关键证据: Andrew Ng 自身经验——为女儿开发的打字练习 app,coding agent 可独立工作约 1 小时,多次用浏览器检查构建结果才回来,无需人工干预
核心结论3: 人类在 Developer Feedback Loop 中的不可替代性源于"Context Advantage"——人类比 AI 知道更多关于用户和产品运行上下文的信息,这不是"品味"问题而是信息不对称问题
关键证据: Ng 明确反对将人类贡献仅归因为"品味"(taste),认为"Context Advantage"框架给出了更清晰的路径来帮助 AI 改进。只要人类知道 AI 不知道的东西,Human-in-the-loop 就是必需的
2. 质疑
关于"Context Advantage"的质疑: Ng 将品味重新定义为 context advantage,简化了问题。品味可能包含不可编码的审美判断、价值排序和直觉,这些不完全是"信息不对称"能解释的。如果将品味完全还原为信息,意味着只要给 AI 足够 context 就能替代人类的全部判断——这是个强假设
关于三层循环的可操作性: Ng 描述了循环的层次,但未给出如何设计每层循环的具体工程方法。Agentic Coding Loop 的"怎么写好 spec + evals"被一笔带过,而这恰恰是当前工程的难点
关于"工程师扩展为 PM 角色"的质疑: Ng 声称工程师正在承担部分 PM 职能,但未讨论这是否对所有工程师都适用,以及"产品判断"是否真的是可培训的通用技能