从一篇公众号文章引发的思考，到两个闭环的工程实践

---

缘起

前两天看到一篇文章，讲吴恩达（Andrew Ng）对 Loop Engineering 的理解——当 AI 能够自主写代码之后，软件开发开始变成三种不同时间尺度的 Loop 同时运转：

• L1 - Agentic Coding Loop：AI Agent 自主写代码 → 跑测试 → 发现 Bug → 修改，形成分钟级闭环
• L2 - Developer Feedback Loop：开发者负责方向决策，把模糊 Vision 翻译成 Spec
• L3 - External Feedback Loop：真实用户反馈修正产品判断，最慢但最重要

读完后我问了自己一个问题：

Loop Engineering 在 Hermes Agent（我日常使用的 AI 编码助手）上是否同样有意义？

答案是：非常有意义，且 Hermes 的架构本身就是 Loop Engineering 的绝佳实践平台。

---

六种方案

沿着吴恩达三层循环的思路，我梳理了 Hermes Agent 中可以落地的 6 种 Loop Engineering 方案：

方案	对应层级	核心思想
L1 - 工具调用自优化循环	Agentic Coding Loop	工具调用异常时自动尝试 3 种替代路径
L2 - Skill 自我进化循环 ✅	混合	Skill 使用中自动发现坑点并 patching
L3 - Cron 双层循环	Developer Feedback Loop	任务执行 + 质量审计双层闭环
L4 - Subagent 反馈聚合循环	Agentic Coding Loop	多子智能体交叉验证
L5 - 编码行为循环增强 ✅	Agentic + Developer Loop	自动化代码审查反馈到编码规则
L6 - 全链路文章发布复盘	External Feedback Loop	数据驱动的内容策略优化

其中标 ✅ 的两个方案——方案二（Skill 自我进化） 和 方案五（编码行为循环增强）——性价比最高，我决定先从它们开始落地。

---

方案五：编码行为循环增强 🛡️

现状

Hermes 有一套 coding-conduct skill，定义了 4 条编码行为准则：

1. Think Before Coding — 动手前先说话
2. Simplicity First — 最少代码原则
3. Surgical Changes — 只改必须改的
4. Goal-Driven Execution — 目标驱动，结果验证

但这 4 条规则是静态的。不管项目遇到什么新坑，规则本身不会进化。

增强：加入事后审计层

核心思路是引入 自动化代码审查 作为反馈闭环：

编码 → 提交（git commit） → 自动化代码审查 → 高频问题 → 更新编码规则
                                                             ↓
                                                      下次编码自动遵循

具体实现：

1. 每轮编码任务完成后，调用 code_review_workspace()（基于 open-code-review 等工具）自动审查
2. 审查结果中检测重复出现的违规模式
3. 如果一个规则被违反 ≥3 次，自动沉淀到 coding-conduct 的 Pitfalls Log
4. 下次编码时 Agent 加载 skill，直接受益

## Pitfalls Log

| 日期 | 来源 | 坑点 | 对应规则 |
|------|------|------|----------|
| - | - | — 持续积累，由实际编码和审查驱动 — | - |

这样，编码规则不再是抽象的教条，而是与项目实际痛点同步进化的活文档。

代码示例

# 任务完成后，调用自动化审查
code_review_workspace(repo_path="/path/to/repo", concurrency=4)

# 审查结果中的高频问题，手动评估后沉淀到 Pitfalls Log
skill_manage(
    action='patch',
    name='coding-conduct',
    old_string='| (当前 Pitfalls Log 表头行) |',
    new_string='| 2026-07-01 | Code Review | 某高频违规模式 | 规则 X |\n| (原表头) |'
)

---

方案二：Skill 自我进化循环 🔄

核心思想

Skill 不应是静态文档。 每次使用后，Agent 应自动检查是否有未覆盖的边缘情况，发现后自动 skill_manage(action='patch') 追加到 Pitfalls 区。

闭环流程

① 加载 Skill → 按步骤执行
② 执行中遇到坑/未覆盖的边缘情况
③ 评估：这是通用坑点还是本次特例？
    ├─ 通用 → ④
    └─ 特例 → 跳过（不污染 Skill）
④ skill_manage(action='patch') 追加到 Pitfalls Log
⑤ 下次加载 → 直接受益

触发条件

以下情况必须触发自我进化检查：

• 使用 Skill 过程中遇到错误/异常
• 用户纠正了你的做法 — 最高优先级
• 发现 Skill 中未描述的特殊场景
• Skill 中的命令/路径/配置已过时
• 自动化审查中发现了重复违规模式 ≥3 次（与方案五联动）

判断标准

通用坑点（需沉淀）	本次特例（跳过）
跨项目/跨环境都会遇到	只此一次的特殊配置
命令本身的行为差异	手误打错字
API/工具的版本迁移问题	网络临时波动
特定 OS/平台的兼容性	已修复不会再碰的 bug
同一个坑被审查抓到 ≥3 次	一次性的边缘 case

实现

我创建了一个独立的 skill-self-evolution skill，封装了这个机制的标准流程：

# 示例：使用 Skill 后自动 patching
skill_manage(
    action='patch',
    name='some-skill',
    old_string='| 日期 | 来源 | 坑点 |',
    new_string='| 日期 | 来源 | 坑点 |\n| 2026-07-01 | 用户纠正 | ... |'
)

---

两层循环如何协同工作

方案五和方案二不是孤立的，它们互相增强：

方案五（编码行为循环）                       方案二（Skill 自我进化）
        │                                          │
        ▼                                          ▼
Code Review 发现违规模式 ──────→ 沉淀到 coding-conduct 的 Pitfalls Log
                                         │
                                         ▼
                                  coding-conduct 自身进化
                                         │
                                         ▼
                             Agent 下次编码自动遵循新规则
                                         │
                                         ▼
                             更少的违规 → 更干净的审查结果

方案五提供外部反馈（自动化代码审查），方案二提供内部进化机制（Skill patching）。 两者结合，形成一个完整的「编码 → 审查 → 进化 → 编码更好」的增强循环。

---

最终效果

落地这两层循环之后，Hermes Agent 从「听话的工具」进化为**「会自我进化的编码伙伴」**：

维度	之前	之后
编码规则	4 条静态规则	规则 + Pitfalls Log 持续进化
代码审查	需要手动检查	自动化审查 + 反馈闭环
Skill 维护	发现坑点需要人工通知 Agent	Agent 自动发现并 patching
长期退化	规则越来越脱离实际	越用越准，与项目同步进化

---

总结

吴恩达说，三层 Loop 中，最慢的那一层往往最重要。

在 AI Agent 的工程实践中，让编码规则「自我进化」这件事本身就是一个 Loop——它不快，不能立刻看到效果，但它决定了 Agent 长期使用的质量天花板。

如果你的 AI 编码助手还在用固定的 prompt 模板、从未根据你的实际项目痛点和坑点进化过，不妨也试试这个思路：

1. 加一层外部反馈 — 用自动化代码审查（如 open-code-review）发现重复违规
2. 加一层自我进化 — 让 Skill/Prompt 在使用中自动积累 Pitfalls
3. 两层形成闭环 — 反馈驱动进化，进化减少违规

这是我目前落地效果最好的两个 Loop Engineering 实践。后续还会继续落地其他方案，欢迎持续关注。