# 当纳德拉也开始讲 Loop，这个词终于长出了第三层 > 纳德拉说 AI 时代的核心资产是学习循环，不是模型。和 Anthropic 的执行层、吴恩达的分工层叠起来，Loop 有了三层含义——执行、分工、复利。独立开发者怎么建自己的 Token 资本？ - 原文链接: https://laojin.blog/blog/20260708_loop_three_floors - 作者: 老金 - 发布日期: 2026-07-08 - 标签: Loop Engineering, Claude Code, 纳德拉, 吴恩达, Token 资本 --- ![当纳德拉也开始讲 Loop，这个词终于长出了第三层](https://pic-1258874139.cos.ap-hongkong.myqcloud.com/laojinblog/posts/20260708/00_cover.png) 上一篇我说，Anthropic 和吴恩达在各讲各的 Loop——一个在教你造轮子，一个在告诉你轮子装在哪一层。 这周纳德拉发了一篇长文，标题很直接：AI 时代的核心资产不是模型，而是学习循环。 读完我意识到，这不是第三个人凑过来蹭 Loop 这个词。他讲的确实是 Loop，但他站的楼层比吴恩达还高。 三个人，三层楼。叠起来看，Loop 这个词的完整含义才终于露出来。 --- ## 一楼：把轮子造好 Anthropic 住在一楼。 它关心的问题非常具体：怎么触发、怎么停、token 烧多少、谁来验证。`/goal`、`/loop`、Stop hook、子智能体——全是让"写→测→修"这个闭环转得又快又稳的零件。 上篇已经拆过了，不重复。一句话总结：一楼解决的是"怎么让 AI 高效地转圈"。 如果你还没把一楼搭起来，后面两层跟你没关系。 --- ## 二楼：决定轮子往哪转 吴恩达住在二楼。 他把镜头拉远，指出最里层被 AI 压缩到分钟级之后，稀缺性往外跑了。写代码不值钱了，想清楚写什么才值钱——定义 Spec、修正方向、从真实用户那里拿回反馈。 他的三层循环模型（Agentic Coding → Developer Feedback → External Feedback）回答的是一个分工问题：哪些层交给 AI，哪些层你必须留下。 二楼解决的是"人和 AI 怎么分工"。 --- ## 三楼：让轮子越转越值钱 纳德拉住在三楼。 他不关心你用什么工具，也不关心人和 AI 怎么分工。他关心的是一个更底层的问题：**你的 Loop 转完一圈之后，有没有变得更强？** 纳德拉提了一个新概念——Token 资本：企业自己构建和拥有的 AI 能力。和人力资本（员工的知识、判断力、关系网）配对，两者互相增强。 他的核心主张可以压成一句话： > 你可以把任务外包，把岗位外包，但你不能把学习外包。 他给出了一个很尖锐的测试标准：你应该能随时换掉底层模型，而不丢失系统里沉淀下来的专业知识。换个模型系统就废了？那你的 Loop 只是在消费别人的能力，没在长出自己的。 这就是三楼和二楼的区别：二楼问的是"这一轮谁干什么"，三楼问的是"转了一百轮之后，你比第一轮强了多少"。 纳德拉把这叫"爬山机器"——每个改进的工作流产生更好的训练信号，进而加速组织独有知识的积累。先建起来的公司，会拥有一种难以复制的优势，跟后面出什么新模型无关。 不过得说一句：纳德拉不是中立裁判。他是 Azure 最大的卖家，"别依赖底层模型"翻译成生意就是"来买我的平台服务"。他的框架可能是对的，但这个动机你得自己称一称。 --- ## 叠起来看 ![三层 Loop 结构](https://pic-1258874139.cos.ap-hongkong.myqcloud.com/laojinblog/posts/20260708/01_three_floors.png) | 楼层 | 谁住这 | 核心问题 | Loop 的含义 | |------|--------|---------|------------| | 一楼 | Anthropic | 怎么让 AI 高效转圈 | 执行机器 | | 二楼 | 吴恩达 | 人和 AI 怎么分工 | 分工结构 | | 三楼 | 纳德拉 | 转完之后有没有更强 | 复利飞轮 | 一楼没有二楼，轮子转得很快但不知道往哪开。二楼没有三楼，分工很清楚但每天都在从零开始。反过来，三楼没有一楼，概念再美也落不了地。 三层全有，才是一个完整的 Loop。 --- ## 对独立开发者意味着什么 纳德拉写这篇文章是给企业 CEO 看的。但他讲的逻辑，对一个人的团队同样成立——甚至更成立。 大公司有几百号人，就算不刻意建 Loop，组织惯性也会沉淀一些东西。独立开发者没有这个惯性。你每天用 Claude Code 写代码，如果写完就扔，明天又是全新会话从头来过，那你的 Loop 永远停在一楼：执行很快，但没有复利。 但这里有个坑：AI 工具自己也在拼命迭代。你今天花一下午写的 CLAUDE.md 规则，下个月大版本升级可能直接废掉。你以为在建三楼，其实在给一栋随时会拆的楼装修。 我现在的想法是看粒度。"这个项目为什么选 Postgres 不选 Mongo"——这种业务判断能活很久。"Claude Code 碰到 TypeScript 报错要加 --strict"——这种工具细节可能活不过一个季度。沉淀判断，别沉淀用法。 ![复利循环](https://pic-1258874139.cos.ap-hongkong.myqcloud.com/laojinblog/posts/20260708/02_climbing_loop.png) 三楼的问题翻译给独立开发者就是：**你的 CLAUDE.md 今天比上周更好了吗？你的 skill 今天比上个月多了几个？你的验证规则是在增长还是一成不变？** 这些才是你的"Token 资本"。你调用了多少 token 不重要，重要的是你沉淀了多少能让下一次调用更有效的东西。 具体做法： 1. **每周给一楼加一颗螺丝。** 这周反复出现的问题，下周变成一个 skill 或一条 hook。不要等攒够了再动手，一次加一条就行。 2. 把二楼的判断写下来。你花 30 分钟纠结的产品决策，最终选了 A 而不是 B——把"为什么选 A"写进项目文档。下次同类决策，Claude 可以直接读到你的判断逻辑，而不是每次都重新推导。 3. 定期检查三楼有没有在长高。纳德拉的测试标准同样适用于你：如果明天 Claude 换了个新模型，你的项目里那些 CLAUDE.md、skill、hook、状态文件，还能不能让新模型接手？如果能，说明你在建自己的资产。如果不能，说明你只是在租用别人的能力。 --- 上篇的结论是：先照手册把一楼跑通，再照吴恩达的地图把时间往外投。 这篇加一层：投完二楼之后，回头看看一楼有没有因此变得更好。 如果有，你的 Loop 就不只是在转圈——它在爬山。