首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >吴恩达这套三层循环,比 Loop Engineering 这个词本身更重要

吴恩达这套三层循环,比 Loop Engineering 这个词本身更重要

作者头像
唐斩
发布2026-07-06 12:51:15
发布2026-07-06 12:51:15
200
举报
核心判断:AI 编程进入反馈循环时代
核心判断:AI 编程进入反馈循环时代

吴恩达这套三层循环,比“Loop Engineering”这个词本身更重要

大家好,我是唐斩。

Andrew Ng 最近写了一条关于 Loop Engineering 的长帖。这个词最近很火,Claude Code 的 Boris Cherny、OpenClaw 的 Peter Steinberger 都提过。

但我看完之后,觉得真正值得关注的不是这个新词,而是他把 AI Agent 做软件这件事拆成了三层循环。

我的判断是:如果你还只是把 AI 编程理解成“让 Agent 写代码”,那已经落后一层了。下一步真正有价值的是设计反馈循环。

三层反馈循环:Agent、开发者、外部用户
三层反馈循环:Agent、开发者、外部用户

1. 第一层:Agent 自己写、测、改

第一层是 Agentic coding loop。

给 Agent 一个产品规格,最好再给一组 evals,它就可以写代码、测试、修 bug,再继续迭代。

这一层过去一年进步很快。以前我们经常要盯着 Agent,等它写完,再人工指出哪里坏了。现在更强的 coding agent 已经可以自己跑测试,甚至打开浏览器检查页面效果。

Andrew Ng 举了一个例子:他周末给女儿做打字练习应用,coding agent 可以连续工作约一个小时,中间多次用浏览器检查自己做出来的东西,再回到他这里。

这件事对程序员的影响很直接:你不再只是写代码的人,也不只是审核代码的人。你开始变成循环设计者。

你要问的不是“Agent 能不能写这个功能”,而是:

  • 我有没有把规格说清楚?
  • 我有没有给它可验证的标准?
  • 它失败时,能不能自己发现?
  • 它反复失败的问题,需不需要做成 eval?

2. 第二层:开发者不只是 QA,而是产品判断者

第二层是 Developer feedback loop。

这层我觉得更关键。

去年很多人用 AI 编程,人的角色还是 QA。Agent 写,人来找 bug,然后让 Agent 改。这个模式当然有效,但很累,而且人的时间还是被低层问题吃掉了。

Andrew Ng 的判断是,随着 coding agent 更会测试自己的代码,开发者可以把注意力往上挪。

比如:

  • 这个功能到底要不要做?
  • UI 哪里让人不舒服?
  • 用户流是不是太绕?
  • 规格是不是写错了?
  • 哪些问题反复出现,需要 evals?

这其实是工程师角色的变化。

AI 把“写代码”这部分加速以后,最稀缺的反而变成产品上下文、用户理解和判断力。

很多人喜欢把这种东西叫 taste。我更喜欢 Andrew Ng 的说法:人类有 context advantage。

不是人类更神秘,而是人知道更多业务背景、用户状态、产品约束和真实场景。只要这些东西还没进入 AI 系统,人就必须在循环里。

3. 第三层:外部反馈仍然慢,但不能省

第三层是 External feedback loop。

这包括找朋友试用、找 alpha 用户、上线做 A/B 测试、看使用数据、听客户反馈。

这一层最慢。前两层可能几分钟到几小时就能转一轮,外部反馈往往要几个小时、几天,甚至几周。

但它不能省。

因为 Agent 可以更快地把规格变成软件,但它不知道这个软件该不该存在,也不知道用户真实卡在哪里。

这也是很多 AI 编程项目容易跑偏的地方:开发速度上去了,产品学习没有跟上。

结果就是做得更快,但错得也更快。

4. 我真正关心的是闭环顺序

这三层循环不是并列的工具列表,而是一条产品生产链:

  • 外部反馈影响开发者愿景。
  • 开发者愿景变成产品规格。
  • 产品规格驱动 coding agent。
  • coding agent 写出新版本。
  • 新版本再拿去接受开发者和用户反馈。

这套东西对 AI 编程很重要。

很多人现在只在第一层卷工具:哪个 Agent 更会写代码,哪个 IDE 更强,哪个模型修 bug 更快。

这些当然重要。

但如果只停在第一层,你会得到一个很勤奋的代码工人,却不一定得到一个更好的产品。

开发者行动框架:规格、eval、用户反馈
开发者行动框架:规格、eval、用户反馈

5. 对普通开发者的实践建议

我会建议你把自己的 AI 编程流程也拆成三层。

第一层,给 Agent 更清楚的任务。不要只说“帮我做一个页面”,而是说清楚用户、目标、约束、验收标准。

第二层,记录你每次人工反馈的类型。你是在找 bug,还是在改产品方向?如果你一直在找同类 bug,就应该考虑把它做成测试或 eval。

第三层,尽早找真实用户。哪怕只是发给两个朋友,也比你和 Agent 在本地循环十轮更有价值。

我的结论很简单:AI 编程的下一阶段,不是少写几行代码,而是重新设计软件生产的反馈系统。

Agent 负责加速局部循环,人负责连接真实世界。

来源:Andrew Ng 在 X 上关于 Loop Engineering 的长帖。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2026-07-03,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 唐斩AI编程 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 吴恩达这套三层循环,比“Loop Engineering”这个词本身更重要
    • 1. 第一层:Agent 自己写、测、改
    • 2. 第二层:开发者不只是 QA,而是产品判断者
    • 3. 第三层:外部反馈仍然慢,但不能省
    • 4. 我真正关心的是闭环顺序
    • 5. 对普通开发者的实践建议
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档