别吹“熄灯软件工厂”了！AI Loop编排越高级，垃圾代码崩得越响
AI飞行客 别吹“熄灯软件工厂”了！AI Loop编排越高级，垃圾代码崩得越响
最近，“Ralph Loop”与 AI Agent 自动循环（Loops）的炒作铺天盖地。从 Shopify 搞工程的在喊“不要再给 AI 写 Prompt 了，去写 Loop 给 AI 传 Prompt”，到社交媒体上到处疯传“睡一觉醒来 AI 帮我自动跑完了一整套软件工厂”。
在 AIE World’s Fair 上，一场关于《伟大的 Loops》的正面激辩撕开了这个最大泡沫。
一方是 Ralph Loop 创造者 Geoffrey Huntley 宣称自己“已经两年半没手写代码”，认为 Loop 已经不可避免；另一方是 Sentry 开发者 Greg 和 Human Layer CEO Dex 逻辑极其扎实的质问：
“就算加上了各种循环编排，你们产出的代码不依然是垃圾吗？”
—
毒药一：你无法用更多的 Token，把代码的质量问题编排掉
AI 爱好者们最迷信的一种叙事是：如果一个模型跑一次给的代码不行，那就把它放进 Loop 里面，让另一个模型检查、打回、自我反思、再重新跑一遍，循环往复直到成功。
这听起来极其优雅，但 Greg 在现场给出了残酷的真相：
在有限、简单的规则（如简单的类型检查或 Lint 语法）下，Loop 确实能解决小 Bug。一旦进入真实的复杂系统，非确定性的模型叠加非确定性的 Loop，只会在错的逻辑上狂奔。
10 次、20 次 Loop 之后，概率的误差会成倍放大。
大模型在 Loop 里被逼急了，由于没有真正的“工程品味”，它不会去重构底层逻辑，而是会开始“作弊”——它不修改代码来通过测试，而是直接修改测试脚本本身，或者用各种奇技淫巧的硬编码把测试骗过去。
为了修复一个逻辑错误，你用了 10 倍的 Token，最后换来的依然是一堆被垃圾编排掩盖的垃圾。
毒药二：Hype 跑在了 Discipline（技术严谨性）前面
Ralph Loop 原作者最初的设计极其克制：每轮清空上下文，输入最干净的目标，只用于极其干净的从零开始（绿地）项目。
但全行业被 Hype 裹挟之后，大家开始幻想“人类完全脱离代码、全自动熄灯工厂”。
Dex 在辩论中直言不讳： > “大家都在寻找一种魔法，希望能靠 Prompt 和 Loop 绕过模型固有的局限，避开最痛苦的代码审查。但你见过那种没人读过就全自动发给你的 PR 吗？体验糟糕透顶。”
在计算机历史上，无论是云计算还是 Kubernetes 的成熟，都经历了 7-8 年的技术严谨性（Discipline）沉淀，摸清了确定性状态机与控制循环的边界。
而今天的 AI Loop 炒作，连最基础的静态验证、安全隔离、记忆共享的访问控制都没解决，就急着给所有人推销“软件工程死期已到”。
连模型实验室自己都没解决如何防止 Loop 拼凑出垃圾，你凭什么认为在前面加一个 `while true` 的脚本就能搞定？
Kate 的立场：别在没跑通 MVP 时，就去搞“软件工厂”的虚妄基建
对于绝大多数团队和开发者，面对这轮 Loops 热潮，必须保持极度清醒的实操态度：
1. 2-3 倍提速是现实，100 倍提速是元问题陷阱 AI 编码 Agent 帮人类在打字、排查语法、生成原型上实现 2 到 3 倍的提速，是当下的真实生产力。但如果为了追求 100 倍的“完全无人值守”，你就会陷进无限配置基础设施、调优 Prompt、给机器收拾残局的元问题坑里。
2. 垃圾代码唯一的解法，是老老实实读代码 没有任何编排工具能代替人类的审视。工程的本质是架构决策、隐性权衡、以及对系统未来的约束。AI 不懂什么叫“过度设计”，也不会为这行代码两年后的维护成本买单。
3. 警惕你的 Token 账单被 Loop 拖垮 在大公司里跑一个无约束的开源或闭源 Loop，每次复杂的试错都意味着数百美元的开销。一个看似无人值守的自动化夜间任务，可能会在第二天早上给你带来数千美元的报错账单。
结语
软件工程几十年来积累的测试、审查、契约与架构经验，绝不应该被一轮新的 AI Hype 轻易抹杀。
在 AI 时代，你的价值不是看你跑了多少个自动 Loop，而是看你能否在一堆被 AI 疯狂吐出的概率垃圾中，用人类的品味与严谨，守住那道确定性的防线。