AI 何时该停？让 Loop 收敛的艺术
Knowing When to Stop: The Art of Making a Loop Converge
AI 模型不知疲倦，总想不断生成新结果，但何时才算“完成”？文章指出，人类依靠测试、截止日期等外部信号判断工作结束，而 AI 需要精心设计的 Loop 来收敛。Loop 工程的核心不是让 Agent 不断重试，而是确保每一步验证器都能有效缩小当前状态与目标状态的差距。代码、SVG 和 Blender 场景因具备可编辑性和可验证性，容易实现收敛；而开放式图像生成则因难以定位具体错误而举步维艰。真正的挑战在于重新定义任务，使其落入“可编辑且可验证”的象限，同时警惕边际效益递减带来的经济陷阱。
Loop 工程不是让 Agent 不断重试的实践，而是让每个循环周期都缩小当前状态与期望状态之间距离的实践。
- ausbah
我并非想全盘否定这篇文章，毕竟关于验证的讨论确实让我有所收获。
但文章出自一家投资代币生成公司的 VC 之手，还引用了 OpenClaw 背后那位“天才”的话，这让我觉得这不过是一场精心设计的心理战，通过过度工程化，诱导人们盲目地把代币扔进 LLM 这个老虎机里。
- Sha1rholder
我实在想不出任何得体的措辞来表达我对这篇文章的感受。
- intended
我记得读过一些 A16z 的文章，读完确实受益匪浅。但这篇……我很难把那些管理层胡言乱语和该领域工程中仅存的洞见区分开来。
更糟糕的是，文章里随机出现的段落读起来就像 Claude 生成的废话。每一处这样的段落，删掉反而会让文章更好。
文章里充斥着听起来像巫术的论断，紧接着又阐述一些显而易见的事实（“你需要有一种方式来编码什么是好的”），这至少让人感到沮丧。
曾有一刻我怀疑这篇文章是否在搞反讽；试图通过强调 Loop 必须受经济限制来呼唤理性的回归：
> “缺失的那一块既无聊又必要：每次迭代的成本、每美元的进展、以及一个在 Loop 仍在运行时就能被人看见的曲线。”
曾经属于工程学的地方，如今似乎矗立着一座宗教。这里充斥着观点与立场，却缺乏度量与清晰。