交給 AI CEO：用 Loop Engineering 讓工廠自我改善

這是一份公開草稿。內容還在迭代，歡迎一起把它變得更好。

聖杯關卡 — 工廠不只會跑，還要「越跑越強」但警告：「交給它就會自己變強」是幻覺。變強是設計出來的，不是許願來的 _

上一章，你搭好了真實的工廠結構：階層調度、context 隔離、能寫死就寫死。

這一章要回答：怎麼讓它自我改善？

先打掉一個常見幻想——很多 AI 創業內容（包括上一版的我）會說：「把運營交給 AI CEO，工廠就會自動迭代、越來越聰明。」

這是幻覺。 工廠不會因為你「交出去」就自己變強。變強是一門具體、可操作、也很花功夫的工程，它在 2026 年有了名字：Loop Engineering。

CH06-1｜Harness 被高估了，重心已經移到 Loop

2026 年 6 月，業界發生一個轉向。Peter Steinberger 主張「真正的技能是設計迴圈，不是 prompt agent」；Google 的 Addy Osmani 把它命名為 Loop Engineering；連 Anthropic 做 Claude Code 的 Boris Cherny 都說：「I don't prompt Claude anymore.」

意思是：高手已經不「手動指揮」Agent 了，而是設計「會自己跑的迴圈」去指揮 Agent。

要精準理解——Harness 不是沒用，是「必要但不充分」。（有研究顯示，光改 harness 配置，同一個模型解題率能差到 6 倍，所以它是地基。）但地基鋪好之後，真正的槓桿在它上面那一層：

Prompt Engineering   → 模型「收到的語言」
Context Engineering  → 模型「能推理的知識」（窗口是最稀缺資源）
Harness Engineering  → 執行環境（工具 / 護欄 / 狀態 / 回饋）
Loop Engineering     → 把以上全部「放進會自己跑的迴圈」 ← 重心在這

讓工廠變強的，是 Loop。

CH06-2｜四層迴圈：把工廠變成會自己跑的系統

實戰上，迴圈是疊起來的四層（綜合 LangChain 與 Addy Osmani 的版本）：

迴圈	做什麼	關鍵
L1 Agent Loop	模型反覆呼叫工具，直到完成	要有可測試的終止條件（如「讓測試通過」）
L2 Verification Loop	grader 依評分標準打分、給回饋、要求重試	品質的命門；會增加成本（值得）
L3 Event-Driven Loop	webhook / 排程 / 訊息觸發，嵌進更大系統	從「手動呼叫」變「持續自動」
L4 Hill-Climbing Loop	分析運作記錄（trace），自動改 prompt／工具／grader	系統自己優化自己

多數人只做了 L1（會生出一個東西），就以為工廠會自己變強。不會。讓品質往上爬的是 L2，讓它持續自動的是 L3，讓它自我進化的是 L4。

CH06-3｜品質的命門：驗證迴圈 + 確定性出口

這是整章最重要的一節，也是大多數人卡住的地方。

沒有 L2 驗證迴圈，工廠只會穩定產出「稱職但平庸」。

L2 要兩個東西：

一份評分標準（rubric）：白紙黑字寫出「好的長什麼樣」。例如一篇好文＝有一個非顯而易見的洞見＋一個真實例子＋強鉤子＋零廢話。
一個 grader（評分者）：拿這份標準替每個產出打分、給回饋，不過就帶著回饋重試。

關鍵中的關鍵：終止與驗收要用「確定性出口」，不要用 LLM 自評。

✅ 確定性出口：compiler / lint / 單元測試 / 明確規則檢查 → 客觀、可信
❌ LLM 自評：「你覺得這篇好嗎？」→ 它幾乎都會給自己打高分（沒用）

為什麼這麼重要？因為誤差會複利：每一步 95% 正確，串 20 步，整體只剩 0.95²⁰ ≈ 36%。沒有 eval gate 把關，規模化只會把錯誤相乘。

真實案例（我本人的存檔）： 我用 Claude Code 管一個模型做 blog 自動化，搭了三週 harness，品質還是差強人意。問題不在 harness，在缺 L2——沒有 rubric、沒有 grader，迴圈沒有靶可瞄，當然只能產出平庸。補上「rubric + grader + 帶回饋重試」，品質才開始往上爬。

CH06-4｜避免 loopmaxxing：別讓迴圈燒爆你的錢

迴圈會自己跑，代表它也會自己燒錢。失控的迴圈有個名字叫 loopmaxxing。

最常見的死法：給了一個主觀目標。

❌ 「把內容變得更好」→ 沒有 binary 通過標準 → 迴圈永遠不滿意 → 無限跑、燒爆預算
✅ 「讓這篇通過這 5 條 rubric 檢查」→ 有明確過/不過 → 跑到通過就停

要裝三個保險：

可測試的終止條件：明確的「做到什麼就停」。
停滯斷路器：偵測到重複狀態、沒有可量測的進展，就強制停。
成本意識：L2 驗證會增加每次運作的成本——當品質比速度重要時才開，便宜的環節別硬套。

階段化導入（Addy Osmani 的建議）：① 先人工觀察、核准 → ② 換成確定性出口 → ③ 加停滯斷路器 → ④ 能寫死的就轉成程式碼。

CH06-5｜你的新工作：設計迴圈，不是盯著成果

STAGE 2 走到這裡，你的身分要完成最後一次切換：

操作員（親手做、親手改每個成果）
  ↓
迴圈設計師（設計會自己跑、自己驗證、自己改善的迴圈）

你不再每篇都看、每個都改。你做的是：定義「好」的標準（rubric）、設計驗證與終止條件、設好成本上限——然後讓迴圈去跑，你只在高風險節點審核。

CH06-6｜今天的第一步：替一個工作流補上 L2

別管整座工廠，今天只挑一個最讓你不滿意的工作流（很可能就是你的內容線），做兩件事：

寫一份 rubric：列出 3 條「這個產出要算合格，必須做到的硬標準」（要具體、可判斷，不要「要寫得好」這種廢話）。
把單次生成改成驗證迴圈：生成 → 拿 rubric 逐條打分 → 不過就帶著「哪條沒過、為什麼」重試 → 通過才輸出。盡量用確定性檢查，少用 LLM 自評。

跑通一個 L2，你通常會立刻有感——這比再多三週的 harness 微調有用得多。

工廠現在會跑、會驗證、會在你設的標準下自我改善——這才是真正的「自動迭代」，不是許願來的。

STAGE 2 完成。你手上有一條真實、誠實、跑得動的產線。

但 The Super One 不是一條腿——是三條。STAGE 3，我們把這條跑通的線，複製成 品牌 × 媒體 × 電商 三位一體。