一篇文章讲清楚AI革命的底层逻辑

卧槽，有一篇文章写得真牛逼，给大家推荐一下：《AI软件工程范式革命的思考》

为什么最近AI领域，又出现了一个新词，叫Loop Engineering（循环工程）

因为人类的科技发展，本质上就是一个【自动化】的过程

过去的工业，是通过电力、石油等「能源」，去驱动「机器」，把人类的【低阶智能】转化成一套自动化工程

比如拧螺丝，就是一种低阶智能，以前拧螺丝需要靠人的手感，但是自动化之后，就变成了一种流水线

这样不需要人类，也能完成批量拧螺丝的动作

但是过去很多年，互联网建立在「软件工程」上，但这个所谓的软件工程，实际上是在堆砌人力

大厂要花几十个亿，去养一大批软件开发团队，每个人都是流水线上的一环

因为软件这个东西，是一种【高阶智能】

你需要洞察、判断、沟通、修改

这种智能，是工业时代的机器，无法完成的

但是，现在有了AI之后，智力的自动化、流水线，成为了可能

所以最近，才开始兴起Loop Engineering （循环工程）这个概念

因为AI往下发展，就是智力的不断自动化

包括我们在给企业做的AI落地服务，一直都在采用一种结构：

Agent+知识库+自动化

前端有一个Agent，可能是ClaudeCode、Codex，也可能是WorkBuddy，或者是自建Agent

Agent主要负责处理【高阶智能】的工作，也就是各种生成、判断、管理的工作

后端做一个知识库，主要用飞书云文档知识库搭配飞书CLI，或者ima搭配企业微信CLI，或者少量的本地Obsidian

知识库的核心，是给模型充足的、准确的上下文，让它能够真正理解你，理解你的公司，理解你的业务，理解你的需求

而中间，就是基于知识库，做的各种自动化，比如skill、定时任务、循环工程等等

虽然最近关注各种AI新闻很少了，主要在给客户做各种AI落地服务

但是我发现，真正在干事儿的人，走的都是同一条路

今时今日，我们都站在了【智能自动化】的关口上

而AI工程的演进史，遵循的主线逻辑，就是【智能自动化】：

1️⃣提示词工程（prompt engineering）

2️⃣上下文工程（context engineering）

3️⃣驾驭工程（harness engineering）

4️⃣循环工程（loop engineering）

本质上就是在把过去那些，需要大量堆积人力的工作，交给AI来做

工业自动化，把【劳动密集型】的工厂，变成机器自动运转的自动化工厂

智能自动化，就是把【脑力密集型】的公司，变成模型自主工作的自动化企业

但是你会发现一个情况，就是用了AI之后，解决了一些问题，同时又出现了新的问题

因为人的问题，主要在于懒惰、遗忘、贪婪

而AI的问题，在于幻觉、随机性、思考过程的黑盒

过去我们的各种文化、制度、理念，核心都是在管理人性，管理人类的这些弱点

但是接下来，我们的工作、文化、制度，可能就要变成管理AI的弱点

而且一个历史规律是：

一个技术的自动化程度越高，需要的岗位就越多

比如工厂自动化之后，其实反而需要更多的人

1850年的工业从业人员，肯定没有2000年的工业从业人员多

因为自动化之后，成本下降了，需求增加了，也就是所谓的杰文斯悖论

更重要的是，每一次自动化，都会拓展某一个领域的边界，当边界扩大之后，就会暴露更多的问题

这些问题就需要派更大一批人，驻守在新的边界里，去处理这些问题

然而，AI这次不一样的点，在于它本身就是来处理【高阶智能】的

它都处理不了的事情，只能交给那些非常资深、非常牛逼的人来处理

但是问题在于，这样的人，本身就是很少的

而且AI自动化之后，低阶的、入门的智能工作，就被AI替代掉了，你想要从基层做起，培养自己的能力，机会越来越少

所以天然地，接下来就不可能，有足够多的人，去填满这些新的边界的岗位需求

但是，相对应的

【如何培养高阶人才】

会变成新时代的一个核心课题，以及一门潜力非常大的生意