别人怎么用 loop——非 coding 领域的真实案例集
Justin 想看软件工程之外、别人拿 loop 干什么。鼹鼠联网挖了三个领域簇（研究/投资、内容/个人/日常、运营/客服/招聘）+ 一个企业级案例。下面按”真实度”分层给，厂商自报的数字都标了出处、别当铁证。
一句话贯穿判断（这条最值得记）：能核实的非编程 loop，长相都一样——定时或事件触发 → AI 把”收集信息 + 初步处理”这段重复活自己干完 → 人只在最后的判断/拍板那一步介入。而且它们扎堆在”一个人自己就能搭、自己就能跑”的地方（简报、内容、家居、单人研究）；越往企业级、越需要多人协作和权限，就越变成”买产品”而不是”自建 loop”。
一、最硬的一个：科学研究 · Robin（FutureHouse）
这个来源最实（官方 + Nature 论文），也最能说明 loop 在非编程领域怎么用。
- 怎么用的：研究员只丢一个课题进去（他们试的是”干性老年黄斑变性怎么治”），一套 agent 循环自己转——一个 agent 半小时读几百篇论文写综述 → 一个评估候选药物分子 → 一个跑数据分析 → 人去做实体台架实验 → 结果回流、系统据此定下一轮试什么。
- 人在哪：退出了”读文献、筛分子、跑分析”这些重复活，只留两个高阶位置——做实体实验、拍板假设方向。就是 human-on-the-loop。
- 结果：真挖出一个已上市的青光眼药（ripasudil）可能能治干性黄斑变性，从想法到发 Nature 论文只花 2.5 个月，代码开源。
- 科学家不是程序员，但把研究本身搭成了 loop。
二、最接地气的一批：个人 / 创作者 / 日常（真人第一人称复盘）
这几个都是真人在博客/推特里”我搭了个 X 干 Y”、带实测数字。
🏠 家居 · Troy Hunt（安全研究员）——不用懂技术也秒懂 以前门口传感器只推”检测到移动”。他接了个 AI：摄像头拍照 → AI 看一眼 → 推”一个快递员拿着大包裹站在门口”。还有个更逗的：鸡舍摄像头每 5 分钟拍一张、AI 自动数今天有几只鸡。触发是定时/移动，AI 给个判断就停，人只设规则。
📈 涨粉自动化 · Deepak Yadav——附一个值钱的反面教训 给自己搭了个”X 自动驾驶”：在设定时段内自己决定发啥、撞限流就暂停、模仿真人作息不机械狂发。11 周从 340 涨到 1100 粉。但他有次离开 8 天纯自动跑，互动直接崩了，结论是”没有真人味的自动化会失败”。对判断 AI agent 产品有用——全自动不等于更好。
📰 每日简报——最普遍的一种 loop 外面一大堆人在搭同款：每天定点自动扫一堆源（RSS/新闻/邮件）→ AI 合成简报 → 推到邮箱/Notion/Slack，人睡觉时它干活、醒来简报就位，省 1-2 小时/天。最能看的一个是 hoangsonww 的 AI News Briefing（开源 + 有公开 Notion 页看每天真实产出）。 > 这条正好是 Justin 自己 AI 日报的旁注：外面一堆人搭同款，区别是你那份”挑哪篇升精读”还是你本人手动做的——你的是半自动（扫源自动、升精读靠你）。
✍️ 写作 · Teodora Szasz（Substack 作者） 她每周花 8 小时处理评论、荐旧文、想选题。搭了套 agent：一个记她背景、一个模仿她文风、一个质检。现在系统自己跑、她偶尔审一眼，省 8 小时/周。
三、企业级：Klarna 客服 AI（有名有数 + 一个关键反转）
公司/厂商口径、“loop”框架偏松，但 Justin 认，而且反转比单纯的成功故事值钱。
- 正面数字（Klarna 2024-02 公布）：上了 OpenAI 的客服助手，一个月接 230 万次对话 = 700 个全职客服的活；平均 2 分钟解决（人工要 11 分钟）；重复咨询降 25%；那年预计多赚约 4000 万美元；24/7、35+ 语言。2025 年说干到 800-850 个客服的量、年省约 6000 万。
- 反转（2025-05）：CEO 公开承认这轮”砍人砍过头了”，开始重新招人工，要保证客户”永远有个能找真人的选项”。但不是翻车，是转成混合：AI 照样接掉大部分常规量，人被请回来专做 AI 露怯的高风险场景（纠纷、复杂退款、财务困难这种”错了代价很大”的事）。
- 为什么它收尾：用一个大家认的名字坐实了贯穿判断——AI 扛下重复、可预测的那段，人保留”错了代价大”的最后判断。跟 Deepak”纯自动 8 天崩”是同一个教训的企业版：loop 的价值是过滤和承担常规量，不是把人彻底踢出去。
四、金融圈的信号（真实存在但都是厂商/新闻口径，当信号别当复盘）
- Magnetar Capital（180 亿美元对冲基金）：要推一只几乎全 AI 的股票研究基金，几百个 bot 替代分析师、人只做最后交易决策。但 2026 下半年才上线、没业绩。（Bloomberg 2026-06）
- AlphaSense Deep Research：跨 5 亿+份文件（SEC 文件、财报电话、新闻）自动做多步研究 + 条件触发推警报。真产品真在用，但是 SaaS、数字厂商自报。
- Decile Hub（VC 投后）：自动抓投后公司数据、标收入/烧钱异常、起草 check-in 邮件和季报初稿。厂商说 1000+ 基金在用、季报从两周缩到一天。指标厂商自报。
五、一个”没找到”本身就是发现：企业运营/客服/法务/招聘
鼹鼠这一簇基本没挖到真案例（没拿概念验证凑数，招聘/HR 是零）。这不是偷懒，是个真发现：
- 真正”我搭了个 loop 干某事”的个人复盘，高度集中在个人/创作者/研究这一侧。
- 越往企业级（运营、客服、法务），现实里大多不是有人自建 loop，而是买厂商产品；真实部署很少有人公开复盘，证据都锁在厂商 case study 和付费墙后面。
- 所以不是”这些场景没人用 loop”，而是”这一侧的真实证据不以个人复盘的形式公开存在”。
主要来源
- Robin / FutureHouse：官方 + Nature 论文（干性黄斑变性 / ripasudil）。
- Troy Hunt：troyhunt.com（家居 AI 自动化）。
- Deepak Yadav：Medium 复盘（X autopilot，340→1100 粉 + 8 天崩的教训）。
- 每日简报：hoangsonww AI News Briefing（GitHub 开源 + 公开 Notion）。
- Teodora Szasz：Substack 复盘（写作 agent 省 8h/周）。
- Klarna：Bloomberg（CEO 采访）、Forbes、Entrepreneur 2025 报道 + Klarna 2024 官方数字。
- Magnetar：Bloomberg 2026-06。AlphaSense / Decile Hub：官网（厂商口径）。