「循环能自己跑」和我平时让 AI 反复改，到底差在哪？

差在两头闭没闭上。你平时让 AI 写一版、看、再改，或者挂个脚本让它重试到测试通过——循环是转起来了，可两头是开的：该干哪件事是你喂进去的，下一次启动是你按下去的，你就是那根连接两头的人肉接线，一离场循环就停。真正能自己跑的循环，把这两头也闭上：它自己扫描环境、发现这一轮该干什么（Discovery），干完自己安排下一次什么时候再跑（Scheduling）。你睡觉时它在转，早上醒来它已经往前走了好几轮。这一步迈过去，你的身份就从操作员变成了架构师。

一个能自己跑的循环（Loop Turn），具体由哪几个动作组成？

每转一圈是 5 个固定动作。Discovery：自己从环境里发现这一轮该干什么，不等你派活。Handoff：把活分给隔离的 agents，每个用 git worktree 给一份自己的目录和分支，互不踩脚。Verification：换一个独立的 Evaluator（不同指令、甚至不同模型）对着规格验收，干活的不给自己判及格。Persistence：把试过什么、过了什么、还剩什么写进磁盘，因为模型每轮会忘、文件不会。Scheduling：干完自动触发下一次。中间三个决定循环转得稳不稳，头尾两个（Discovery、Scheduling）才决定它能不能离开你自己跑——而大多数人恰恰卡在这两头。

你那套 AI 循环，八成两头还开着——任务你喂、重启你按；黄仁勋说的未来，是把这两头也闭上

2025 年 2 月，我搭过一个特别小的项目，叫 r1-reasoning-rag。

干的事不复杂：你丢给它一个复杂问题，它先自己去网上搜一轮，然后停下来检查一下——搜到的这些，够不够把问题答全？不够，它就自己回去补搜缺的那一块；够了，才把答案合成出来交给你。底层是 DeepSeek R1 的推理、Tavily 搜索，再用 LangGraph 把这几步串成一张图。

当时我没觉得这是什么了不起的东西，也根本没想过「循环工程」这种词。我只是觉得，让它自己判断「查全了没有」、没查全就自己回去补，比我一条一条盯着它搜要省心得多。现在回头看，那其实就是一个最朴素的自运行循环：搜 → 验 → 不够再搜 → 够了才交。

我先说这个，是因为最近反复有人转一段黄仁勋的话，配的标题是「未来 5 年的财富密码：写循环」。我把他在德州谢尔曼那场对话从头听了一遍，原话没那么江湖，但意思确实是这个——而且，正是我那个小项目一年多前就在闷头做的那件事。

他说，我们今天在聊天框里看到的 AI，只是冰山一角。真正的 AI 是这样干活的：你问它一个问题，它先得读懂你要什么，可能回去翻一大堆 PDF、追参考文献，把自己变成那个领域的专家；然后推理怎么解决，决定动用实验室里的某个工具——可能是一台正在操作不同蛋白质、不同化学品的机器人；机器人带着测量结果回来，它再接着往下推。一个自主实验室，就是这么转的。

读 → 推理 → 动手 → 拿回结果 → 再来一轮。黄仁勋说这是药物发现的未来，可他其实是在对每一个行业说同一句话：未来值钱的，不是你会不会用 AI 答一句话，是你会不会设计一套这样能自己转的循环。

这话我信——毕竟那个搜了又验、不够再补的小循环，我自己跑了一年多。但「设计循环」这四个字，这阵子被说得太轻巧了。我想挑明一个大多数人没意识到的分界。

黄仁勋说的写循环：从操作员到架构师

你那套循环，两头多半还开着

你现在多半也在「跑循环」：让 AI 写一版、你看、让它改、再看……或者更进一步，挂个脚本让它自动重试，跑到测试通过为止。

但你停下来想想：这套循环，是谁在喂它「该干哪件事」？是你。是谁在按下「再来一次」？还是你。

循环是转起来了，可它两头是开的——一头的「该干什么」是你喂进去的，另一头的「再来一轮」是你按下去的。 你以为自己在写循环，其实你还是那根连着两头的人肉接线。你一离场，循环就停在原地。

真正能自己跑的循环，是把这两头也闭上：它自己发现该干什么，自己安排下一次什么时候跑。你睡觉的时候它在转，你早上醒来，它已经往前走了好几轮。

这一步迈过去，你的身份就变了——从一个一步步下指令的「操作员」，变成了设计这台机器的「架构师」。

两头开着的循环 vs 两头闭上的循环

操作员和架构师，到底差在哪

操作员关心的是「这一步对不对」——他盯着每一次输出，亲手纠错，亲手发下一条指令。他在场，系统才动；他一走，系统就停。

架构师关心的是另一件事：这台机器，离了我能不能自己转、转得对不对、转岔了能不能自己拐回来。 他不盯具体某一步，他盯的是这套循环的结构——任务从哪来、谁干、谁验、状态存哪、下一轮谁触发。

说白了：操作员把自己焊在回路里；架构师把自己从回路里拆出来，去设计这个回路。

黄仁勋描述的那个自主实验室，没有一个科学家站在旁边一管一管移液。科学家是架构师——他设计了「读文献 → 推理 → 让机器人做实验 → 拿回数据 → 再推理」这一整圈，然后让它自己转。他值钱的地方，不在亲手做某一次实验，在他把这一圈设计对了。

操作员焊在回路里，架构师站在回路外

一个 Loop Turn，拆成 5 个 Move

那套能自己跑的循环，每转一圈——我把它叫一个 Loop Turn——里头其实是 5 个固定动作（Move）。少任何一个，循环要么跑不起来，要么跑起来收不住。

1. Discovery（自己发现工作）。 这是闭上的第一头。循环开场不是等你派活，是它自己去扫一遍：还有哪些测试没过、哪个工单没人接、哪批数据还没处理。它从环境里自己读出「这一轮该干什么」，而不是你嘴对嘴喂进去。

2. Handoff（分给隔离的 agents）。 发现一批活，就分下去，每件交给一个独立的 agent。关键是隔离——用 git worktree 给每个 agent 一份自己的工作目录、自己的分支。不然两个 agent 改同一个文件，跟两个工人不打招呼往同几行提交，立马打架。

3. Verification（独立的 Evaluator 来验）。 干活的 agent 不能自己给自己判及格——写代码的人给自己批作业，永远手软。换一个带着不同指令、甚至不同模型的 Evaluator，专门挑刺：对着规格验收，过了才算过。这一步，是循环的诚实底线。

4. Persistence（结果落盘）。 这一轮试过什么、过了什么、还剩什么，得写进磁盘——一个 markdown、一块看板都行。因为模型每轮之间会忘光，但文件不会。没有这一步，第 50 轮的循环不知道前 49 轮干过啥，只能原地打转。

5. Scheduling（自动触发下一次）。 这是闭上的另一头。一轮干完，不是停下来等你再按一次，而是它自己安排：到点重跑，或者某个条件还没满足就接着来。把这一头闭上，循环才从「你按一次跑一次」，变成「它自己一直跑」。

你回头看这 5 个 Move：中间三个（Handoff、Verification、Persistence）决定循环转得稳不稳；头尾两个（Discovery、Scheduling）才决定它到底能不能离开你、自己跑。 大多数人卡的，恰恰是头尾这两个——任务还是自己喂，重启还是自己按。中间转得再花哨，人一走，它还是停。

一个 Loop Turn 的 5 个 Move

为什么黄仁勋说这是各行各业的事

你可能觉得这套东西是程序员的玩具。但黄仁勋那场对话真正的意思是：这套循环的骨架，跟行业无关。

在药物发现里，Discovery 是扫描哪些化合物还没测，Handoff 是把实验派给不同的机器人，Verification 是拿仪器测量结果对照假设，Persistence 是把每轮实验数据存下来，Scheduling 是让实验室 24 小时不停转。换成销售、客服、内容、研究，换掉的只是每个 Move 里具体干的那点活，骨架一模一样。

他说 AI 是一场工业革命，会重塑每一个百万亿美元级的行业——靠的不是更聪明的聊天框，是每个行业里的人，开始把自己手上的活，设计成一套能自己转的循环。谁先从操作员变成架构师，谁就先吃到这一轮。

同一副循环骨架，换行业只换内容

落到我自己身上

我手上要顾的事不少，能分给每件事的时间都很有限。正因为这样，我比谁都需要那种「我不在场，它也能往前走」的循环。

我一个人做的 Zaokit，骨子里就是这套东西：你不用懂技术，把要做的事说清楚——做一份 PPT、写一篇图文、出一组小红书图——它背后不是「一次性吐给你」，而是一圈会自己发现该补什么、自己分头干、自己回头验的循环，帮你用最低成本先把粗想法跑出第一版，你再在它基础上挑刺、迭代。唯一网站：https://zaokit.app。

把这套能力做成企业能放心用的底座，也是我一直在做的：cx.zaokit.com、cc.zaokit.com、tokenhub.zaokit.ai、gift.junxinzhang.com 以及更多项目，已经融进了不少公司的真实工作流，是稳定靠谱、开箱即用的 AI 全家桶。