新闻详情

新闻详情

首页 / 资讯中心 / 详情

一个被忽视的事实:代码库一直有反馈回路,只是太低级

发布时间:2026/10/26 6:00:22来源:尧图网络
一个被忽视的事实:代码库一直有反馈回路,只是太低级
仔细想想软件工程从一开始就是控制论的拥趸编译器 在语法层闭环——代码合法吗单元测试 在行为层闭环——功能对吗Linter / Formatter 在风格层闭环——写法符合规范吗这三类工具完全符合控制论的定义它们都有传感器检测、执行器报错/修复、目标函数通过/不通过构成了一个标准的负反馈闭环。但它们也都有一个共同的边界—— 只能处理机械可判定的属性 。至于真正决定一个系统死活的问题这次改动是否破坏了架构分层这个抽象在 6 个月后会不会变成债务这个接口的命名是否暴露了不该暴露的实现细节这个修复是否只是补丁没有触及根因——这些问题没有传感器也没有执行器。它们悬空在那里 只能靠人来感知、判断、修正 。Code Review 是唯一的人形闭环慢、贵、不可扩展、还经常因为评审者疲劳而失灵。三、Transformer 之后传感器和执行器同时出现了2017 年那篇 Attention 论文之后发生的事本质上是把以前只有人能做的事变成了一种可以被批量生产的能力。LLM 第一次让两件事同时成立它能在高层语义上感知 ——能读懂这段代码违反了 DDD 的边界它也能在高层语义上动作 ——能把一个错位的接口重构到正确的层级里这一刻 控制论的反馈回路终于能在那些重要的决策点上闭合了 。Harness Engineering 的价值就是认识到这件事并把控制论里所有被前几代工程师们用过、试过、验证过的稳态设计套路——分层、边界、负反馈、二阶控制——一次性全部拉到 LLM Agent 身上。四、Harness Engineering 的三层控制论结构我把 Harness Engineering 拆成三个层次来理解每一层都对应控制论里的一个经典概念。第一层闭环控制——把写代码变成自动调节系统OpenAI 团队公开过他们的内部 Agent loop 大概是这样的人类输入意图setpoint │ ▼ Agent 生成代码actuator │ ▼ Lint / 测试 / 架构守卫执行sensor │ ▼ 错误信号回流给 Agentfeedback │ ▼ Agent 自我修正control │ └──── 直到所有信号都收敛 ────┐ │ ▼ 收敛到目标这是教科书式的负反馈控制系统。如果把里面的Agent换成温度调节阀把测试换成温度计这就是恒温器。人类的角色变了。我们不再敲代码——我们 设计这个闭环 决定哪些东西算 setpoint决定哪些信号是 sensor决定误差容忍度决定什么时候要把系统拉出来人工干预。第二层硬约束 软建议——用机械边界代替请你不要控制论里有个反直觉的真相 减少自由度比增加智能更能让系统稳定 。瓦特调速器之所以能工作不是因为它很聪明而是因为它的机械结构物理上就只允许转速高 → 阀门关小这一种因果链。Harness Engineering 把这个原则贯彻到了极致—— 让 AI 不可能越界而不是请它别越界 目录结构强制分层 ui/ → service/ → domain/ → infra/Lint 规则禁止反向 import ui 文件 import infra 直接红线类型系统编码契约核心域类型不允许被序列化层污染CI gate 一票否决违规 PR 根本进不了主干这些都不是建议是机械边界。Agent 在生成代码时哪怕想违规也做不到——因为它的输出会被立刻拒绝并附带具体错误信息进入下一轮反馈。控制论给这种设计的术语是 用环境约束替代行为约束constraint shaping 。结果就是系统的稳态空间被人为收窄AI 再聪明也只能在这个空间里跳舞。第三层二阶控制——让规则本身也能进化这是 Harness Engineering 最有意思的地方也是真正把它从高级 CI提升到自组织系统的地方。控制论里的二阶second-order cybernetics讲的是 不仅控制系统行为还控制控制系统的规则 。Heinz von Foerster 的话糙理不糙——一阶控制让系统稳定二阶控制让系统进化。落到 Harness Engineering 上一阶 二阶 Agent 通过测试 人类把Agent 上次犯的错沉淀成一条新规则 Lint 检查代码风格 出现新的反模式 → 加新的 Lint rule CI 阻断坏 PR 后台有 Agent 定期扫描技术债、自动修复 测试套件验证行为 测试套件本身根据新发现的边界条件自动扩张这条二阶回路的存在意味着 这个系统每被使用一次它的自我控制能力就强一点 。它不会因为暴露了更多场景而变得脆弱反而会因为新场景被编码进规则而变得更稳。控制论里有一个专门的词形容这种性质—— 反脆弱antifragile 。一个反脆弱系统接受冲击后不是恢复原状是变得比之前更强。五、《三体》童话中宽姨打的那把伞控制论的图腾就是瓦特那个带重锤的飞球调速器。在它出现之前蒸汽机旁边必须站一个工人盯着压力表手动开关阀门。这个工人很重要他的判断决定了机器的死活。调速器装上之后这个工人没有失业——但他的工作变了。他不再拧阀门他开始 设计更好的调速器 怎么让响应更灵敏怎么避免共振怎么在高负载下不失稳。设计调速器的工人没有再回去拧阀门。不是因为他们做不到而是因为这件事已经没有意义。Harness Engineering 想做的事本质上是同样的位移让程序员从逐行写代码的工人变成设计代码生产闭环的控制系统工程师。这不是浪漫化叙事。这是控制论一个世纪以来反复发生的剧本—— 任何一个领域只要它的关键反馈回路能被自动化闭合从业者的工作就会上移一层 。六、总结
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/10/25 3:20:41

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/10/25 3:43:49

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/10/25 4:02:17

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/10/25 5:03:13

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/10/25 3:54:32

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/10/25 5:32:24

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉