吴恩达解读「循环工程」：构建 AI 编码产品的三层反馈闭环

近期，Claude Code 作者 Boris Cherny 与 OpenClaw 作者 Peter Steinberger 在社交平台频繁提及「Loop engineering（循环工程）」一词，使其迅速走红。AI 领域知名学者吴恩达在最新一期 The Batch 中撰文，将其构建 0 到 1 产品的经验提炼为三条核心反馈循环，并指出这套思路不仅适用于编码环节，也影响「应该构建什么」的决策。

智能体编码循环：每几分钟迭代一次

吴恩达指出，最内层的「智能体编码循环」由产品规格说明和可选的评测数据集驱动，AI 代理在其中不断编写代码、测试、再迭代，直至代码无缺陷且满足规格。这条闭环去年年底开始走红，被认为是编码代理得以长时间无人值守工作的关键。他以周末为女儿开发的打字练习应用为例：编码代理借助浏览器多次自检，连续工作约一小时后才返回结果，无需人工介入。该循环运行节奏较快，每几分钟即可完成一轮构建与测试。

开发者反馈循环：每隔数十分钟到数小时介入一次

中间层是「开发者反馈循环」，开发者审视当前产品形态并引导代理改进。吴恩达回顾称，去年大量开发者（包括他自己）仍充当编码代理的 QA 角色，手动找 Bug 并要求代理修复；但随着代理自测能力增强，这一职能占比已显著下降，开发者得以把精力投入到更高层的产品决策中，例如关键功能取舍与 UI 改进。该循环的节奏介于数十分钟到数小时之间。他坦言，在女儿的打字应用中，他多次调整视觉风格、可解锁的猫咪装扮以及家长登录引导流程，体现了「规格—实现—更新规格」的反复拉锯。当系统反复出现同类问题时，为代理构建专属评测集便成为必要步骤。

外部反馈循环：节奏从数小时到数周不等

最外层是「外部反馈循环」，涵盖向朋友内测、邀请 Alpha 用户、上线后做 A/B 测试等多种方式，节奏通常较慢，从数小时到数周不等。收集到的用户行为与反馈数据回流到开发者视角，再细化产品规格，进而驱动编码代理。吴恩达观察到，随着编码代理加速开发，越来越多的工程师开始承担部分产品经理职责，而其中最具挑战的部分正是打磨产品愿景，以及在「实现」与「收集反馈」之间取得平衡。他提醒：人类对用户与上下文的理解仍远胜当前 AI 系统，因此只要人掌握 AI 不知道的信息，human-in-the-loop 就不可或缺。他更倾向于把这种人类贡献称作「上下文优势」而非「品味」，因为这能更清晰地指引 AI 系统改进方向。

工程师角色的扩展

吴恩达在文末表示，随着产品经理与设计师越来越多地参与工程工作，工程师也在向产品方向延展。编码提速并未消解产品决策的难度，反而让「什么是值得构建的东西」这一问题变得更加突出。他将在后续文章中进一步分享如何在不同反馈循环之间有效切换。