唐龙君AI实验室 | 第1期：让写代码的 AI，住进系统里

唐龙君AI实验室 · 2026-10-24 · 九羲科技

昨天深夜，实验室在迭代 SkyBook 企业智能中心时，做了一个决定：让开发侧的 Claude 直接接上系统的接口。从此迭代不再是"攒一波需求、发一个版本"，使用反馈一进来，修复当场发生。版本制，变成了呼吸制。

这是唐龙君AI实验室的创刊号，记的就是我们自己的一次真实迭代：回路为什么要变短，变短之后先要回答哪四个问题，以及这件事为什么连着我们对"伙伴型 AI"的判断。本篇是工作记录加实验室推演，推演处都标了出来，不冒充已验证的结论。

· · ·

反馈回路变短，到底短了什么

传统的迭代是四段：攒反馈、排版本、发版、再收集。周期以周计。反馈在路上走，走到开发面前时，现场已经凉了——用户当时怎么点的、卡在哪一步、报错长什么样，全靠转述。

我们现在的做法，是让写代码的 Claude 直接接上系统的接口：

"实时获得使用反馈，实时修复和调整，自动进行循环升级。"
—— 唐龙君，2026 年 10 月 24 日凌晨，SkyBook 企业智能中心迭代现场

三件事是连着的：使用数据和报错回流到正在写代码的智能体，它当场定位、当场改、当场验证。这条路前人趟过：Reflexion 框架让智能体把每次反馈写成文字、存进记忆、下一轮接着用，在 HumanEval 编程基准上做到 91% 的一次通过率，超过了当时 GPT-4 的 80%。¹回路从"版本制"变成了"呼吸制"——系统一直在用，智能体一直在看，一直在调。

这跟我们之前的一个观察连上了。试用客户一般只看右侧功能区，完全不体验左侧的聊天交互——这套原生 AI 系统最核心的"对话办事"能力，恰恰没有被看见。这种事，靠问卷是问不出来的：用户不会在问卷里写"我没发现左边还能说话"。只有接口回流的真实使用数据，能把"哪块功能根本没人碰"照出来。反馈回路的价值，第一层不是修 bug，是照见那些没人会告诉你的事。

图注：两种迭代回路——版本制是开环的直线，呼吸制是闭合的环（唐龙君AI实验室制图）

· · ·

自动之前，先回答四个问题

下面这段是实验室的推演，不是已验证的结论，先标清楚。

"自动循环升级"听起来很美，但自动本身不是答案。回路要转起来，四个件得先齐：

1. 接口：它能读到什么

是真实的使用行为和报错，还是经过清洗的二手报表？读不到现场，回路就是空转。

2. 权限：它能改什么

能改文案和配置，还是能动数据模型？放权范围扩大一寸，审批和审计就要深一寸——这跟智能体"主动干活"是一体两面的事。

3. 验证：改完怎么知道改对了

没有自动验证的自动修复，就是自动闯祸。每次改动都要有可重复的检查，告诉回路"这一次改对了"。

4. 留痕：账本与回滚键

每次自动修复可追溯、可回滚：谁改的、为什么改、改之前什么样，账本要全。回滚键必须在手里——自动化的第一课，是"随时能停下来"。

四个问题答不上来，自动迭代就只是把"攒需求发版本"的慢，换成"自动制造问题"的快。治理不是自动化的对立面，是自动化的入场券。

· · ·

图注：自动之前先回答的四个问题——接口、权限、验证、留痕（唐龙君AI实验室制图）

从"在场"到"常驻"

这条路其实有参照。智能体的形态，正在从"被叫起来干活"变成"常驻在系统里干活"：以前是用户有需求才唤起一次，现在是它一直在线，看着、用着、调着。开发智能体接上系统接口，是这个形态在研发侧的版本——代码不再是写完交付就结束的东西，而是有一个智能体住在系统里，替它看着、替它改着。

参照是现成的。SWE-agent 的实验把模型固定不动，只给智能体做了一套贴合系统的接口，修缺陷的成功率就从此前最好的 3.8% 涨到 12.5%——接口做得好不好，直接是生产力。²而 Anthropic 给 Claude Code 定的官方循环也是三步：收集上下文、采取行动、验证结果——我们这套呼吸制，不过是把这个循环从一次任务拉长到常驻。³

实验室把这件事记在创刊号里，是因为它连着我们自己的产品观。SkyBook 要做的是"伙伴"，伙伴的意思就是常驻、记得、主动。开发侧先让智能体住进来，产品侧才有可能真的住进客户的日常里。顺序不能反。

· · ·