软件工程中的两个 Loop Engineering：你的团队建立了哪个 Loop ？

研究了很多案例之后，我发现这跟 团队对『循环（Loop）』的理解深度直接相关。

1 相隔十多年的两场『循环革命』

软件开发领域出现了两个深刻的 Loop 概念。

2011年：微反馈回路

在微反馈回路让开发人员效率最大化一文，提到了 Micro Feedback Loops，

其实，它就是敏捷开发和DevOps中由 TDD/CI/CD 等组成的微反馈循环。它揭示了一个极致高效的软件开发模式。

如果你的团队有完善的DevOps基础设施和工程实践，开发者可能每天都要执行 10 到 200 多次微反馈循环 — 编译、跑测试、刷新环境。如若每次都多等两分钟，那么一天就是 100 多分钟碎片等待，这会让工程师很难形成工作心流。而每次工作心流的中断，恢复需要 23 分钟，效率受到很大的影响。

Micro Feedback Loops的核心思想：把每一次小的验证循环做快、做简单、做可靠。

开发者反馈回路示意图

2026年：Loop Engineering

今年 6 月由 Peter Steinberger 引爆、Addy Osmani 正式命名。核心思想：不再是你手动给 AI 代理发指令，而是你设计一个系统，让这个系统自动给 AI 代理发指令，形成一个反馈改进循环，自进化。

Loop Engineering 概念图

两场革命内核惊人地相似 — 都围绕『循环』，都关注频次×成本 — 但作用层级完全不同：

微反馈回路回答的是『人在环内跑得有多快』，Loop Engineering 回答的是『人能不能干脆跳出这个环』。不是替代关系，是递进关系。

2 为什么验证比自动化更关键？

Loop Engineering 远没到成熟期。日本工程团队的两个实验很说明问题：

一个团队做了自动清理过期分支的循环，条件明确（超 30 天 + 无人引用），一周自动删除 129 个分支，零事故。另一个团队让 Agent 自动提交代码，一天跑出 43 次失控提交，CI 崩了一整天。

分界线就在『验证』环节。 第一个有清晰的验证条件，第二个没有。这恰恰是微反馈回路反复强调的核心：建立快速、可靠、有效的反馈信号。没有这个信号，任何循环都是闭着眼睛在跑。循环跑得快不难，难的是让循环知道什么时候该停。

3 先搭桥，再上车：标准知识库

直接跳到 Loop Engineering 不现实。没有高效的微反馈回路，Loop Engineering 就没有基础设施。

你需要先搭一座桥 — 标准知识库 把你项目中的微反馈回路写成 Agent 能读的形式。

# build.skill.md — 怎么编译、增量编译、跳过缓存
# test.skill.md — 哪些是快测试（2分钟）、哪些是慢测试（40分钟）
# deploy.skill.md — 部署流程、环境配置、回滚步骤

举个例子：假设测试需要 40 分钟且有手工配置。Agent 没法替你跑。但如果你先把测试拆成快慢两组，统一入口 npm test --fast，再写进 test.skill.md，Agent 就能每改完代码自动跑快测试，通过了再跑慢测试 — 你只负责最后看一眼。

你可能会说：『这些不就在 CI 脚本里吗？』的确，然而，把 CI 脚本加入到 Skill ，让 AI 读取并执行的过程，就是一次知识显性化。

4 从人在环内到人在环外

回头看开头那个分化。高效团队的路径很清楚：

1. 微反馈回路优化 — 编译、测试、部署的反馈回路做快做简单
2. 标准知识库建设 — 把优化好的流程写成 Agent 能读的规范
3. Loop Engineering — 在知识库之上构建自动驱动的 Agent 循环
4. 持续演进 — 用 Agent 运行数据反哺，进一步优化微反馈回路

每一阶段都为下一阶段铺路，同时吃上一阶段的红利。

低效团队不是不想要。但他们卡在第一步 — 微反馈回路都没搞好，给再强的 Agent 也没用。

因为 Agent 的每个动作循环，都在你的基础设施上跑。基础设施慢，Agent 就慢。基础设施不可靠，Agent 就不可靠。

不过也好办。不需要先变成敏捷大师再碰 AI。反过来想：把『让 Agent 能替你跑微反馈回路』当目标，倒逼你一步一步把流程理清楚。

我一直觉得，AI 没有让『做好基本功』变得不重要。恰恰相反 — 你优化一次微反馈回路，Agent 能在标准知识库上替你跑一百次。这笔账怎么算都不亏。