夜雨聆风最近两个月，"loop"这个词突然铺天盖地。
agent loop、AI 自己跑、吴恩达那几个嵌套的循环——所有人都在讨论同一件事：AI 到底能不能自己转起来。会议在聊，文章在写，连我朋友圈里不搞技术的朋友都在转。
但我发现一个奇怪的事：讨论的人多，真把它搭出来、跑了几个月的人，极少。
绝大多数停在两层——"概念上到底能不能"，或者"prompt 怎么写得让它更像在 loop"。很少有人真把整套东西落地：机器、定时、交接、边界，然后实打实跑起来。
我搭了。两台机器、几个定时任务、一个专门干执行的 agent，让它在我睡觉的时候也照样推项目，跑了一两周。
跑下来我琢磨明白一件挺反直觉的事——所有人焦虑的那个"loop 转不转得起来"，根本不是重点。
多数人以为，让 AI 自己干活，拼的是模型够不够强。
错了。
拼的是你敢不敢让它在你不看着的时候动手。这件事跟模型强不强几乎没关系，跟你给没给它一层约束有关。
多数人止步于"把活交给 AI"。可交出去，不等于它能自己转。
这两件事中间，隔着一整层东西。大部分人没搭。我管它叫元控制层。
你以为你雇了个能自主干活的员工，其实你只是买了台洗衣机——你按一下它转一圈，你不在，它就杵在那儿装死。它不缺能力，缺的是"没人按按钮的时候，知道自己该干嘛、干到哪儿停、干砸了喊谁"。
一个没有元控制层的强模型，就是这台洗衣机。参数再高，也得你一直站边上按。
元控制层是什么？三个齿轮：控制 × 循环 × 多端同步。
控制是画边界，循环是给节奏和退出条件，多端同步是让多台机器像一个实体。三个齿轮咬上，AI 才从"用一次的工具"变成"能自己转、还跨机器保持同一个身份"的东西。缺一个，整台机器空转。
一个个拆。
齿轮一：控制，先写"不能干什么"
我那个执行层 agent 叫 pi-azer。它的守则第一条，开列的全是禁令——它不能干什么。
不碰交易。不手改它自己产出的东西。A 股一律不接。不擅自建软链接。
这几条看着像给它上枷锁。恰恰相反。
约束给你的是一块地板——先有地板，你才敢往高处跳。
想想你为什么敢让一个实习生独立跑一个项目？你敢，是因为你早划清了"哪几件事你碰都别碰"，跟他能力强不强没关系。红线清楚了，剩下的空间他才敢放开手脚。AI 一模一样。我把致命的、不可逆的那几件事焊死，它反而敢在我不在的时候动手——因为最坏的结果，也坏不到哪儿去。
没有红线的 AI，你只敢让它干你盯着的活。有红线的 AI，你才敢转身走开。
还有一条我挺得意的守则：判断"某个东西停了"之前，先想清楚是哪台机器上的它。本机不等于全局。这条治的是一类特别隐蔽的错——它会拿本地的状态去推断全局的状态，然后自信地甩给你一个错结论。
授权还得分层。日常的、可逆的事，它自己拍板（L1）；影响面大的，它做完推给我看（L2）；真金白银、不可逆的动作，永远是我亲手点那个按钮（L3）。L3 这层，我一寸都不让。
齿轮二：循环，每个循环都得有退出条件
光有边界，它还是不会自己动。得给它心跳。
我挂了三个定时任务：查系统健康、查各个 agent 的状态、每周做一次复盘。到点自己跑，跑完把结果推到我飞书上。
决策也不是拍完就忘。每个决定记进一个账本，按 7 天、30 天、季度三个刻度回看——当时那个判断，后来到底对没对。
但循环最关键的一条，是很多人搭自动化时漏掉的：
每个循环必须有退出条件。
干成了才停。没有退出条件的循环，那叫失控，算不上自动化。
自动化最危险的从来不是它不干活。是它干个不停，或者静默地干砸了还往下跑，你三天后才发现。所以我给每个自动任务都配了一条"到点自检"——它自己确认这轮到底成没成，成了停，砸了喊我。
一个会喊"我搞砸了"的自动化，比一个闷头狂奔的强多了。
齿轮三：多端同步，让两台机器共用一个大脑
我有两台机器。Mac 白天主力，Mac mini 24 小时待命。
问题来了：怎么让它俩像一个 agent，而不是两个各干各的、互相不知道对方在忙啥的家伙？
答案跟调度多聪明没关系。是让它俩看同一份记忆。
底下垫一个每半小时自动同步的共享笔记库，两台机器看到的永远是同一份。上面架一个 GitHub 仓库做接力——一台 push 交接单，另一台 pull 接单、干完 push 回执。采集归 Mac，执行归 mini，各守一段，谁也不越界。
于是白天我在 Mac 上定的活，晚上 mini 接着干；早上我打开电脑，看到的是一份连续的进度，两台机器各自的碎片被缝成了一条线。
跨机器的同一性，来自共享的记忆，跟算力多强没关系。
这点我觉得最反直觉。大家总把多机协同当成算力和调度问题——砸更多机器、写更聪明的分发。
可真正让两台机器变成"一个"的，是它俩共享同一份关于"我们在干什么、干到哪了"的记忆。记忆一致，身份才一致。
一个带元控制层的弱模型，打得过裸奔的强模型
一个能力顶配、却没有元控制层的模型，你放它自己跑，两步就把自己甩沟里——不知道边界在哪，不知道什么时候停，一台机器出错另一台还蒙在鼓里。它强，但它不"活"。
倒过来，一个中等模型，配上清楚的边界、带退出条件的循环、共享记忆的多端同步，它能自己转好几天不脱轨。
马越烈，越得勒缰绳。"越烈越该撒手"——那是外行话。让 AI 更自主的，是那副你亲手给它套上的约束，模型强不强，排在后面。
诚实说：这套东西做不到什么
吹了半天，得把它的边界说清楚。不然前面的判断都不可信。
它不是 AGI。它只是在我划好的轨道里跑得比我勤快，一旦碰上轨道外的事，照样抓瞎。
它会静默坏掉。有一次一台机器上的任务不动了，我对着另一台机器排查了整整一个小时——"本机不等于全局"这条守则，我自己都会忘。系统再自洽，也架不住人犯低级错。
最要紧的：L3 那一层，真金白银、不可逆的动作，永远是我亲手拍板。我不会把这个交出去，未来也不会。元控制层放大的是我的执行力，不是替我做决定。
承认这三条，不是给系统泼冷水。恰恰因为边界清楚，前面那些"它能自己转"才是真的。
收尾
所以，别再盯着模型参数问"它够不够强"了。
决定 AI 能不能自己跑起来的那层东西——控制、循环、多端同步——模型厂商不会给你，你得亲手搭。
约束不是笼子，是钥匙。
点击阅读原文关注我的blog，关于元控制层的实践，后续会拆解并分享到blog，https://wildfires.cc/
