AI 工程师世界博览会(AI Engineer World's Fair)今年的收官节目,是一场辩论。辩题够直白:该不该让 AI 自己转圈。
正方说循环已经赢了,反方说纪律还没跟上。吵到最后,主持人让现场观众举手表决。
台上灯光太亮,谁也没数清底下举了多少只手。
我觉得这是整场大会最诚实的一个瞬间。
先交代背景。AIEWF 是 AI 工程师圈一年一度最大的聚会,刚刚闭幕,Latent Space——圈内头部的 AI 工程播客——发了收官报道。所谓"循环"(loops),是把 agent 塞进自动循环里,让它自己干、自己查、自己改,人不插手。写代码这行里最出名的版本叫 Ralph:让 coding agent 通宵转圈,早上起来收代码。
正方站着 Ralph 玩法的发明人 Geoffrey Huntley。他的说法是:循环不是"要不要来",是已经来了。工程师的新岗位叫"火车司机"——不开车,盯着自动化别出轨。同一边的 Ian Livingstone,做 agent 权限产品 Keycard 的 CEO,补了一句更根本的:代码是谁写的不重要,能不能被验证才重要。在他眼里,循环只是给"试、学、用"这个老得不能再老的循环踩了油门。
反方是 Dex Horthy,HumanLayer 的创始人,圈里天天写 agent 工程纪律的那个人。他的判断一句话就说完了:炒作跑在纪律前面。他举的例子我很喜欢——Kubernetes 也是循环,全世界的生产系统都跑在循环上,但那是确定性的循环,每转一圈都知道自己要收敛到什么状态。Agent 的循环不知道。
反方还有一个算经济账的,Subroutine 的 Greg Pstrucha:"你没法靠多买 token,把问题'编排'掉。"
两边都对。这才是麻烦所在。
辩论只是餐后甜点,正餐是 Amplify 的投资人 Barr Yaron 发布的年度《AI 工程现状》调查。几个数字我来回看了三遍。
95% 的受访团队在用 agent,一年翻倍。敢让 agent 直接写数据的团队,从去年的 52% 涨到 89%。"写数据"这三个字的份量在于:agent 不再是帮你读文档、写摘要的实习生了,它的手已经伸进生产系统。
读库是参谋。写库是操盘。
那防护是什么?调查原话:控制层还没解出来,主流防护手段仍然是人工审批加权限管控。
翻译一下——一年之内,整个行业把数据库的写权限交给了 AI,然后在前面站了一个人,放了一个按钮。
还有一个数字更拧巴:59% 的人担心 AI 生成的代码是长期负债。同一批人,一边收着生产力的红利,一边觉得自己在给两年后的自己埋雷。
这不是精神分裂。这是验收没跟上生产。
人工审批还有一个调查里没写的毛病:点批准这个动作,会疲劳。第一周你逐行看改动,第三周你扫一眼标题,第三个月你闭着眼点那个绿按钮。防护栏还站在那,人还站在那。注意力早就下班了。
顺带一句,生产环境里被盯得第二紧的指标,已经是 token 花销,只排在质量后面。钱在工程仪表盘上的存在感,从来没这么强过。
把辩论和数据叠起来看,"要不要循环"这个辩题本身就歪了。
Kubernetes 的循环为什么没人怕?因为它手里有一份写成代码的"期望状态"。循环每转一圈,都在把现实往那份 spec 上拉。拉到了,就停。这样的循环可以放心让它一年转到头。没人守着。
Agent 的循环缺的就是这份东西。"做完了"长什么样,没有代码形态,只存在于发起人的脑子里。是一团感觉。
所以人工审批才成了 2026 年的主流防护——那个点批准的人,本质上是在拿自己的脑子当 spec 用。
他就是终止条件本人。
写成代码的"做完了"长什么样?测试通过,只是最底下一层。往上还有:数据不变量没被破坏;预算上限没被击穿;改动可以回滚;影响面有清单。每一条都写得成断言。只是今天多数团队没写——写这些,比写业务代码还费脑子。
这活儿不性感。但它才是"火车司机"这个新岗位真正的工作内容:不是端杯咖啡看 agent 跑,是提前把铁轨铺成代码。
这也解释了成本焦虑。40% 的团队说开销已经在常态性地压住他们的野心,另有 36% 说偶尔会。循环没有收敛条件,转得越快烧得越快。Greg 那句"多买 token 编排不掉问题",算的就是这笔账:验证不收敛,循环只是让错误跑得更贵。
问题从来不是机器该不该转圈。是"什么叫做完了"这句话,这个行业还没学会用代码说。
收官夜的三场演讲,回头看像是不约而同在给这场辩论做注脚。
Theo Browne,几百万订阅的技术主播,演示了一个人现在能做完过去要一支团队的项目。他的总结:"以前算创业公司的东西,现在算副业。"YC 的掌门人 Garry Tan 接着说,增长最快的那批创始人把 AI 当劳动力用,不是当补全工具用。
Mike Krieger 那段我记到现在。当年 Instagram 的联合创始人,如今在 Anthropic 管产品。他说他团队眼下的瓶颈不是模型,是"人类把自己要做的事完整想清楚的能力"。
机器那边,循环会越转越快。人这边,"想清楚"还是纯手工活。
灯太亮,看不清举手的。我猜明年这个时候,还是看不清。
事实与引语来源:Latent Space《AIEWF Daily Dispatch: The great loops debate and the state of AI engineering》(latent.space,2026-07-03)。