AI guides

你以为是 AI 在干活,其实那个循环一直是你——一个 OpenAI 员工聊 loop engineering

By 深思SenseAI3 viewsSource: 深思SenseAI
你以为是 AI 在干活,其实那个循环一直是你——一个 OpenAI 员工聊 loop engineering

OpenAI 的 tevfik 写了篇关于 loop engineering 的文章,开头那句我读完顿了一下。他说,他和 coding agent 协作,到现在大多还是同一个流程:我解释一个任务,等结果,审一遍,再发下一条指令。代码是 agent 写的,但我在后台还干着另一份活——我记着发生了什么、决定下一步做什么、判断这事到底完成没。

The full text has not been translated yet. The Chinese original is shown below.

文章配图

Beyond the Prompt: What Loop Engineering Actually Means —— tevfik / OpenAI

01 那个循环,一直是你

:::

OpenAI 的 tevfik 写了篇关于 loop engineering 的文章,开头那句我读完顿了一下。

他说,他和 coding agent 协作,到现在大多还是同一个流程:我解释一个任务,等结果,审一遍,再发下一条指令。代码是 agent 写的,但我在后台还干着另一份活——我记着发生了什么、决定下一步做什么、判断这事到底完成没。

换句话说,我就是那个循环。

(说实话这已经是我这阵子聊的第六篇 loop 文了,大半是对前几篇的综合。但这篇有一个我之前没见人这么讲的角度,值得单拎出来——后面第三节。)

文章配图

今天:你坐在循环里手动跑每一圈;目标是让系统自己转

02 真正的转变:从交一步,到交一整件事

:::

tevfik 把 loop engineering 的核心,落在"委托"这两个字上。

到目前为止,我们能把一个任务交给 agent,但还得自己推着它走:检查结果、补上缺的上下文、选下一步、判断什么时候算完。

而一个设计好的循环,能让你把"持续推进"这件事本身交出去。你给系统一个结果(outcome),它来管中间步骤、调用该用的技能、检查自己的进度,做完了或卡住了才回来找你。

转变是从委托一个步骤,到委托持续的工作。

至于用什么去触发这个循环——目标驱动(跑到测试全绿)、定时(每十分钟看一眼)、还是事件驱动(CI 一挂就启动)——他说那只是执行模式,不是重点。重点是每一轮里那几个雷打不动的判断:目标是什么、现在的状态是什么、下一步做什么、怎么验、该继续还是停下还是叫人。

文章配图

从委托一个步骤,到委托整件事的持续推进——给系统结果,不是下一条指令

03 一整家公司,可以是一组循环

:::

这是全篇最让我眼前一亮的地方。

tevfik 让你想象开一家新的电商公司。但别把它想成"一个网站 + 几个挂在上面的 agent",而是想成——一门由循环组成的生意。

采购是一个循环:每天醒来,看库存、看销售速度、比供应商,决定要不要补货。低于阈值就在预算内下单,价格波动太大或供应商风险不明,就叫人。

营销是另一个循环。注意它的目标不是"投广告",而是"在预算内、把获客成本(CAC)压在目标线以下"。只要 CAC 没超、预算没花完,它就一直测、一直测量、一直重新分配投放。

客服、bug、产品分析,都能是循环。尤其那个产品分析循环,他说得很到位:它不只是报告数字,而是改文案、调漏斗、跑 A/B、再测一遍、留下更好的那个版本。

而每个循环,可以有不同的自主度:采购能自动补便宜低风险的货,营销只能在每日预算内花,客服能直接答常见问题但退款和愤怒客户要上交,产品分析能自己跑小实验、大改动还得人批。

一门生意,可以装着许多循环,每个有自己的目标、工具、记忆和上报规则。

文章配图

把公司想成一组循环:采购/营销/客服/bug/分析,各有各的自主度

04 但循环跑得比你懂得快

:::

听着很爽,但 tevfik 自己也按了几下刹车,而且按在对的地方。

一个 agent 写完代码、自己检查、自己宣布成功,不是一个可靠的循环。系统里必须有个东西,有权说"不"——有时是确定性的(测试挂了、类型检查报错、预算烧完),有时是另一个 agent 对着原始目标审查,高风险的改动,还是得人。这一点,和我前面几篇里反复出现的"验证才是难点",是同一句话。

他还点了一个我很在意的风险:循环产出代码的速度,可能比团队理解它的速度更快。这叫"理解力债"(comprehension debt)——系统在往前跑,你的心智模型在掉队。

答案不是把自主度拉满,而是匹配你检查能力和理解程度的那个自主度。

到这儿我得说两句保留。tevfik 是 OpenAI 员工,文章结尾顺势变成了一则 Codex 广告("你需要的只是 Codex,打开 app……"),这层滤镜得戴上。

更要紧的是那个"公司即循环"的图景——它很美,但也太整齐了。他举的每一个循环,恰好都有一个干净的数字裁判:CAC、库存、CI 绿灯。可一家真实公司里那些湿乎乎的部分——判断、关系、品味、那些没法量化的东西——是不循环的,而公司活下来还是死掉,偏偏常常就在那儿。能画成循环的,是 PPT;公司本身,不是。

文章配图

自主度的旋钮,只能拧到你的检查能力允许的那一格

05 从一个循环开始

:::

抛开那层广告,他最后那条上手建议很实在,我也认:别一上来就搭一个庞大的自主系统。

挑一件你重复在做、而且有清晰结果的小事。写下目标和停止条件,列出系统需要的状态,定义检查方式,然后盯着头几轮跑。某一步开始重复、或者需要花力气才学会的知识,就把它变成一个技能。等行为变得可预测了,再往上调自主度。

还有那个我会单独记住的角度:这里的"工程师"不必是软件工程师。它是那个对结果负责、并为它设计系统的人——可能在运营、研究、销售、客服、财务。他的工作往上挪了一级:少花时间发"下一条显而易见的指令",多花时间定义目标、边界、检查、记忆和上报路径。

但全篇我最想划下来的,是这一句——

完全的委托,应该减少的是你的注意力,不是你的责任。

系统可以拥有"持续干活"那一部分。但那个结果,始终是你的。

• 来源:tevfik (@aloglute, OpenAI) — Beyond the Prompt: What Loop Engineering Actually Means

文章来自于微信公众号 “深思SenseAI”,作者 “深思SenseAI”

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)