构建能真正交付的自主目标循环
Building Autonomous Goal Loops That Deliver
早期的 Agent 循环往往只是机械地执行计划直到测试通过，但这无法应对我们尚不理解的产品能力增长。真正的挑战在于构建一个能暴露真实失败、定位缺失能力并保留教训的 harness。我们需要区分两个系统：一个是功能本身，另一个是决定 Agent 下一步该改什么的流程。这个循环依赖于环境而非单纯的 prompt，它需要确定性的底线来防止倒退，同时通过真实需求来指引方向。每一轮循环只解决一个因果缺口，从请求到持久化效果的全路径修复。此外，必须建立权威模型，防止 Agent 优化错误的指标或自我评分。最终，仓库作为控制平面，确保会话结束后经验不丢失，而人类在关键节点决定何时停止或转向。
一个优秀的循环回合结束后，留下的是一项可用的能力、证明其有效的证据，以及一个不会为同一教训重复付费的 harness。
- madamelic
我有时不禁会想，如果我们自己写代码，是不是就不会写这么多东西了。
我部分是在抛出一个修辞性问题，但也想听听各位的看法：什么时候该部署'循环工程'（loop engineering），什么时候该用'一次性'（one-shot）方案，又什么时候该自己动手写代码？
另外，这篇文章似乎只在泛泛而谈，并没有针对如何构建'评分器'（scorer）或如何判定是否达成状态目标提出具体方案。你们对此有什么想法吗？你们觉得让人工介入循环（human in the loop）会不会不必要地拖慢进度？
- Oscalemor
任何实施前后的数据，大家都想对其进行优化。我自己也掉进过这个坑；我们到底该如何衡量它？
- gps372
我建议在评分层之前加入安全和治理审查环节，并确保评分层能将那些反馈纳入下一个待办事项中。