夜雨聆风我最近越来越能感觉到一件事。
很多人学 AI，其实不是卡在不会提问。
他会问问题，也知道让 AI 帮他写文案、做总结、列计划、改表格。问题是，每一步都要自己盯着。AI 写一版，他看一眼，不满意，再追问一句。AI 又改一版，他再指出问题。
这一来一回，看起来是在用 AI，实际还是人在一寸一寸推着 AI 往前走。
人一停，任务就停。
这也是为什么很多人用了很久 AI，最后感觉只是多了一个聊天框。热闹是热闹，真正能交给它的事不多。
本文核心判断：学 AI 迟早要从“会提问”走向“会设计循环”。提问只能启动一次回答，循环才可能让 AI 围绕一个目标持续推进、检查、修正，最后交出一个能用的结果。
01｜提问只是入口，循环才开始像工作
以前我们用搜索，是输入关键词，等它给资料。
后来我们用 AI，是输入一个问题，等它给答案。
但如果只停在这里，AI 还是一个被动工具。你问一句，它答一句。你不问，它什么也不做。这个模式对聊天、解释概念、临时写一段东西很有用，但对真正的工作还不够。
真正的工作不是回答一次就结束。
写一篇文章，要先判断角度，再搭结构，再写初稿，再检查哪里太空、哪里太像套话、哪里缺例子。
做一个方案，要先弄清目标，再拆任务，再查资料，再对照客户情况，再反复删改。
做一个小工具，要先理解需求，再写代码，再运行测试，再修错误，再确认结果。
这些事都有一个共同点：一次回答解决不了，必须一轮一轮往前推进。
这就是 Loop 的价值。
你可以把它理解成一个很朴素的循环：先告诉 AI 要做成什么样，再让它计划和执行，然后对照标准检查，没达标就继续改，直到完成，或者到达上限停下来汇报。
听起来不玄。
但很多人真正缺的就是这一步。
02｜没有验收，循环只会变成自我感动
循环里最重要的东西，表面看是“自动跑”，底层其实是“能检查”。
这点特别关键。
如果你只告诉 AI：“帮我把这篇文章写好一点。”它会努力写得更顺、更完整、更像一篇标准文章。但什么叫“好一点”？没有标准。
最后它很容易把文章改成那种看起来很正确、读起来很空的东西。
所以真正有用的循环，必须带验收标准。
比如写公众号文章，可以给它几个标准：
开头有没有具体场景？
有没有自己的判断？
有没有删掉 AI 腔？
有没有把抽象概念讲成普通人能懂的话？
结尾有没有余味，而不是喊口号？
如果是做代码，就更明显。
测试能不能跑通，页面能不能打开，接口有没有返回，报错有没有消失，这些都是验收。
这也是为什么 Codex、Claude Code 这类工具，最早会在程序员那里跑得特别快。
原因也不复杂：代码特别适合验收。
它对就是对，错就是错。测试不通过，继续修。构建失败，继续看错误。页面打不开，继续查原因。AI 可以在这个环境里一轮一轮改下去。
普通人用 AI，也要学这个思路。
不要只问“帮我做一个更好的版本”。你要告诉它：什么叫合格，哪些地方不能犯，做到什么程度才算停。
03｜状态会让 AI 少绕很多圈
循环还有一个经常被忽略的东西，叫状态。
说白了，就是让 AI 记住三件事：
已经做了什么。
哪里失败了。
下一步准备怎么改。
没有状态，AI 就很容易从头再来。你明明已经告诉过它不要这么写，它过一会儿又写回去了。你明明已经排除过一个方向，它下一轮又重新建议一次。
这不是 AI 故意气人。很多时候，只是任务没有被记录下来。
我现在越来越重视文档、归档、skill、发布记录、选题池、状态看板，原因就在这里。
这些东西看起来麻烦，其实是在给 AI 留工作记忆。
如果没有这些记录，每次打开 AI，都像重新招了一个新人。你要重新解释背景，重新讲规则，重新纠正它犯过的错误。
有了状态以后，AI 才慢慢从“临时聊天对象”，变成一个能接着上次往下干活的搭档。
这也是很多小公司做 AI 最容易忽略的地方。
他们一上来就想要一个系统，一个 Agent，一个自动化平台。但真实情况是，公司里连任务状态、文档版本、责任边界、验收标准都没固定。
这种情况下，AI 越自动，可能越乱。
因为它不知道什么已经做过，什么不能再做，什么必须停下来问人。
04｜循环要有跑道，也要有护栏
很多人一听到自动化，就容易兴奋。
好像最好把一切都交给 AI，让它自己跑，自己改，自己完成。
我反而觉得，这里要冷静一点。
循环不是放飞 AI。循环是给 AI 一条跑道，同时告诉它护栏在哪里。
一个轻量 Loop，至少要有四个条件。
做循环前，先问四个问题：这件事会不会反复发生？好结果和坏结果能不能被检查出来？AI 能不能完成大部分流程？失败的时候，知不知道应该停在哪里？
如果这四个问题都答不上来，就别急着做自动化。
比如“帮我想一个人生方向”，这种事不适合让 AI 自己循环。它可以陪你讨论，但不能替你一直自动推进。
比如“每天整理一份会议纪要，按固定格式提取待办，再检查有没有责任人和截止时间”，这种就很适合。
因为它重复，有格式，有验收，也知道哪里要停下来问人。
普通人学 AI，最现实的路径不是一上来就搭一个复杂系统。
先找一件小事。
让它手动跑通一次。
再把规则写下来。
再让 AI 按规则跑三轮。
最后再考虑要不要自动化。
这条路慢一点，但不容易跑偏。
05｜真正的分水岭，是你会不会设计工作方式
AI 发展到今天，很多人还在收集提示词。
提示词当然有用，但它只是最前面的入口。
再往后，是反馈。
再往后，是循环。
再往后，是 skill、agent、工作流和组织记忆。
这些东西听起来像技术名词，其实背后都是同一个问题：
你能不能把一件事说清楚，拆清楚，验收清楚，再让 AI 一轮一轮把它推进下去。
会这一点的人，用 AI 会越来越顺。
不会这一点的人，就算每天换最新模型，也还是在聊天框里来回试。
所以我现在看一个人会不会用 AI，已经不太看他会背多少提示词。
我更看他会不会定义目标，会不会设计流程，会不会验收结果，会不会把一次经验固化成下一次还能用的规则。
说到底，AI 时代会放大的，不止是人的表达能力。
人的判断力、组织能力，以及把事情做成闭环的能力，也会被一起放大。
工具会越来越强。
但工具越强，越考验你知不知道该让它往哪里跑，跑到哪里算数，跑偏了什么时候叫停。
这才是普通人真正该练的 AI 基本功。
继续系统学 AI
把 AI 讲成一条能走通的学习路线
这篇文章只讲一个切口。真正要理解 AI，不能只追模型、工具和热点，还要知道它从哪里来，为什么会变成今天这样，又会怎样改变公司、行业和普通人的生活。
我会在视频号「剑龙东京野说」会员专区，把这些内容拆成一节一节的视频课，慢慢讲清楚。
如果你想系统地学 AI，而不是每天被各种新工具、新名词牵着跑，我已经把「跟着老王学 AI」的视频课内容，陆续放进了视频号「剑龙东京野说」的会员专区。
一天一块钱，就可以跟着老王把 AI 从基础概念、使用方法、工作流、工具和未来趋势，一点一点学明白。
这不是追热点，也不是堆工具清单。我的想法很简单：每天讲清楚一小块，让你慢慢建立自己的 AI 判断力，知道它是什么、怎么用、会怎么改变工作和生活。
加入方式也很简单：打开视频号「剑龙东京野说」，进入主页，点击「会员专区」即可。
后面我会把更多需要展开讲清楚的 AI 课程、社会观察、商业判断和个人思考，持续放在会员内容里。适合想长期跟着我一起学习、一起思考的人。
