什么样。

原视频：https://www.youtube.com/watch?v=htM02KMNZnk

从吃睡写代码到人类项目

开场前面，swyx 先讲了一个很生活化的层级：一个人开始工作，eat, sleep, code, repeat；然后开始在小团队、家庭、公司里工作；再往外看，就会看到国家、行业和更大的文明项目。他想把 coding 里的 agent loop，放到更大的协作语境里。

这不是故意拔高。AI coding 的早期阶段，大家关心的是一个人怎么用 Copilot、Claude Code 或 Codex 写得更快。到了 2026 年，问题已经变了。agent 不只在个人电脑里运行，也开始进入团队流程、产品流程、企业知识库和业务系统。个人 loop 变强以后，团队 loop 会先暴露问题。

他还提到，今年大会加入了医疗、金融、GTM、forward deployed engineering 等垂直方向。这说明 AI Engineer 不再只是 “会写代码的人” 的圈子。代码场景跑通之后，agent 的方法开始扩散到更多知识工作里。

大会本身也是一个反馈系统

swyx 用门票销售曲线讲大会规模变化。AI Engineer 从 2023 年一路长到 2026 年，目标人数约 6000，现场实际又冲到 7000 左右。他半开玩笑地说，大家没有更早买票，Gini coefficient 反而变差。

这些数字如果孤立看，只是大会运营信息。但放到主题里，它们说明 AI engineering 社群自己的 loop 也在变。第一年像一个线性增长的实验，后来变成 World’s Fair，再变成全球 summit 的 summit。New York、Paris、Singapore、Melbourne、Miami 等城市的活动，都是把局部经验带回主循环。

他所谓 highest loop，我理解就是这个：模型有执行 loop，团队有交付 loop，行业有学习 loop。大会的价值，是让这些 loop 互相看见。工程师不是只带走一个工具名，而是带走一套新的工作假设。

主线不是 AI 能不能写代码

开场真正重要的一句，是他把 coding 里的经验连接到 broader human life。过去一年，很多人已经接受 agent 能写代码。当天后面的分享也证明了这一点：Codex、Antigravity、Factory、Conductor、Warp、Cursor，都把代码生成视为前提。

所以第一天的主线已经不是 “AI 能不能写代码”。这个问题已经太旧。真正的问题是：当 AI 能进入越来越多流程后，人类应该站在哪一层？是继续在内层盯每一行代码，还是设计更外层的目标、边界、验证和复盘？

我觉得 swyx 的开场好在没有给答案，而是给了一个观察角度。你把这一天所有演讲串起来，会发现大家都在谈 loop，只是词不一样。有的人叫 software factory，有的人叫 orchestra，有的人叫 proof，有的人叫 model improvement。

如果你只看模型能力，今天会很兴奋。如果你看 loop，反而会冷静一点。工程师的新工作不是等模型变强，而是设计模型变强以后还不会失控的工作方式。

为什么开场不直接讲工具

swyx 没有把开场做成产品清单，这是对的。因为这场大会真正的变化，不是工具数量变多，而是 AI engineering 的对象变大了。

早期 AI 工程师更像 prompt engineer、API integrator、demo builder。你要会接模型，会做 RAG，会把模型能力包装成产品。现在这个身份更接近系统工程师：你要懂模型，也要懂数据、权限、流程、验证、用户反馈和组织协作。AI 从一个能力模块变成工作系统的一部分，工程师的职责自然上移。

他提到多个城市和垂直领域，也不是大会宣传而已。AI coding 的方法会扩散到医疗、金融、销售、客服、内部工具、forward deployed engineering。每个领域都有自己的知识、合规和错误成本，所以最高层的 loop 不是模型训练，而是人类社会如何吸收这套技术。

最高层 loop 对个人意味着什么

对个人开发者来说，这个开场有个很实际的提醒：不要把学习路线卡在某个工具上。今天是 Claude Code、Codex、Cursor、Antigravity，明天还会有新的 harness。工具会变，但外层能力更稳定。

这些外层能力包括：把模糊目标写成可执行 spec；把项目知识整理成 agent 能读的上下文；把结果拆成可验证的小步；知道什么时候让模型跑、什么时候叫停；能从失败里沉淀新的 skill 或 checklist。

如果只会和模型聊天，工具升级时你会被动迁移。如果掌握 loop 的设计方法，任何新工具都会变成新的执行器。swyx 的开场真正想提醒的，可能就是这个：AI Engineer 的核心竞争力，正在从“会用模型”转向“会设计人和模型一起学习的系统”。

来源与说明

本文基于 AI Engineer World’s Fair 2026 Day 1 主舞台视频转录、官方日程信息，以及本地 AI engineering 知识库整理。文章不是逐字稿，而是按单场分享的主线、上下文和工程启发重写。