吴恩达三言两语，就把 Loop Engineering 说清楚了。

吴恩达果然厉害。前两天在他的 Newsletter 中，短短几句话就把 Loop Engineerring 这个新词的本质说清楚了。刚看完他的文章，结合着说下我的理解。

1、如果用一句话来总结的话，Loop Engineering 讨论的其实是，如何让 AI 像工程师一样，一边干活、一边验收、一边返工，直到达到要求。

一个程序员标准的写代码流程是这样的：写完代码、运行程序，然后发现 Bug，紧接着修改代码，继续测试，直到没问题为止。

现在越来越多的 AI Coding Agent 已经能够自己完成这个过程。

给它一份产品需求文档（Spec），再给它一套评测标准（Eval），Agent 就会进入循环：写代码 → 运行测试 → 发现问题 → 修改代码 → 再测试。

如果测试没通过，它会继续改。如果功能不符合需求，它也会继续改。整个过程不需要人工介入。

2、Loop Engineering 这个词听起来挺唬人，但核心思想其实并不复杂。以前我们给 AI 提需求，更多是在描述想做什么。

现在还需要提前告诉它，什么叫成功、什么叫完成，以及如何自动判断有没有完成。

这也是 Spec 和 Eval 存在的意义。有了这些标准，Agent 才能自己写代码、自己测试、自己修 Bug，形成真正的闭环。

3、吴恩达认为，如果把视角放到整个软件开发流程里，大家最近讨论的 Loop Engineering，只是一小部分。

所以他专门画了下面这张图，把软件开发拆成了三个嵌套在一起的 Loop。

在 Coding Loop 之外，还有第二层循环，叫 Developer Feedback Loop。简单理解，就是开发者不断调整产品的过程。

Agent 负责实现需求，开发者负责修正需求。

当我们看到一个功能真正做出来之后，经常会发现自己一开始想的和真正想要的并不是一回事。

于是开发者会重新修改需求，再交给 Agent 继续开发。这个循环的速度通常比 Coding Loop 慢得多，可能几十分钟，甚至几个小时才会发生一次。

但它决定的是产品会长成什么样。其实这部分讲的就是 Builder 要决定做什么，以及产品会长什么样。

诸如一个按钮放在左边还是右边，Agent 可以帮我们实现，但判断还得自己做。

4、在这层 Loop 还有个误区，很多人以为，开发者脑子里只要有了清晰的产品愿景，剩下的事情交给 Agent 就行。其实完全不是。

一开始，我们会先写一个大概的 Spec，交给 Agent 去实现。

等第一个版本做出来，自己真正用了一遍之后，往往又会发现：原来我真正想要的，并不是这个。哈哈哈，我就经常经历这样的过程。

于是再回过头修改 Spec，把之前没有想清楚、没有表达清楚的地方补充进去，再让 Agent 继续开发。

如果发现 Agent 总是在同一个地方犯错，比如某个用户流程总是走不通，或者某类输入总是处理不好，这时候就需要补充一套 Eval，把这些容易踩坑的场景固定下来，作为以后每次开发都必须通过的测试。

或者这么讲，第二层 Loop 就是不断校准自己的认知，并将这些理解逐步沉淀进系统之中。

5、我记得去年参加一个活动时，大家讨论过一个话题：如果 AI 的品味越来越好，是不是以后我们只需要说一个想法，它就能把整个产品做出来，人几乎不用再介入？

吴恩达说自己不太喜欢品味这个词。他觉得，相比 AI，人类真正的优势不是品味，而是拥有更多的上下文。

比如，我们知道用户是谁，知道他们的真实使用场景，也知道他们到底在为什么事情烦恼。这些信息很多都不在模型的上下文里。

只要人手里还有 AI 不知道的信息，就必须有人参与到这个 Loop 中，把这些关键信息持续注入系统。

所以，Developer Feedback Loop 很难完全自动化。

6、最外层的 Loop，说白了就是获取真实世界的反馈。前面两层 Loop，解决的都是实现层面的问题。

而到了这一层，关注的是这个产品方向到底对不对，以及我们接下来要做哪些功能。

通过了解用户的反馈、分析数据或者研究竞品的产品等等方式，我们需要不断修正自己的产品判断。

诸如这个功能到底有没有必要做？用户真正的痛点是不是这个？产品是不是应该换一种交互方式？甚至，我们是不是一开始就选错了方向？

真实世界的反馈会不断影响开发者的判断。开发者再把新的理解更新到 Spec 中，交给 Agent 继续开发。这就是三层 Loop 之间的关系。

7、非常透彻。所有对 Loop Engineering 有所困惑的同学，都应该看看这篇文章。

文章链接：

https://www.deeplearning.ai/the-batch/issue-359

最后，再画蛇添足一句，我感觉这些新词，真的就是换了种说法而已。之所以能爆火，核心还是因为这些概念，精准击中了目前 AI 行业正在发生的变化。

要我说，Loop Engineering 就是递归式的自我提升。Keep Building。