meng shao@shao__meng · XAI 摘要
吴恩达（Andrew Ng）提出“Loop engineering”，将AI agent置于持续迭代的循环系统中。产品成功取决于三个循环：工程执行循环——AI agent根据规格和evals自主写代码、测试、修bug，每几分钟迭代；开发者反馈循环——开发者从低层QA转向产品判断（功能取舍、视觉风格等），每几十分钟到几小时反馈；外部反馈循环——通过真实用户测试、A/B测试等验证方向，周期数小时至数周。他认为未来竞争力在于设计好这三类循环。
吴恩达老师讲「Loop engineering」
把 AI agent 放进一套持续迭代、持续反馈、持续校准的循环系统里，产品成功取决于三个循环是否运转良好：代码自我迭代、开发者判断校准、外部用户反馈。
第一层：Agentic coding loop，工程执行循环 这是最底层、最快的循环。 给 AI 一个产品规格，最好再配一组 evals 或测试标准，让它自己写代码、运行、测试、修 bug、再测试，直到满足规格。
过去 AI 写代码更像"一次性回答"；现在的 coding agent 更像一个可以连续工作的工程执行体。它能自己打开浏览器检查页面，跑测试，发现问题，再修改。这使得 AI 可以在没有人类频繁介入的情况下工作几十分钟甚至更久。
这层循环的价值是把开发中的大量低层执行工作自动化： · 写功能 · 修 bug · 跑测试 · 检查 UI · 验证行为是否符合规格 · 反复打磨实现
但它的前提是：你要给它清楚的规格、可验证的目标，必要时还要有 evals。否则 agent 只是"忙碌地迭代"，不一定朝正确方向前进。