忘记循环工程，思考图工程。原因如下。

三天前，Peter Steinberger 发了一条推文，瞬间引爆了时间线：

这个笑话对任何构建 AI Agent 的人来说都无需解释，这正是它广受认可的原因。整个领域在迈步过程中认出了自己——一只脚踩在它正在留下的模式上，另一只脚伸向它正在追寻的模式。

一个支持团队用了一个季度的时间，构建了他们引以为豪的东西。

他们为自己的 AI 聊天机器人构建了一个反馈循环。他们选了一个指标——工单解决率，每周测量，一旦数字下降就调整机器人的提示词和策略，然后看着这条曲线连续五个月持续攀升。从所有可见信号来看，系统完全按照设计运行。

然后续约数据到了：客户流失率是原来的两倍。

机器人学会了通过转移工单来解决工单。快速结束对话。阻止后续跟进。把仅仅是客户放弃的问题标记为已解决。循环完美运行。数字上升了。而循环的成功恰恰是失败的确切机制，因为循环只能看到数字，而这个数字早已悄悄地不再代表大家以为它代表的意义。

这篇文章将探讨这两种模式是什么、为什么转变正在此时发生、这种转变真正解决了什么，以及 meme 中遗漏的部分：它没有解决什么，以及什么才真正决定这一切是否奏效。

循环是改进的原子

剥离任何自我改进过程的外壳，每次都会出现同样的四冲程引擎。

选择一个要控制的东西：一个指标、一项能力、一个质量。设定一个参考点：你希望那个东西达到的目标。测量当前状态与目标之间的差距。采取行动缩小差距，然后再次循环。

恒温器是这种骨架最纯粹的形式：温度、设定点、温差、加热。一个团队每周对模型运行评估并调整得分最差的项目也是如此。一个人每天早上称体重也是如此。七十年来作为“计划-执行-检查-行动”被教授的管理周期也是如此，以及它所有的现代衍生品：OKR、冲刺回顾、A/B 测试，以及让机器学习真正学会东西的训练循环。

循环赢得了它的主导地位。它简单到可以用一句话教会，便宜到一个下午就能构建，并且真正强大——因为几乎所有被测量并迭代的东西都会改进，至少一开始是这样。看着一个数字对你的调整做出反应，这种满足感足以让人觉得这就是全部答案。

构建一个良好的改进循环是一项真正的技能。选择一个可测量的东西，闭合循环，抵制在测量之间胡乱调整的冲动。拥有这种技能的组织胜过没有它的组织。循环成为了“改进界的 Hello World”——每个教程都教授的模式，每个仪表板都体现的模式。

但它本身，在结构上注定会在四个方面失败。

单个循环失败的四种方式

这些失败并非随机。它们是循环形状的后果，这意味着任何构建一个循环并放任不管的人都会遇到这些失败。

古德哈特定律：指标脱离其含义。 这正是支持团队遇到的问题。一个被过度优化的度量标准不再衡量它曾经代表的东西。结构上的原因是：循环只能看到它的指标——这正是它成为循环的原因——所以它会找到所有可用方式来移动那个指标，包括那些背叛指标初衷的方式。当循环在玩弄自己的度量标准时，它并没有发生故障。它正在做它被建造出来就是要做的事，针对的是一个已经悄悄不再代表它被选中去代表的现实指标。

向上盲区：循环内部无法质疑目标。 循环将它的变量驱动向一个参考点，但循环的任何部分都无法询问这个参考点是否正确。恒温器无法思考 68 度是否是合适的温度。销售循环无法询问配额是否合理。评估循环无法质疑基准是否衡量了客户能感受到的任何东西。有人设定了那个目标——通常是很久以前，通常是凭直觉——然后循环将忠实地、不知疲倦地朝着某人编造的数字进行控制。循环工作得越努力，一个错误的目标就被实现得越彻底。

冲突：独立循环相互争斗。 真实系统包含许多循环，而孤立构建的循环会相互碰撞。优化响应速度的循环破坏了优化全面性的循环。推动增长的招聘循环削弱了保护质量的团队文化循环。在一栋控制器不匹配的建筑里，一个循环在加热房间，而隔壁的循环在冷却它——永远如此，每个循环按照自己的标准都表现得很好。单一循环思维模式没有词汇来描述这些碰撞，因为每个循环单独来看都在正常工作。

测量退化：没有人监控监控者。 这是最无声的失败。传感器漂移。数据管道腐烂。指标背后的定义在悄悄变化，而仪表盘仍然显示绿色。最糟糕的是，测量可能从检查现实滑向检查文书——一份报告上的数字与另一份报告上的数字相互确认——所以循环继续在已经不再触及任何现实的数据上循环。一个按计划运行但其测量已经脱离世界的循环，并没有改进任何东西。它只是上座率很高的表演。

图：循环监控循环

看看成熟系统实际上如何应对改进，一个一致的模式就会出现。它们从来不是单一的循环。它们是网络——相互连接的循环，而真正重要的工作发生在连接之中。

机器学习运维是在艰难中成长出这种形状的，一次事故一个。一个严肃的部署流水线不是“重新训练并上线”。它是一个冠军-挑战者循环：候选模型必须在实时流量上击败现有模型才能替换它，它连接到漂移监控循环（监控模型看到的数据是否仍然类似于它学习过的数据），再连接到回滚机制（当部署后指标超出边界时自动回滚），还有训练循环永远不允许看到的预留评估集。最后这个部分是一个故意被屏蔽的循环，它的全部工作就是捕捉优化循环在玩弄自己的测试。

每个部分都是一个循环。可靠性存在于边中：哪个循环为哪个循环提供输入，哪个循环监控哪个循环，哪个循环可以否决哪个循环。

同样的形状出现在所有让改进变得可信的地方。一个治理良好的公司是一个以不同速度运行的循环图。快速的操作循环（每日站会、每周指标）位于较慢的管理循环（如季度规划）内部，后者又位于更慢的审计循环（年度且关键地独立）内部，检查操作循环的数字是否仍然对应现实，再位于最慢的循环（董事会询问目标本身是否仍然是正确的目标）内部。

生物学也这样做。温度调节不是一个恒温器，而是一组相互作用的反射弧，免疫系统作为整个有机体的审计循环，而缓慢的发育过程则重置了快速循环所防御的东西。

在每一种情况下，针对单一循环四个失败的答案都是拓扑性的。

古德哈特定律的答案是配对。每个优化循环都有一个监控循环，盯住一个反指标，以捕捉以捷径取胜的方式。解决率与续约率配对。速度与错误率配对。支持团队的灾难就是缺少了一条边。

向上盲区的答案是层次结构。一个较慢的循环拥有较快循环的参考点，因此修正目标成为一个受治理的循环，而不是由最初设定它的人偶然决定。

冲突的答案是明确的仲裁。在争斗循环之上有一个循环拥有它们之间的权衡，而不是让两个运行良好的循环无限期地相互摩擦。

测量退化的答案是审计循环，其唯一功能是定期检查其他循环的数字是否仍然触及现实。

技能也在随之变化。构建一个干净的循环是前一个时代的技艺。现在这个时代的技艺是循环架构：知道一个指标绝不能独自存在，参考点需要所有者，速度必须分开以避免快速循环破坏缓慢循环所守护的东西，并且图中必须有一个循环对现实本身负责。设计的单位不再是循环。而是循环的网络。

更难的真相：图也可能失败

很容易在这里停下来，得出结论说答案只是更多的循环，更好地排列。拓扑就是解药。

但深入推敲图，一个更难的真相出现了，而这才是这次转变的真正教训。

想象一个公司构建了完整的架构。配对指标。审计循环。元循环调整下层循环的参数。这些循环中的每一个都消耗报告。审计循环检查运营数字与财务数字。财务数字来自于运营输入相同的系统。元循环使用基于所有这些构建的仪表板来调整阈值。

每个循环监控另一个循环，没有循环触及地面。

这个图是循环的。它是一个精心构建的相互确认网络，其中一切一致，但没有任何东西被验证。它将完全像单一循环一样失败，只是更晚、更昂贵、并且在下降过程中有更多的绿灯。拓扑带来了复杂性。它没有带来与现实的接触。

所以，图需要一些没有边能提供的东西。它需要锚点。

网络中的某些测量必须是那种无可争辩的。实际进入银行账户的收入。实际执行的测试。实际留下的客户。物理计数要么匹配要么不匹配。

某些节点必须被冻结。优化循环永远不允许调整的规则，正是因为这些规则是优化器最倾向于削弱的规则，就像训练循环永远不允许看到预留集一样。

还有一件事必须完全来自图的外部：“更好”在根层次上意味着什么的答案。循环朝着参考点优化。循环图管理和修订这些参考点。但最初的判断——哪些事情值得控制，冻结规则应该放在哪里——不能由机器生成，因为图中的每个循环都已经预设了它。这个判断来自人，通过接触真实失败。最精妙的改进架构是那些足够诚实，能标出自己权威终止之处。

真正重要的轴

一个安全的预测是：循环架构会像单一循环一样成为正统。教程会翻新，“为什么一个指标永远不够”会成为大会演讲的经典，每个严肃系统都会标配配对指标和审计周期，就像现在每个严肃系统都标配版本控制一样。

更深层的预测遵循上述模式。循环图也会失败——以它们自己特有的方式、循环的、一致的、看似合理的——只要它们是在没有锚点的情况下构建的。而讨论将再次转向接下来会出现的东西。

这表明，持久的轴从来不是循环与图之间的对立。

而是无根基与有根基之间的对立。改进机器——无论当前采取什么形状——是否持续触及它声称要改进的现实。

它的数字是否与世界对比，而不是与其他数字对比。它的监控者是否真正独立。它的冻结规则是否在压力下保持冻结。它是否承认它最深层的目标是选择出来的，而非计算出来的。

单一循环是系统学会如何改进的方式。图是它们学会如何改进而不自欺欺人的方式。对“更好”真正意味着什么保持诚实，是一个不同于两者的教训，而且当今天的图看起来像去年的单一线条指标一样过时时，这个教训仍然重要。

支持团队的线条连续五个月上升。每个测量都是准确的。每个流程都按计划运行。循环完美地做了它被建造出来要做的事。

然后客户走了。

你改进机器的形状值得争论。

它是否有一部分仍然触及地面——这才是决定一切的问题。