Loop Engineering 是起點，Growth Systems 才是終點
程式圈命名了 Loop Engineering。但迭代「測試通過」的迴圈，和迭代「營收成長」的系統，是兩回事。這是一個四層框架——以及多數 AI 產品永遠到不了的那一層。
重點摘要
2026 年 6 月，開發者命名了 Loop Engineering——設計系統替 AI 下指令、驗證結果、迭代到目標達成。這是真實的轉變。但它不完整。一個迭代「測試通過」的迴圈，和一個迭代「營收成長」的系統，架構上是不同的東西。本文提出 AI 系統的四個層級——並論證第四層 Growth Systems，才是價值真正累積的地方。
六月初，一群人開始說同一句話
一群做 AI coding agent 的工程師，幾天內不約而同講了同一件事：
「我不再 prompt Claude 了。我有迴圈在替我 prompt Claude。」 —— Boris Cherny，Anthropic Claude Code 負責人。
「別再 prompt 你的 coding agent 了。你應該設計迴圈來替你 prompt。」 —— Peter Steinberger。
隔天 Addy Osmani 將概念正式化：Loop Engineering 就是把「你自己」從逐條下指令的位置移開，設計一套系統來執行。
程式圈先命了名。這個概念確實重要。但有一個更高的層級，還沒有人在談。
Prompt 的天花板
現在多數 AI 工作流實際長這樣：
你提問。AI 給建議。你自己動手。明天再來問——從頭開始，因為系統什麼都不記得。
AI 不記得昨天建議了什麼。沒辦法檢查上次的建議有沒有效。碰不到你的廣告帳戶、你的資料、你的素材流程。你關了分頁，它就停了。
Prompt 告訴 AI 怎麼想。但沒告訴它下一步該做什麼。
這就是天花板。不是智能不夠——是不連續。不是洞察不夠——是不行動。
AI 系統的四個層級
不是所有 AI 產品都一樣。差別不在能力，在架構——以及系統在朝什麼方向迭代。
Level 1：Prompt 系統
你輸入，它回覆，對話結束。沒有記憶，沒有行動，沒有迭代。
多數 AI 工具在這裡。單次問答有用，但凡需要累積的事就不行。
Level 2：Agent 系統
AI 能呼叫工具、跑多步計畫、連接外部系統——在單次對話內。好一些。但對話結束，工作也結束。
許多「AI Agent」實際是 Level 2——對話內有能力，跨對話無狀態。
Level 3：Loop 系統
AI 以週期運轉。跨對話記憶。在真實系統上行動。透過獨立驗證層檢查產出。按排程運行。能累積。
這就是業界剛命名的 Loop Engineering。是一個真實的架構轉變。但它有一個沒回答的問題：
迴圈在朝什麼方向迭代？
在程式世界，答案很清楚：測試通過、lint 乾淨、PR 可以合併。二值的、可驗證的、封閉的。
但商業不是這樣運作的。
Level 4：Growth Systems（增長系統）
Growth System 是迴圈接上真實商業結果之後變成的東西。
迭代目標不是「條件滿足」，而是「營收動了」。是「CPA 降了，同時量體沒掉」。是「上週失敗的測試，影響了這週的策略方向」。
這改變了系統需要做什麼：
- 不能只驗證——需要解讀。 CPA 降了是因為素材換了，還是因為競品暫停了投放？
- 不能只記憶——需要累積。 上週的失敗不只是存檔，它塑造這週的假設。
- 不能只行動——需要在不確定性中決策。 市場在變。昨天有效的明天未必有效。
- 不能只迴圈——需要知道什麼時候該停止迴圈、升級處理。 不是每個問題都能靠迭代解決。
Loop 系統問：「目標達成了嗎？」
Growth 系統問：「生意變好了嗎？」
這不是語義差異。這是不同類別的系統。
為什麼多數迴圈到不了增長系統
程式圈解決了 loop engineering，因為他們的領域有一個好用的屬性：明確的通過/失敗訊號。測試過了就是過了，lint 乾淨就是乾淨。
成長沒有這個奢侈品。成長活在：
- 模糊的因果。 預算調整有幫助，還是市場本身在變？
- 互相競爭的目標。 降 CPA 同時提量？這兩件事經常打架。
- 非穩態環境。 平台週二改了演算法，你的迴圈沒注意到。
- 跨系統相依。 素材表現影響出價，出價影響投放，投放影響歸因。你不能只在一個維度上迴圈，而不理解其餘的。
一個通用迴圈——即使設計得很好——會在這些問題上撞牆。它會迭代到一個局部最優然後錯過策略性轉變。它會最佳化一個已經不重要的指標。它會在該升級處理的時候繼續跑。
Growth Systems 是知道如何在這種不確定性中運作的迴圈。它們不只是架構上連續的，而是商業上智能的。
成長迴圈
畫出來：
Observe → 帳戶、市場、素材，現在發生了什麼？
Decide → 應該改什麼——背後的假設是什麼？
Execute → 在真實平台上改。不是寫進文件。
Verify → 營收動了嗎？獨立驗證。因果意識。
Remember → 記住發生了什麼。更新「什麼有效」的模型。
Compound → 下一輪比上一輪更聰明。不是從零開始。多數 AI 成長工具在「Decide」之後就停了。產出一條建議，交還給你。你變成執行層、記憶層、驗證層——三合一。
Loop 系統跑完整週期。Growth 系統跑完整週期，並且知道「更好」在商業語境裡是什麼意思。
Growth System 和 Loop System 的區別
| 屬性 | Loop 系統 | Growth 系統 |
|---|---|---|
| 迭代目標 | 可驗證條件（「測試通過」） | 商業結果（「營收成長、效率維持」） |
| 驗證 | 二值——通過/失敗 | 連續——改善程度 + 信心水準 |
| 記憶 | 做了什麼 | 做了什麼 + 什麼意義 + 下次怎麼不同 |
| 決策邏輯 | 按計畫執行到完成 | 市場變了就調整計畫 |
| 升級機制 | 阻塞時停止 | 問題超出迭代能力時升級 |
| 領域知識 | 通用（任何程式碼庫） | 特定（平台機制、商業模型、競爭脈絡） |
這個模式早就在了
為模式命名有用——給團隊一套共同語彙。但實踐者往往在名稱出現之前就抵達了。
Context engineering 2025 年被命名。Harness engineering 2026 年初被命名。Loop engineering 2026 年 6 月結晶。
Growth Systems 還沒有業界通用的名稱。但架構——持久化技能、平台連接器、驗證層、累積式記憶、排程自動化、商業結果驅動的迭代——已經在生產環境裡跑了好幾個月。
問題不是 loop engineering 是不是真的。問題是：你的 AI 成長工具到底是個增長系統，還是一個不知道自己在最佳化什麼的迴圈？
→ 延伸閱讀：留存，從 Agent 開始記住之後才真正發生
→ 延伸閱讀：成長工具進入執行時代
接下來會怎樣
AI 產業花了兩年教模型怎麼思考。
然後教系統怎麼迭代。
下一階段是教它們朝什麼方向迭代。
不是「測試通過」。不是「條件滿足」。
營收。效率。可累積的優勢。
業界在談迴圈。
我們關心的是迴圈接上營收之後會變成什麼。
那不是迴圈。
那是增長系統。
從分析到執行。
FAQ
什麼是 Growth System（增長系統）？
Growth System 是一種以連續週期運轉的 AI 系統——觀察、決策、執行、驗證、累積——以真實商業結果（營收、CPA、ROAS、留存）為迭代目標，而不只是技術性的通過/失敗條件。
Growth System 和 Loop Engineering 有什麼區別？
Loop Engineering 設計的系統朝可驗證目標迭代。Growth Systems 是一種更難的迴圈類別：在模糊因果、競爭目標和非穩態市場條件下朝商業結果迭代。需要商業智能，不只是架構連續性。
AI 系統的四個層級是什麼？
Level 1：Prompt 系統（單次問答，無記憶）。Level 2：Agent 系統（有工具有計畫，對話綁定）。Level 3：Loop 系統（連續週期、記憶、驗證）。Level 4：Growth 系統（迴圈架構 + 商業結果迭代 + 商業智能）。
這個框架只適用於廣告嗎？
Growth Systems 的概念適用於任何 AI 朝商業結果迭代的領域——廣告、營收營運、留存、定價。廣告是天然的起點，因為它產生連續的、可量化的回饋。
這和行銷自動化有什麼區別？
傳統行銷自動化走固定規則——「如果 X，那麼 Y」。Growth Systems 用 AI 根據觀測結果在不確定性中決策，以商業結果而非固定路徑驅動。規則不是寫死的，而是從目標和市場狀態中推導出來的。