你怎么看loop engineering
提问
立正认为 Loop Engineering 值得了解,但对实际工作来说,它的有用部分已经融进三步:用 agentic 工具、写好功能型 skill、管好 context。
Loop Engineering 是了解项,不是入门主线
材料里的观点立正在讲普通人成为 AI 高手的三步时,专门把 Harness Engineering 和 Loop Engineering 拿出来当“错误选项”的对照:这两样需要了解,但真正对工作有用的步骤已经包含在那三步里了。三步分别是停止把 AI 当聊天工具、改用 Codex 这类 agentic 工具;写好一个功能向而非风格向的 skill;管理好自己的 context1。这个排序的意思是,先建立“让 AI 在真实任务里持续跑起来”的基本功,再去看围绕 agent 循环搭脚手架、做编排这类更外围的工程话题,否则容易在还没跑通基本流程时就去追框架名词。
循环能不能收口,取决于人有没有判断力
这套三步之所以能覆盖 loop 类工程,是因为它们指向同一个能力:让 AI 产出之后有人能判断好坏、给反馈、把事情收口。Ethan 在访谈里说,AI 能做八九成工作,最后那一点仍要人 close loop,而只有专家才 close 得了,因为非专家分不清两个答案哪个更好、错在哪里2。立正在同一篇里补充,全栈不只是技术全栈,能写前端又懂设计、文案和转化的人价值更高2。放到 loop engineering 上:循环本身是机器在转,但每一圈的验收标准、什么算跑偏、什么时候该停,仍然来自人的领域判断。没有这个判断,循环只会更快地放大盲区。
现有片段只在一期视频开头提到 Loop Engineering,没有展开它具体包含哪些做法,也没有立正对它的系统评价。
回到2份原文
立正本人主讲,直接说明 Loop Engineering 该不该学、与三步的关系。
解释 close loop 为什么依赖领域判断,是理解循环工程价值边界的核心材料。