夜雨聆风Andrew Ng 上周末给女儿做了一个打字练习 App，他的 AI 编程 Agent 连续工作了一个小时，自己打开浏览器检查效果，自己修 bug，全程不需要人类介入。这不是实验室 demo，是一个父亲用周末时间做的小项目
他把这个过程背后的方法论写成了一封信，提出了构建产品的三层循环模型。这套框架正在改变软件从 0 到 1 的构建方式
给 AI Agent 一份产品规格说明和一组评估数据集，它就能自己写代码、自己测试、反复迭代，直到代码没有 bug 并且符合规格要求
这个"闭环"概念从去年底开始爆发。Boris Cherny 在 Claude Code 里实现了它，Peter Steinberger 在 OpenClaw 里也做了类似的事，两人的分享在社交媒体上引爆了 "Loop Engineering" 这个词
关键变化在于循环速度。每隔几分钟，Agent 就能构建并测试一个新版本。开发者们正在不断发明让这个循环更高效的方法，这是目前最活跃的创新领域之一
第二层：开发者反馈循环（小时级）
去年大部分开发者（包括 Andrew Ng 自己）充当的是 AI Agent 的 QA 角色，手动找 bug，然后让 Agent 修。但现在 Agent 已经能自己测试代码了，开发者花在 QA 上的时间大幅减少
这意味着开发者可以做更高层级的决策：提供哪些核心功能、哪里的 UI 需要改进、用户流程怎么设计。以那个打字 App 为例，Andrew Ng 改了好几次视觉设计，调整了女儿解锁猫咪服装的机制（她喜欢猫），还重新设计了家长登录和引导孩子学习的流程
这个循环的周期是几十分钟到几个小时。开发者有了清晰的产品愿景后，把它翻译成 Agent 能执行的规格说明仍然需要大量工作。而且看到实现效果后，开发者经常会更新或澄清规格说明
第三层：外部反馈循环（天/周级）
找几个朋友试用、发给内测用户、上线做 A/B 测试。这些手段通常很慢，快则几小时，慢则几周。但这些数据会反过来塑造开发者的产品愿景，进而驱动规格说明的更新，最终影响 Agent 的编码方向
三层循环嵌套运转：Agent 循环在分钟级迭代代码，开发者循环在小时级调整方向，外部循环在天/周级验证产品假设。每一层的输出都是下一层的输入
工程师正在变成产品经理
Andrew Ng 观察到一个正在发生的角色转变。AI Agent 加速了软件开发之后，越来越多的工程师开始承担产品管理职责
很多人把开发者在产品方向上的贡献称为"品味"。Andrew Ng 更倾向于把它理解为"上下文优势"，因为这个说法给出了一条更清晰的路径来帮助 AI 系统变得更好。人类比 AI 更了解用户和产品运行的背景环境，这就是为什么这一步不能被自动化。只要人类知道 AI 不知道的东西，human-in-the-loop 就是必要的
对很多正在成长为这个角色的工程师来说，最难的部分是在"构建"和"获取用户反馈"之间找到平衡。两件事都要做
AI 原生团队已经在用 AI 辅助产品方向决策了：自动收集和分析使用数据、总结书面和口头的用户反馈、做竞品分析。但在 Andrew Ng 参与的几乎所有产品中，人类仍然拥有显著的上下文优势
原文链接：
- • Andrew Ng (@AndrewYNg) - Loop Engineering
