2026-09-02 LOP（面向大模型编程）模式

LOP：人主要写 Prompt + 少量代码，由大模型动态生成或修补逻辑；与传统「人写全量逻辑、机器严格执行」相对。

六种常见形态（跨来源归纳）

形态	核心机制	典型场景
Prompt-to-Code	单轮直达可运行产物	一键小项目、Artifacts
Agent 编程	多轮编辑/终端/日志	Cursor 自主改代码、跑测
验证与结构化推理	技术选型→结构→边界→安全	thinking 块、long-thinking
RAG 式生成	检索私有库作 context	@codebase、向量库（见 RAG 与 Graph RAG）
骨架后填充	人定结构与契约，模型补实现	文件树 + // LOP: 占位
自愈迭代	运行/测试失败反馈回路	Fix with AI、循环 patch

与「持久化 wiki / 知识库」的交集

RAG 依赖检索当日 context；结构化文档沉淀（游戏策划、设定、API 说明等）既可作为 RAG 料，也可由 agent 维护成 wiki，与 LLM 维护的知识库 同属「跨会话记忆」思路。

仓库内对照

• 一轮对话 Vibe Coding 出可直接上手玩的浏览器 3D 游戏：Prompt-to-Code / 一次性竖切，适合验证方向。
• 如何开发一个有手感的赛车游戏 demo：先定规则和验收，再分阶段迭代；更接近 Agent 编程 + 自愈，而不是只丢一条提示词。

来源

• 面向大模型编程（LOP）在游戏制作流程中的应用畅想
• RAG VS Graph RAG
• 查询：AI编程和 Vibe Coding 的差异在哪

---

修订：Cursor Agent，2026-09-02。