← All Articles

精读 Loopcraft——"堆叠 loop" 这个概念是什么，对你意味着什么

2026-06-14 · Original

受众：Justin（红杉中国 MD） 原文：Latent Space（swyx 的 AINews）2026-06-12，高亮 Peter Steinberger、Boris Cherny、Andrej Karpathy 三人的”loop discourse” 你的需求：讲清楚这个 loop 概念是什么 + 对你有什么意义和价值

一、这个概念到底在说什么

一句话：别再亲自给 agent 写 prompt 了，去设计”循环”（loop），让循环自动驱动 agent 干活。

三个人的原话最能说明：

核心转变：从”人在循环里一次次发指令”（human-in-the-loop）变成”人设计循环、然后退到循环外”（human-on-the-loop）。你的角色从”操作者”变成”循环的设计者和所有者”。

二、“堆叠 loop”是什么意思

文章的关键洞察：我们其实已经身处很多层 loop 里，只是没意识到。

举例（从小到大堆叠）： - 最内层：模型生成 token 的循环（写一个字、再写一个字） - 往上：agent 调工具的循环（写码 → 跑测试 → 看报错 → 改 → 再跑） - 再往上：你给 agent 派任务的循环（提需求 → agent 做 → 你 review → 再派下一个） - 更往上：你安排多个 agent 并行、自己只定目标和验收的循环 - 最外层：设计一套系统，让上面这些循环自己跑，你只在出大问题时介入

“loopcraft”（循环工艺）就是把这些 loop 一层层堆起来、并且知道什么时候该在哪一层操作的能力。

文章给了一个很精炼的判断（我认为是全文最值钱的一句）：

在每个阶段的早期，当事情出错时，知道往”下”走一层（降到更细的循环）很有价值——为了可靠性；但随着模型变强，知道往”上”走一层（升到更高的循环）会更有价值——为了杠杆。如果你不学会怎么往上走，等你输给那些学会的人时，别不服气。

翻译成人话：模型不行的时候你得能下沉到细节去兜底（保证靠谱）；模型变强之后，真正拉开差距的是你敢不敢、会不会往上抽身，把更多决策交给系统（放大杠杆）。

三、“Salty Lesson”——对 Rich Sutton “Bitter Lesson” 的致敬和延伸

Rich Sutton 有著名的 Bitter Lesson（苦涩的教训）：AI 研究里，靠堆算力和数据的通用方法，长期总是赢过人类手工设计的精巧方法。

文章提出 agent 时代的 Salty Lesson（“不服气的教训”，salty 是”输了还嘴硬”的意思）：

逻辑和 Bitter Lesson 同构：手工干预不可扩展，会被”设计可扩展系统”的方法打败。你越亲自下场修，越被那些”搭好系统让 agent 自己跑”的人甩开。

四、这个概念为什么现在火（背景）

文章这期还顺带提了一批同期信号，都指向同一个方向——“人退到循环外、系统自主运行”正在从理念变成产品和数据：

五、对你的意义和价值

作为投资人，这是一把判断标尺

  1. 看 AI 应用 / agent 工具标的时，问一个问题：它帮用户停在哪一层 loop？

    • 只帮用户”更快写 prompt”的产品（停在最内层）→ 价值会随模型变强被稀释
    • 帮用户”设计循环、退到循环外”的产品（往上走）→ 这是杠杆所在，更可能有持续价值
    • 这条和 Salesforce 精读那条”判断 AI 提效看下游有没有被接住”是一套——都是穿透”AI 提效”叙事看实质

  2. “窄、高反馈、可自动验证”是 agent 自主化当前的真实边界。文章里自动研究系统出成果的全是这类任务（kernel 优化、speedrun）；专家级综合判断（SciConBench、Agents’ Last Exam 最难档）agent 还是 0 分。看标的声称的自主能力时，用这条边界检验。

  3. “往上走一层”是稀缺能力，也是稀缺人才信号。文章说会往上走的人会赢——反过来，你看创始人/团队时，能不能判断”哪些该交给系统、哪些该留在人手里”，是 AI 时代的核心 founder 能力（和 Good AI PM 那篇”委派 vs 留在环内”是同一判断）。

作为重度 AI 用户，这是工作方式的升级方向

你现在的用法大概还在”派任务 → 看结果 → 再派”这一层（human-in-the-loop）。Loopcraft 指的方向是：把你反复做的研究/精读/调研流程，设计成”循环”——定好目标、规则、验收标准、失败兜底，然后让它自己跑，你只在关键节点介入。

具体到你的场景，可迁移的一条：你让我做的精读/调研，本身就可以 loop 化——比如”每天自动扫某批源 → 按你的兴趣过滤 → 出浅读 → 你只看值得升精读的”。AI 日报其实已经是一个 loop（只是还需要人扫码维护）。Loopcraft 的提醒是：哪里还有你在当瓶颈、反复手动发指令的地方，那里就有往上抽一层的机会。

六、一句话总判

Loopcraft 不是新工具，是个心智转变：从”给 agent 写 prompt”升级到”设计让 agent 自己跑的循环”，并学会在模型变强时主动往上抽身（放大杠杆）而不是守在细节里。

对你最直接的两个用处：① 当投资标尺——判断 agent 产品/团队是停在内层（会被稀释）还是帮人往上走（有杠杆）；② 当工作方式提醒——找到你还在当瓶颈手动发指令的地方，把它 loop 化。

最该记住的一句是那个”Salty Lesson”：别自己动手修，去搭能随 agent 数量扩展的系统（目标 + 编排）——和 Sutton 的 Bitter Lesson 同构，手工干预终将输给可扩展系统。

主要来源

配套（同主题，你已读过）