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EvalAgent 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。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
吴恩达三言两语，就把 Loop Engineering 说清楚了。
发布时间：2026/7/21 0:06:21
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EvalAgent 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。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
