# 吴恩达最新长文：AI 时代，真正重要的不是写代码，而是设计循环

最近有个词在技术圈特别火，叫做“循环工程”（Loop Engineering）。这个概念最早是 Claude Code 的创造者 Boris Cherny 和 OpenClaw 的创造者 Peter Steinberger 提出来的，后来在社交媒体上迅速传播开了。

那 Loop Engineering 到底是什么意思？很多人第一反应可能是：让 AI 反复跑代码直到跑通。这个理解没错，但只说对了最表层的一个环。吴恩达（Andrew Ng）最近写了一封信，把这个概念往深处推了一大步。在他看来，Loop Engineering 的核心思想是：用 AI 做产品的整个过程，本质上是多个不同速度的反馈循环在同时运转，彼此嵌套、彼此驱动。你要做的工程工作，就是设计好这些循环，让它们各自高效地转起来。

他总结了三个关键循环，从里到外分别是：AI 代理的编码循环、开发者反馈循环、外部反馈循环。

这三个循环的关系，可以想象成三个同心齿轮。最里面那个转得最快，每几分钟一圈，AI 代理在里面自己写代码、测试、修 bug。中间那个慢一些，每隔几十分钟到几小时转一圈，开发者在这一层审视 AI 的产出，做产品方向上的判断和调整。最外面那个最慢，可能几天甚至几周才转一圈，真实用户在这一层提供反馈，告诉你这个东西到底好不好用、有没有人要。

外层的转动结果会传导到内层：用户反馈改变了开发者的产品愿景，愿景更新了产品规格说明，规格说明再交给 AI 代理去执行新一轮的编码。三层循环各自转动，速度不同，但彼此咬合，共同推动产品从无到有、从粗糙到精致。

所以在吴恩达眼里，Loop Engineering 远不止“让 AI 自己跑通代码”这么简单。它是一整套关于如何组织人机协作节奏的方法论。你作为开发者，真正要工程化的东西，是这些循环本身：怎么让内层循环跑得更自主、更快，怎么让中间层的人类判断更精准、更高效，怎么让外层的用户反馈更快地回流到系统里。把这三层循环都设计好了，产品就能像一台精密的机器一样持续进化。

理解了这个整体框架，再看每个循环具体在干什么，就清楚多了。

## 第一个循环：AI 代理的编码循环

这是最内层、跑得最快的一个循环。你给 AI 代理一个产品规格说明，再给它一套评估标准（也就是用来衡量代码质量的数据集），然后 AI 代理就开始自己写代码、自己测试、发现问题再改，一直循环到代码没有 bug 并且符合要求为止。

吴恩达举了个自己的例子：他周末给女儿做了一个练习打字的小应用，AI 代理自己干了大概一个小时，期间还会用浏览器去检查自己做出来的东西长什么样，全程不需要他插手。每隔几分钟，代理就能构建并测试一个新版本。

这个循环去年底开始真正跑通，算是一个里程碑式的变化。在此之前，AI 写代码经常需要人频繁介入纠错，现在它能自己关上这个循环了，生产力一下子就上来了。

你想想看，这意味着什么呢？以前一个程序员写完代码要自己跑测试、看结果、改 bug，这个过程本身就很耗时间。现在 AI 把这个最基础的“写了试、试了改”的过程自己消化掉了，人就可以腾出手来做更高层面的事情。

## 第二个循环：开发者反馈循环

这是中间层的循环，节奏慢一些，大概几十分钟到几个小时转一圈。在这个循环里，开发者看一看 AI 做出来的东西，然后给出方向性的指导。

吴恩达说，去年他们很多开发者（包括他自己）其实是在给 AI 当质检员，手动找 bug 然后让 AI 去修。但现在 AI 代理越来越能自己测试自己的代码了，开发者花在找 bug 上的时间大幅减少。这样一来，开发者就可以把精力放在更高层面的产品决策上，比如应该提供哪些核心功能，界面哪里需要改进，用户流程怎么设计。

还是那个打字应用的例子，吴恩达在这个层面做的事情是：改了好几次视觉设计的想法，决定女儿学会打字后能解锁什么样的猫咪服装（因为她女儿喜欢猫），还有大人登录后怎么引导孩子学习的流程。

这里面有一个特别有意思的观点。很多人把开发者在这个环节的贡献叫做“品味”，就是说你得有审美、有判断力。但吴恩达更倾向于把它理解为“上下文优势”。什么意思呢？就是说人类比 AI 更了解用户是谁、产品要在什么场景下使用、用户有什么习惯和偏好。AI 目前还不具备这些深层的背景知识。

这个理解方式其实更有建设性。如果你说这是“品味”，那好像是一种天赋，很玄乎。但如果你说这是“上下文优势”，那就意味着随着我们把更多的上下文信息喂给 AI，AI 在这方面会越来越强。同时也说明了为什么现阶段这个环节不能完全自动化：只要人类还掌握着 AI 不知道的信息，人就需要在循环里把这些知识注入进去。

对我们来说，这其实是一个挺重要的启示。在 AI 时代，你的价值越来越取决于你对具体场景的理解深度。你对用户越了解，对行业越熟悉，你能提供给 AI 的上下文就越丰富，做出来的产品就越好。技术能力当然重要，但对真实世界的理解可能更加稀缺。

## 第三个循环：外部反馈循环

这是最外层、最慢的一个循环，可能需要几天甚至几周才能转一圈。包括让朋友试用一下给点意见、发给内测用户、或者上线做 A/B 测试。这些外部反馈会影响开发者的产品愿景，愿景再驱动产品规格说明的更新，规格说明再驱动 AI 代理去写代码。

这个循环虽然慢，但它决定了你做的东西到底有没有人要。

## 工程师角色的扩展

吴恩达还提到了一个趋势：随着 AI 代理加速了软件开发的速度，越来越多的工程师开始承担一部分产品经理的角色。对于很多正在往这个方向成长的工程师来说，最难的部分是塑造产品愿景，以及在“动手做”和“收集用户反馈来调整方向”之间找到平衡。这两件事都得做，不能只埋头写代码，也不能光想不动手。

反过来也一样，产品经理和设计师现在也在做更多工程方面的事情。角色的边界在模糊化。

这其实是一个很值得关注的信号。以前分工很明确，产品经理想需求，设计师画原型，工程师写代码。现在 AI 把写代码这件事的门槛大幅降低了，一个人如果既懂用户又能借助 AI 快速实现想法，他的产出效率会远超传统分工模式下的团队。

所以回过头来看这三个循环，它们其实描述了一种新的工作节奏：AI 在最内层高速运转处理技术细节，人在中间层把控方向和品质，外部用户在最外层提供真实世界的校验。三层嵌套，各有各的速度，各有各的价值。

对于想在 AI 时代保持竞争力的人来说，搞清楚自己应该在哪个循环里发力，可能比学会用哪个具体工具更重要。

#科技先锋官# #How I AI#