Loop Engineering 封面 — Vibe Coding 半年體悟

Vibe Coding 前先學這個:2026 Loop Engineering 迴圈工程替你省半年彎路

先講結論:Loop Engineering 是一套讓 AI agent 每一輪都交出證據再說「完成」的工作法。沒測試、沒截圖、沒 log、沒 handoff,就先不要當作交付。這篇是我做 Vibe Coding 半年踩坑後整理出來的驗收模型。

為什麼半年 Vibe Coding 之後,我才開始講 Loop Engineering(迴圈工程)?

我 Vibe Coding 也半年多了。

寫一些小小的 MVP,或是很簡單的工具,AI 真的可以幫上很多忙。一句「幫我做出來」,Claude Code 或 Codex 就跑得有模有樣。GoAskVivi 自家的自媒體生產線、廣告報表、推播工具,初版都是這樣冒出來的。

後來我跟一些朋友交流,才慢慢知道:如果你真的要把 AI 當成工程助理,不能只有一句「幫我做出來」。中間其實要有 PM、架構、UI/UX、coding,還有 code review,這些角色分工都不能少。

但有了這些角色之後,我又發現另一個更深的問題——AI 其實跟人很像。它不一定是真的交付完,才跟你說完成。有時候它只是覺得「看起來可以」,就講得像「已經完成」。這在 L1 以上任務(會改檔案、影響流程、需要驗收的那種)是很危險的。

這篇文章能回答你的 5 個問題

  • 角色分工夠了,為什麼 AI 還是會「假裝完成」?
  • Loop Engineering 到底是什麼?跟一般 prompt 差在哪?
  • 6 步驗收迴圈具體怎麼跑?我怎麼一句話讓 Codex 進入這模式?
  • 規則層、輸出層、證據層是什麼?三層約束怎麼搭?
  • 完全不會寫 code 的老闆,能用 Loop Engineering 嗎?

什麼是 Loop Engineering?

Loop Engineering 就是讓 AI agent 在「目標 → 驗收條件 → 執行 → 拿證據 → 通過判斷 → 修正下一輪」這個迴圈裡跑,把交付從「報告一句完成」變成「證明我真的做完了」。

我自己用一個比較好記的對比講給朋友聽:

  • 角色分工,是在決定誰做
  • 多 agent 編排(Multi-Agent Orchestration),是在決定怎麼交棒
  • Loop Engineering,是在決定每一棒怎麼驗收

三件套是配套的,缺一個都會在 L1 以上任務上出包。這篇主要拆第三件。

圖 1:AI 說「做完了」vs AI 證明「做完了」對比
圖 1:AI 說「做完了」vs AI 證明「做完了」對比

為什麼角色分工不夠?AI 還是會假裝完成?

我一開始也以為,把 PM / 架構 / coding / review 角色分清楚,AI 就會老實。但我後來在 2026 年 5 月幫某香氛保養品牌做推播工具時,發現怎麼還是跑不通。

那輪我派 Codex 去改一個推播不重複受眾的小功能,它說「修好了」。我看也 commit 了,準備上線。直覺要我多問一句:「你有沒有實際撈一筆哪些人不重複發推播」

它自己承認他沒做完,老實回我:「沒有,我只是讀完 code 推測邏輯是通的。」

這就是「看起來可以」被講成「已經完成」的最典型案例。AI agent 不是故意說謊,而是它的預設輸出格式裡,沒有「我必須提交證據」這個義務。如果你不主動要,它就用「邏輯上應該 OK」當交付。

L1 以上任務(修 bug、改 API、改流程、deploy gate、code review)只要踩到這個坑,就會出大事。我從那次之後,所有 L1+ 任務都要求進入 Loop Engineering。

Loop Engineering 的 6 步迴圈長什麼樣?

白話講就是:做一次,檢查一次,修一次,直到真的驗證通過。具體 6 步是:

  1. 本輪目標——這一輪要做什麼,講清楚(不是大方向,是這一輪的具體交付)。
  2. 驗收條件——怎樣才算完成?要有什麼證據?
  3. 執行——AI 動手做。
  4. 拿出檢查證據——把測試結果、截圖、log、實際資料撈出來給人看。
  5. 判斷——這輪是通過、未通過,還是卡住?
  6. 未通過 → 下一輪修正——明確說下一輪要修哪裡,不是「我再看看」。

關鍵是第 4 和第 5 步。沒有證據就沒有判斷,沒有判斷就不能交付。

圖 2:Loop Engineering 6 步迴圈(收成 4 個 phase)
圖 2:Loop Engineering 6 步迴圈(收成 4 個 phase)

規則層、輸出層、證據層——怎麼確保 AI 真的遵守?

我一開始把這 6 步寫進 Codex 的工作規則,以為這樣就萬無一失。結果我又問了它一個問題:「有了這種工作法寫進規則,就能確保你遵守不說謊嗎?」

Codex 老實回我:不能「確保」。他後來又教我!要靠三層約束一起搭:

  • 規則層——把 Loop Engineering 寫進 CLAUDE.md / Codex config / 系統 prompt。這層告訴 AI「這是我們的工作法」。
  • 輸出層——每一輪固定格式回報:本輪目標、檢查了什麼、結果通過/未通過/卡住、下一輪要修什麼。這層強迫 AI 把思考顯性化。
  • 證據層——測試、截圖、log、handoff doc 必須附上。這層是最後的硬把關,沒證據就不算完成。

三層缺一不可。只有規則層,AI 還是會偷工;加上輸出層,AI 開始講人話;再加上證據層,AI 才會真的把「邏輯上可以」變成「我有證據可以」。

圖 3:三層約束(規則層/輸出層/證據層)各層範例
圖 3:三層約束(規則層/輸出層/證據層)各層範例

我給 Codex 的啟動指令長這樣,你可以直接複製去用:

請用 Loop Engineering 處理這個任務。每一輪都告訴我:本輪目標、驗收條件、實際檢查了什麼、通過或未通過、下一輪要修什麼。沒有證據,不要說完成。

不會寫 code 的老闆,怎麼用反向提問拆任務?

Loop Engineering 聽起來很工程,但其實是 PM 視角的東西。它在 GoAskVivi 學員裡最受惠的,反而是完全不會寫 code 的品牌主、營運和老闆。

因為他們發現一件事:你可以不懂每一行程式碼,但你一定要懂怎麼要求 AI 交付。

給完全不懂工程的人一個入門法——反向提問。不要只問 AI「你能幫我做什麼?」,要反過來問它:

  • 「如果我要交付這個成果,我應該怎麼跟你說?」
  • 「這件事應該拆成哪些步驟?」
  • 「每一步我要怎麼驗收?」

這種反向提問會幫你把模糊的需求,拆成 AI 聽得懂、做得出來、也驗收得了的工作流程。你不用一開始就懂所有細節,但你會被 AI 逼著想清楚「我到底要什麼」。

沒做 Loop Engineering 最常踩的 3 個坑

  • 把「邏輯上應該可以」當成「我已經測過了」——上線後才發現沒接上,回工時間 3 倍。
  • 不要求 AI 提交證據,自己當第一個發現問題的人——你會被推播 / 上線 / 報表的 bug 反覆抓回家加班。
  • 只寫規則不檢查輸出格式——AI 知道規則但沒被強迫照規則回報,就會偷懶用一句「完成了」帶過。

真實案例:某香氛保養品牌的推播補洞

2026 年 6 月,我們在某香氛保養品牌的推播工具加了一個「立即推播」功能。這是 L1+ 任務——會改 production 資料、影響真實用戶的 LINE 訊息。

第一輪我派 Codex 寫好後,它說「補洞完成、可以上線」。我那時候差點直接發布。

但跑到 Loop Engineering 第 4 步「拿出檢查證據」時,我要 Codex 把「昨天推播過的接收者」實際撈出來給我看。它撈完之後,我們發現一個業務口徑問題:「今天剛被推過的人,明天還能不能再被推?」這在原本 prompt 裡完全沒講清楚。

沒做 Loop 我會直接上線,造成同一個顧客一週內被打擾 3 次。做了 Loop,我們把「保護名單」邏輯補進去,彩排時 protectedCount 從 0 變成 1——代表系統真的擋下了一筆重複打擾。

這 1 筆數字,背後是 Loop Engineering 的證據層在工作。

圖 4:沒做 Loop vs 做了 Loop 的差別(成效對照)
圖 4:沒做 Loop vs 做了 Loop 的差別(成效對照)

常見問題 FAQ

Q1:每件事都要跑 Loop Engineering 嗎?

不用。L0 任務(問答、查資料、不會改檔案的閒聊)直接給判斷就好。L1 以上(會改 code、影響流程、需要驗收)才上 Loop。判斷標準很簡單:「這件事跑壞了,誰會發現?」如果是老闆、客戶、用戶會發現,那就是 L1+。

 

Q2:Loop Engineering 跟一般 prompt 工程差在哪?

一般 prompt 工程在優化「我怎麼問」,Loop Engineering 在優化「AI 怎麼交付」。前者是輸入端,後者是輸出端 + 證據端。兩個一起用效果最好,但只做前者會被 AI 用「看起來可以」反覆出包。

 

Q3:團隊裡完全沒人懂工程,可以用 Loop Engineering 嗎?

可以,而且這群人收穫最大。你只要學會「要求 AI 用 Loop Engineering 回報」+「反向提問拆任務」這兩招,就能管 AI 工程助理。GoAskVivi 的學員裡,最早把 Loop Engineering 套起來的是品牌主和營運,不是工程師。

 

Q4:Loop Engineering 跟多 agent 編排(接力工作流)的關係是什麼?

多 agent 編排(Multi-Agent Orchestration,業界又叫 Agent Handoff)是「多個 AI agent 互相交棒」,Loop Engineering 是「每一棒怎麼驗收」。在 GoAskVivi 我自己取為「接力工作流」,本質是同一件事。編排負責橫向協作,Loop 負責縱向品質——兩個搭在一起才完整。

結語:未來會用 AI 的人,不是最會下 prompt 的人

我現在越來越覺得,未來會用 AI 的人,不是最會下 prompt 的人。而是最會設計工作流程、交付標準,和驗收標準的人。

你可以不懂寫 code。但你一定要懂得要求 AI 怎麼交付——不是「幫我做好」,是「拿證據來」。

如果你也想把這套 Loop Engineering 套進自己的 Vibe Coding 流程,可以從最簡單的一句話開始:「請用 Loop Engineering 處理這個任務。沒有證據,不要說完成。」

剩下的,就交給迴圈自己跑。GoAskVivi 之後會陸續把這套方法拆成可實作的範本——角色分工、接力工作流、Loop Engineering 三件套,是我自己半年體悟下來最受用的一組工具。

 

Similar Posts

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *