[AI 分享] Loop Engineering 101：讓 AI 自主迭代交付程式碼

[AI 分享] Loop Engineering 101：讓 AI 自主迭代交付程式碼

摘要 : 介紹 AI Loop Engineering 核心概念，涵蓋迴圈設計、開放與封閉模式、品質關卡、單代理與多代理協作，以及自我學習機制。

內容:

Loop Engineering 101 是一套讓 AI 代理能夠在你不持續介入的情況下，自行完成「發現問題、規劃步驟、執行修改、驗證結果、反覆修正」的工作方法。其核心概念是把 AI 從一次性輸出工具，轉變成能自行檢查與重試的迴圈系統。

所謂的 Loop，本質上是一個會自我迭代的代理流程。最基本的循環包含五個步驟：先找出需要處理的內容，再把目標拆成可執行步驟，接著執行任務，然後驗證結果是否符合目標，最後根據差距繼續修正並再次執行。以修 bug 為例，AI 可以先重現問題、撰寫修正、重新執行測試，直到結果通過為止。這類任務通常具備幾個特徵：容易形成明確步驟、能夠重複嘗試、有可自動檢查的完成定義，而且失敗成本低。

區分了開放式迴圈與封閉式迴圈。開放式迴圈讓代理自由探索與發現，雖然靈活，但往往消耗高、容易偏離目標，甚至產生品質不穩定的結果，因此不適合作為起點。相對地，封閉式迴圈會先定義清楚目標、步驟與驗證條件，代理在限制條件內運作，因此更可預測、更省資源，也更容易控制。作者強調，在實務上封閉式迴圈更適合多數工程場景。

一個設計良好的 Loop，需要具備完整的結構。六個關鍵組件：第一是自動化機制，用來驅動整個流程；第二是工作樹或工作切分，讓不同任務能並行處理；第三是技能，包含代理在專案中需要具備的知識與操作能力；第四是插件與連接器，用來串接 PR、測試、Slack 等外部工具；第五是子代理，讓不同角色分工合作；第六是記憶，用於保存目標與關鍵上下文。不過作者也提醒，不要過早把規則與記憶全塞進對話中，也不要所有事情都靠手動觸發，更不要在還沒明確需求前就把全部組件一次建完。

在代理配置上，比較了單代理與代理艦隊兩種模式。單代理迴圈是由一個代理反覆優化自己的工作成果，當結果不夠好時就持續重跑。這種做法簡單、便宜，對大多數任務已經足夠。若任務複雜度更高，才需要採用多代理模式，也就是讓多個專業代理在協調者管理下共同完成工作。這種方式適合單一代理難以勝任的場景。

實務上，Loop 通常會被設計成一條可持續運行的流水線。系統會從磁碟或既定規則載入目標與規範，再由生成者負責產出內容、檢查者負責驗證、品質關卡負責把關。如果某一步失敗，流程就會回到前面重新迭代。這樣的設計能把「重現問題、修正、驗證」自動化，但最終是否合併與發布，仍應由人類掌控。好的 Loop 會主動提出修正並通知你，但不會自行上線。

品質關卡是整個 Loop 中非常重要的一層。若沒有品質把關，代理只會更快地產出低品質結果。因此，在成果真正送出前，必須經過嚴格的驗證。這個關卡應建立在人類無法妥協的檢查項目上，例如編譯是否通過、型別系統是否正確、整合測試與變異測試是否成功、屬性測試是否符合預期，以及靜態分析、格式檢查、CI 等是否全部通過。品質關卡不只是保護機制，更是讓整個 Loop 能持續運作的前提。

最後，「自我學習迴圈」的觀念。真正有價值的 Loop，不只是重複執行，而是能把每次失敗的教訓保留下來，讓下一輪做得更好。這代表系統需要能攜帶規則、記錄錯誤、分析原因，並把學到的經驗納入後續執行。文中建議建立專門的規則文件，例如把錯誤轉化為可重用的經驗、自己維護規則庫、信任但驗證每次輸出，並且不要讓代理自動修改最重要的檢查規則。

整體而言，這篇內容強調的不是單次提示詞怎麼寫，而是如何設計一套能持續運作、能自我修正、能受控學習的 AI 工程流程。你真正要打造的，不只是會提示代理的系統，而是會從經驗中變得更好的系統。