视频亮点
控制理论通过传感器测量当前状态与目标状态的误差，由控制器增量调整，避免一次性大变更导致系统崩溃。
Kyle Mistele 以一步迁移一个 RPC 过程为例，展示如何用 ast-grep 作为传感器，结合 CI 循环实现增量式代码迁移。
Kyle Mistele 强调循环应避免堆叠 PR，每个循环最多开放一个 PR，等待人工审查后才产生下一个，减少冲突和冗余工作。
Loop Engineering 从第一性原理：Kyle Mistele 的实战方法
Kyle Mistele 在演讲中批评了当前 AI 编码 agent 的常见做法：喂一个 prompt 加一个循环，结果生成 40,000 行的 PR，没人能审，而且还不一定对。他认为问题不在 prompt 本身，而在循环的设计——应该从控制理论里找思路。
控制理论的核心是传感器、控制器、执行器。传感器测量当前状态与目标状态的误差，控制器决定怎么调，执行器做一次小改动，然后重新测量。这样每次只改一点点，风险可控，结果可审。Kyle 指出，基础设施即代码（如 Terraform、Kubernetes）已经在用这个模式，Postgres 的 autovacuum 和 React 的 virtual DOM 也近似控制循环。
他拿自己团队在 HumanLayer 做的迁移项目举例：把旧的 RPC 代码逐步迁移到 Effect 库。传感器用 ast-grep（一个语言无关的结构化搜索工具），写一条规则找出所有未迁移的函数，然后按确定性排序（比如找最小的那个）。控制器决定每次处理哪个，执行器是一个 agent + skill，skill 里塞了手工写的“黄金模式”（golden patterns），让 agent 照着做，而不是从网上乱学。
整个循环运行在 GitHub Actions 或 CircleCI 上，每天一次，每次只生成一个 PR。为了不让 PR 堆叠，循环会检查是否有同标签的 PR 还在打开状态，有就停掉，等人工审完再跑下一次。如果 agent 做错了，团队可以在 PR 里留一个 /iterate 评论，循环会重新加载上下文、修改代码，并更新一个版本控制里的反馈文件（markdown），这样引导过程也可追溯。
Kyle 强调，这种设计让工程师仍然能读代码、审代码，而不是盲目信任 agent。循环是增量式的，每次改一小块，评审压力小，风险低。如果团队想加速，可以并行跑多个循环，或者让 controller 一次选多个函数，每个函数单独开一个 context window 处理。
最后的启示是：不要被“10x 速度”的 hype 带偏，真实世界的工程需要可审、可回溯、可迭代的循环，控制理论提供了很好的框架。
Kyle Mistele 在演讲中批评了当前 AI 编码 agent 的常见做法：喂一个 prompt 加一个循环，结果生成 40,000 行的 PR，没人能审，而且还不一定对。他认为问题不在 prompt 本身，而在循环的设计——应该从控制理论里找思路。
控制理论的核心是传感器、控制器、执行器。传感器测量当前状态与目标状态的误差，控制器决定怎么调，执行器做一次小改动，然后重新测量。这样每次只改一点点，风险可控，结果可审。Kyle 指出，基础设施即代码（如 Terraform、Kubernetes）已经在用这个模式，Postgres 的 autovacuum 和 React 的 virtual DOM 也近似控制循环。
他拿自己团队在 HumanLayer 做的迁移项目举例：把旧的 RPC 代码逐步迁移到 Effect 库。传感器用 ast-grep（一个语言无关的结构化搜索工具），写一条规则找出所有未迁移的函数，然后按确定性排序（比如找最小的那个）。控制器决定每次处理哪个，执行器是一个 agent + skill，skill 里塞了手工写的“黄金模式”（golden patterns），让 agent 照着做，而不是从网上乱学。
整个循环运行在 GitHub Actions 或 CircleCI 上，每天一次，每次只生成一个 PR。为了不让 PR 堆叠，循环会检查是否有同标签的 PR 还在打开状态，有就停掉，等人工审完再跑下一次。如果 agent 做错了，团队可以在 PR 里留一个 /iterate 评论，循环会重新加载上下文、修改代码，并更新一个版本控制里的反馈文件（markdown），这样引导过程也可追溯。
Kyle 强调，这种设计让工程师仍然能读代码、审代码，而不是盲目信任 agent。循环是增量式的，每次改一小块，评审压力小，风险低。如果团队想加速，可以并行跑多个循环，或者让 controller 一次选多个函数，每个函数单独开一个 context window 处理。
最后的启示是：不要被“10x 速度”的 hype 带偏，真实世界的工程需要可审、可回溯、可迭代的循环，控制理论提供了很好的框架。
