结合豆包架构调研与两个开源项目（skydoves/ChatGPT-Android、lambiengcode/compose-chatgpt），从端云协同架构、Android 分层工程结构、SSE 流式响应、Markdown 渲染、实时语音管线到 Agent 工具调用，逐层拆解一个 ChatGPT/千问/豆包级移动端 AI 助理的设计方法论。

诊断 blog-update skill 的 implement-agent 过度压缩根因，用 A+B+C+D 方案重写 prompt 并加入去敏与反矫枉过正约束，再做全文件回归检查修复 review-agent 矛盾与 --yes 契约漂移。

拆解 qianwenyun-deploy 部署技能的架构：Agent 读 SKILL.md 做全部决策，Python/Shell 脚本只采信号、薄封装 aliyun CLI，经 ROS 编排阿里云 ECS/RDS/OSS，含控制面到数据面链路、热更新与硬约束。

拆解 @qianwenai/qianwen-cli 的分层架构:命令到后端不跳层、createServices 组合根、REPL 与 one-shot 双模式切换、flat-parameter 协议、OAuth Device Flow 加 keychain 认证,以及格式优先级与退出码。

讲清 agent 沙箱的四原语选型与三层隔离原理,再逐一拆解腾讯云 CubeSandbox:自建 Rust VMM、资源池+快照+CoW 的 60ms 冷启动、eBPF 网络隔离、模板生命周期,以及一次请求的完整链路。

用 245 行 TypeScript 在 pi 上搭一个会自己修 bug 的循环:客观反馈信号、独立验证器、磁盘状态三条命脉怎么落地,以及一次真实运行的完整轨迹。

整合中英文网络资源，从起源、演进谱系、五动作六积木架构、五个设计杠杆，到腾讯日志Bug修复闭环真实案例与最小可运行Python示例，完整拆解 Loop Engineering。

前两篇讲清了 Loop Engineering 是什么。这篇回答更实际的问题：怎么让你手上的 agent 真的跑出一个 loop？以 pi 这个终端 coding harness 为例，把六块积木逐一映射到它的原生 API，给出 80 行可跑的 TypeScript 骨架和 cron 自动化扩展。