别再一句句“哄”AI写代码了:两条路线正在分道扬镳,一条全自动狂奔,一条每步都要你签字
别再一句句“哄”AI写代码了:两条路线正在分道扬镳,一条全自动狂奔,一条每步都要你签字
最近这半年,AI 圈最火的关键词换得比手机壁纸还快:先是 Prompt,再是 Agent,接着是 Harness,现在轮到 Loop Engineering(循环工程)。
一句话解释这股风潮的来由:以前我们写提示词,像对着一个实习生喊“帮我把这个表格整理一下”,喊一次动一次,喊得不好就翻车;现在大家想干的事是——别喊了,给 AI 设计一个循环,让它自己转圈、自己检查、自己改到达标为止。
有意思的是,同样打着“循环”旗号,圈内却长出了两条完全相反的路。
一条路是让“宿主智能体”自己进化自己,越跑越聪明,代价是你越来越看不懂它在干嘛;另一条路是把 AI 塞进一个带审批按钮的工作台,谁改了什么、谁签的字,全留痕,代价是流水线时不时要停下来等人。
这不是技术细节之争,而是你敢把多重要的事交给 AI 的问题。今天就把这两条路摊开讲清楚。
一、先搞明白:这个“循环”到底是个啥
假设你要 AI 修一个 Bug。
老办法是:你打字说需求,它回一段代码,你看一眼觉得不对,再打字纠正,它再改。来来回回,你自己就是那个“循环”,累的是你。
新办法是:你只把目标、规则和“刹车”告诉它,剩下交给程序——它自己拆任务、自己写、自己跑测试、发现没过就自己再来一轮,直到通过或者撞上你设的红线。
打个比方:前者像你手把手教孩子写作业,一道题讲一遍;后者像给孩子一份带答案核对的练习册和一条家规——“错题必须自己订正三遍”。
区别在于:练习册谁批、错题谁来兜底。
二、路线 A:让 AI 自己改自己,越跑越野
先看激进派代表 Raven。这个项目在掘金上被称作“Harness 的 Harness”,目前 GitHub 上有 5.7k 星。
它的定位很直白:自己不干活,专门管着一群干活的 AI。内置 Research(查资料)、Code(写代码)、Design(做设计)、Oncall(值夜班)四个智能体,还能把 Claude Code、Codex、OpenCode、Kimi Code 等 13 种现成工具接进来当“外包工”。
最抓眼球的是它那套“自我改进”:把 AI 的思考循环拆成记忆、规划、能力、执行四块,然后让一个叫 Evolver 的模块去诊断失败、试着改一改、跑基准测试,只有比原来强才留下。
翻译成人话:它给 AI 请了个“教练”,教练看完比赛录像说“你这块不行,换个打法试试”,试赢了就固化,试输了就退回。
项目页给出的案例也够唬人:一个叫 THRESHOLD 的第一人称射击游戏,AI 自己跑了大约 4 天、42 轮规划开发验证,顺手还把海报、PPT 和官网做了;另一个案例是 7 轮、172 次训练不崩,在同样预算下把指标压低了 5.8%。
听着像科幻。但请注意两个细节——项目自己也承认:真正的“自进化”核心 Curator 还属实验性质,没打进安装包;那些性能数字也多是自家评测。
更要命的是信任问题。一个会改自己策略的系统,跑着跑着换了套打法,你事后想复盘,看到的可能是一堆“它当时觉得这样更好”。自动化程度拉满,可控性就开始掉血。
三、路线 B:给 AI 配个“车间主任”,关键工序必须签字
另一条路走得慢,但很“工厂”。代表就是腾讯开源的 LoopForge,MIT 协议,可以整套部署在自己的服务器上。
它不生产 AI,它是 AI 的调度台。CodeBuddy、Codex、Claude Code、Cursor CLI、Kimi Code、DeepSeek Harness……十种编程 CLI 都能当“工人”派上场。
你在对话框里把需求说清楚,剩下的流程像一条流水线:先澄清需求,再出方案,然后开发实现,接着由另一个角色独立评审,再跑测试脚本,最后停在一个叫“人工关口”的地方等你。
注意“独立评审”这四个字——写代码的和审代码的不是同一个 AI,也不是同一段上下文。这就像公司里不能让程序员自己给自己发上线许可,道理一样朴素。
每个环节都在独立 Docker 沙箱里跑,仓库现拉现用,产物一份份存下来。跑一半断了?可以从中断的节点接着跑,不用从头再来。
而它最有辨识度的设计,是那个“停下来”的动作:
流程跑到验收节点会停住,把报告、代码diff、测试结果摆在你面前,你可以点通过,也可以一键打回指定环节重做。
这玩意儿的价值不在于“炫”,在于出事的时候能找到人。哪一步谁批的、依据是什么、当时跑没跑测试,全在记录里。
我翻了下它的实测记录,有几组数字挺实在:一条真实前端交付流程在全新安装环境里跑完 7 个阶段用了 47 分钟,中途经过两轮人工确认;一次 Python 修复由四个角色接力完成,三个真实测试通过,批准后又验证了一遍代码没被偷偷改动。接口测试跑到过 111 项通过。
当然,它也老实写了没测到的部分:付费的 Codex、Claude 服务没全量实跑,外部知识库、企业通知、多机云池这些也没完全联调。这种“自曝短板”的文档,在开源圈反而少见。
四、门槛高不高?普通人能不能玩
这是今日头条读者最关心的问题,说人话:
第一,不想折腾服务器,可以零成本看个热闹。 注册后会自动进一个体验项目,里面有一条只有“脚本 + 审批”的流程。不用配任何 API Key,点一下运行,它会真的生成一份报告,然后停下来等你点通过。这是笔者见过比较少见的“不用先充钱就能摸到核心交互”的做法。
第二,想真干活,得准备一台机器和一个模型 Key。 装在 Docker 里,一条启动命令拉起数据库、平台服务、内置沙箱和示例项目,不需要你在宿主机装 Go 或 Node。国内拉镜像容易卡,官方还贴心地留了镜像站参数。
第三,压根不想碰服务器? 还有个 Local 版,一条命令装进你正在用的编程助手里,然后在 Claude Code、Codex、Cursor 里敲个斜杠命令就能启动流程。适合一个人写代码、不想搞运维的独立开发者。
必须提醒一句:它不是给“零基础小白”用的软件。你得有代码仓库、有模型账号、大概知道什么叫分支和 PR。产品经理可以用它来跑方案文档和新项目,但真要改线上代码,还是得团队里的技术同学把关。
五、还有个小惊喜:它连“花了多少钱”都给你算清楚
AI 编程最吓人的不是它写错,是月底账单。
LoopForge 里有一块成本看板,把每次会话、每个角色的 Token 消耗按公开标准价折算成人民币,哪些模型在烧钱、缓存命中率高不高、哪个环节最贵,一眼能看见。

上图是它的本地可观测面板演示数据:90 天 57 场会话、累计 62.72 美元、610 万 Token,还会主动弹红牌提醒“成本预算超了”。
对老板来说这比任何“智能体”宣传语都有说服力——能算清账的自动化,才敢往生产环境放。
六、所以,两条路到底怎么选
别听谁的演示更炸裂,就问一个问题:这次出错的代价,最后落在谁头上?
如果是你自己的个人项目、一个玩具网站、一次性的数据清洗,那路线 A 的“放养式狂奔”很爽:让它通宵跑,早上起来看结果,错了重来就是,反正成本就一顿饭钱。
如果是公司的交易系统、客户的交付项目、要发版的 App,那路线 B 的“每步签字”才是成年人该有的姿势。它慢,它烦,它会在你最想下班的时候弹出一个待审批——但它也保证了,半夜三点没人会因为一行 AI 自作主张的代码被叫起来救火。
说得再直白点:
路线 A 卖的是“可能性”,路线 B 卖的是“可交代”。
一个在赌 AI 会越来越靠谱,一个在承认 AI 现在还不那么靠谱。
而现实往往是——先用 B 把流程跑顺,等某一段真的稳定了,再把它交给 A 去自动跑。 这两条路未必是对头,更像是一个团队的两个阶段。
留个话题给大家聊聊:如果明天你的老板说“以后代码让 AI 写,你只管点通过”,你是觉得终于解放了,还是觉得这活儿迟早要背锅?评论区见。