七十多年前的书

一九五〇年，诺伯特·维纳坐在剑桥城一间堆满烟斗与稿纸的办公室里，写下了一本后来被反复误读、又被反复重读的小书。书名叫《人有人的用处》。那一年，第一台商用计算机还没卖出去，人工智能这个词要再等六年才在达特茅斯的夏天被造出来。维纳谈论的，是一门他刚刚命名不久的学问——控制论，Cybernetics。这个词他从希腊文里借来，原意是"舵手"。一个握着舵的人，眼睛盯着船头偏离航线的角度，手上不断地修正，于是船才能在风浪里走出一条大致笔直的线。这就是控制论的全部隐喻：不是规定船该怎么走，而是不断地观察偏差、反馈、再修正。

七十多年过去了，维纳的舵手仍然站在那里。只是今天握着舵的，越来越多地不是人，而是一段在服务器里循环运行的代码。我们给它起了新的名字，叫"智能体"（agent）；给它的工作方式起了新的名字，叫"Loop Engineering"和"Harness Engineering"。工程师们在白板上画着观察—推理—行动—评估的循环箭头，以为自己在发明一种全新的东西。其实他们是在重走维纳走过的路，只不过这一次，路上跑的是真正会动的机器。

值得玩味的地方正在这里。当一个领域走到足够远，它常常会在某个拐角处，撞见七十年前就已经站在那里等它的人。

熵

要理解维纳为什么重要，得先理解他写那本书时，整个世界对"确定性"的信仰正在崩塌。

在牛顿之后的两百年里，受过教育的人都相信一个上紧了发条的宇宙：只要你知道此刻每一个粒子的位置和速度，原则上你就能算出宇宙的整个未来，精确到最后一位小数。这是一种令人安心的图景，整洁、封闭、毫无意外。维纳在《人有人的用处》的序言里，用了相当长的篇幅去讲两个名字——美国的吉布斯和奥地利的玻尔兹曼——正是这两个人，把统计学引进了物理学，把那个上紧发条的宇宙拆掉了。

吉布斯的洞见，用维纳的话说，是物理学"不再声称处理永远会发生的事情，而是处理以压倒性概率会发生的事情"。世界不是一台精密钟表，而是一场巨大的赌局。而在这场赌局里，有一个量始终在悄悄变大，那就是熵。熵衡量的是混乱、是失去差别、是从有组织滑向无组织。维纳写道，宇宙中所有封闭的系统都倾向于退化，"从存在区分和形式的组织化状态，转向混乱和同质化状态"。在吉布斯的宇宙里，秩序是最不可能的，混乱才是常态。

但维纳没有就此沮丧。他笔锋一转，指向了那些"局部的、暂时的"逆流——在熵的洪水里，总有一些小小的漩涡，方向恰好与大势相反，组织在那里短暂地增加。生命就栖息在这样的漩涡里。而控制论，正是研究这些漩涡如何对抗熵的学问。一个活着的有机体，一台运转良好的机器，一个有效的组织，都是在做同一件事：在一个倾向于混乱的世界里，临时地、costly 地维持住一点秩序。

这是理解今天 AI 的第一把钥匙。我们总爱说大模型"涌现"出了智能，仿佛那是凭空多出来的东西。但从控制论的角度看，一个能完成任务的智能体，本质上是一个反熵装置——它要在一片由无数可能的错误答案构成的混沌里，反复地把自己拽回到那条狭窄的、正确的航线上。它对抗的，正是熵。

反馈 与 Loop Engineering

维纳对抗熵的核心工具，只有一个词：反馈。

他在书里举了一个我读到时忍不住停下来的例子。巴拿马运河的船闸控制室。维纳说，那间控制室最了不起的地方，不是它能发出指令让闸门开合、让拖船机车移动，而是它"充满了指示器"——这些指示器不只告诉管理员指令已经发出，更告诉他指令是否真的被执行了。维纳冷冷地补了一句：如果没有这些反馈，管理员可能会以为机车已经停下，结果"把一艘巨大的战舰冲向闸门"。

发出命令，是容易的。知道命令有没有奏效，才是难的，也才是一切控制的根本。维纳把这个原则一路推到了国家、军队和个人身上。他讲了美国独立战争里的一桩旧事：一道命令因为疏忽没能从英国传到加拿大,结果伯戈因的军队在萨拉托加遭遇了本可避免的惨败。他借此提醒每一个行政官员、每一个大学校长、每一个企业老板——你必须置身于一个双向的信息流里，而不是只顾着从上往下发号施令，否则"你的政策会建立在对下属所掌握事实的完全误解之上"。

现在，请把"船闸"两个字换成"智能体"。

今天我们所说的 Loop Engineering——循环工程——讲的恰恰是同一件事。一个自主智能体的工作方式，被工程师们总结成一个不断转动的环：它先观察当前的状态，调用模型进行推理、选出一个动作，执行这个动作，然后观察执行的结果，再把这个结果喂回到下一轮的推理里。如此循环，直到任务完成或者撞上某个停止条件。MindStudio 的工程师把这称作"自主 AI 智能体工作流的新范式"。Oracle 的开发者博客则更直白：这个循环"是每一个智能体系统核心处的迭代执行周期"。

这不就是维纳的舵手吗？观察偏差，修正，再观察。区别只在于，维纳谈的是金属与电流，而今天谈的是 token 与 API 调用。循环工程师们反复强调的那几条原则——要有可测试的终止条件、要有真正的错误处理让系统产生"genuine adaptation"（真正的适应而非机械重复）——几乎是维纳那段话的逐字翻版。他早就说过，最低级的反馈只处理"成功或失败"，而更高级的反馈会改变"行为的整体策略"，会让系统真正地学习。罗素管这叫不同的"逻辑类型"，维纳管这叫学习，而我们今天，管它叫 agentic loop。

七十年里，载体变了三次，原理一次没变。一个不接收反馈的智能体，就是那个以为战舰已经停下的船闸管理员。它会自信地、流畅地、毫不犹豫地，把船撞向闸门。

蚂蚁的启示

但反馈只是故事的一半。维纳书里真正预言了今天的那一章，藏在一个更出人意料的地方——他花了整整一章，去谈蚂蚁。

这一章叫《僵化与学习》，是全书我最喜欢的部分。维纳问了一个看似古怪的问题：为什么蚂蚁这么蠢？注意，他要问的不是"蚂蚁蠢不蠢"，而是"为什么它必然蠢，蠢得别无选择"。

他的答案是一套精彩的生理学推演。蚂蚁是节肢动物，它的身体被一层几丁质外骨骼包裹着——那是一件死的、坚硬的"紧身衣"。这件紧身衣给了蚂蚁保护，却也给它判了死刑：外骨骼无法随身体生长，蚂蚁要长大，只能把旧壳整个蜕掉、重新长一副。而每一次蜕变都太剧烈了，剧烈到神经系统几乎无法在其中保留任何精确的记忆。再加上昆虫靠气管被动扩散来呼吸，而扩散效率随体型平方下降，于是蚂蚁连身体都长不大，更没有空间容纳一套复杂的、能储存大量记忆的神经系统。

维纳由此得出那句我认为是整本书最锋利的论断：

控制论认为，机器或有机体的结构，是其性能的指标。

蚂蚁的机械刚性，决定了它智能的上限。它的行为指令"主要是其结构决定的结果，而非任何个人经验"。它更像一台所有指令都预先刻在磁带上、几乎没有反馈机制的计算机。蚂蚁的悲剧不是它笨，而是它被自己的壳锁死了——它的物理束缚直接造就了它心理上的束缚。

读到这里，任何一个今天搭过 AI 系统的人都会脊背一凉。因为维纳在 1950 年讲的，分明就是 Harness Engineering——驾驭工程——在 2026 年的核心争论。

Harness Engineering

如果说 Loop Engineering 是维纳的反馈，那么 Harness Engineering 就是维纳的"结构决定性能"。

让我先把这个时髦的新词说清楚。今天的工程师有一个简洁的公式：智能体 = 模型 + 驾驭框架（Agent = Model + Harness）。模型是那个会推理、会生成的大脑；而驾驭框架，是大脑之外的一切——你给它的指令、你接给它的工具、你为它搭的记忆系统、你圈定它运行的沙箱、你设下的验证检查、你定的成本上限、你记的每一笔日志。Martin Fowler 的网站和一批工程博客在过去一年里反复论证同一个判断：一个平庸的模型配上出色的驾驭框架，会打败一个出色的模型配上糟糕的驾驭框架。驾驭工程，正在变得和模型工程一样重要。OpenAI 甚至披露过一个例子：一个三人的工程团队，靠精心设计的驾驭框架，做出了一个百万行的代码库，人均每天 3.5 个 pull request，而且没有一行代码是手敲的。

现在，请把这个公式和维纳并排放在一起。

模型，就是那个"未完成的、柔软的、能学习的"人——它本身拥有维纳所说的、属于人类的"多样性和可能性"。而驾驭框架，就是那件外骨骼，那件紧身衣，那套决定了智能体能爬多高的"结构"。

这里藏着 AI 工程最深的一个悖论，而维纳早在蚂蚁那一章里就把它讲透了：驾驭框架既是赋能，又是囚笼。一只蚂蚁需要它的外壳——没有壳，它会被晒干、被压碎。一个智能体也需要它的驾驭框架——没有驾驭框架，再聪明的模型也只是一个对着真空说话的大脑，无法验证、无法授权、无法执行、无法记账，正如 Fiddler 和 Firecrawl 的工程师所描述的，驾驭框架要"验证、授权、执行并记录模型提出的每一个动作"。驾驭框架让一个原始的模型变成了能干活的智能体。

可是同一副壳，如果太硬、太死、太想把每一步都预先刻在磁带上，就会把这个本可以学习的大脑，活活变成一只蚂蚁。维纳警告过那些"效率崇拜者"——他们渴望给每个下属都分配一个固定的问题，吝于给他独立思考、超越眼前任务去理解整体的权利。维纳说，这种人嘴上信奉的民主，"并不是他们真正愿意生活的秩序"，他们向往的，是莱布尼茨的自动机，而不是真实的人。

把这段话送给今天每一个搭 AI 系统的人，一个字都不用改。我们当中有多少驾驭框架，是按照蚂蚁的图纸画的？把模型的每一步都写死成 if-else，把每一个分支都用规则锁住，不留一丝让它从反馈中真正适应的余地——我们一边惊叹于模型的智能，一边亲手给它套上几丁质的壳，然后抱怨它怎么这么笨。维纳会说：你看，结构是性能的指标。是你把它造成了一只蚂蚁。

内骨骼与外骨骼

那么，好的驾驭框架应该长什么样？维纳同样早就给了答案，藏在蚂蚁的对立面——人——身上。

人的身体走了另一条路。我们没有把骨骼长在外面，而是长在里面：内骨骼随着身体一起生长，软骨先搭好临时的支架，再慢慢钙化成骨。这套结构既提供支撑，又允许变化。它是活的。维纳特别点出，记忆与学习的生理基础，是"某种组织的连续性，这种连续性使得外部印象所产生的变化，能够以较为持久的形式被保留"。蚂蚁在蜕变里丢掉了这种连续性，所以学不会；人保住了它，所以能学一辈子。

好的驾驭框架，就该像内骨骼，而不是外骨骼。

这正是 Loop Engineering 与 Harness Engineering 必须合在一起讲的原因——它们其实是同一枚硬币的两面，正如维纳的"反馈"与"结构"从来都是一回事。循环，是让智能体能够观察偏差、修正航向的活的过程；驾驭框架，是这个过程赖以运行、又不至于把它锁死的结构。一个只有循环没有驾驭框架的智能体，是一个没有骨头的人，瘫软在地，连站都站不起来；一个只有驾驭框架没有真正循环的智能体，是一只蚂蚁，坚硬、高效、然后撞向闸门。真正难的工程，是搭出一副内骨骼——足够坚固，能撑住任务的重量；又足够柔软，能让里面那个会学习的大脑，从每一次反馈里真正长大一点。

工程师们总结好循环的五个要素时——具体而可测试的目标、有用的工具集、良好的上下文管理、明确的失败出口、能产生真正适应的错误处理——他们其实是在描述一副既能支撑又能生长的内骨骼。每一条，维纳在 1950 年都用别的词说过了。

人的用处

维纳写《人有人的用处》，骨子里不是一本技术书，而是一本忧心忡忡的伦理书。书名本身就是一句反讽——人，应该有"人"的用处，而不是被当成机器的用处来使唤。他真正害怕的，从来不是机器变得太像人，而是人被组织得太像机器；不是智能体学会了思考，而是我们亲手造出一个蚁群国家，把活人钉死在固定的功能上，"让人类以远低于其潜力的状态运转"。

这份忧虑，在今天非但没有过时，反而更尖锐了。当我们把越来越多的判断、越来越多的舵，交到那些在服务器里循环运行的智能体手上时，我们面对的是一组维纳式的老问题，只是赌注变大了。我们给这些智能体搭的驾驭框架，是内骨骼还是外骨骼？我们留给它们的反馈,是真实的双向信息流，还是只有自上而下、永远以为战舰已经停下的单向指令？而在这一切之上，那个更古老的问题依然悬着：在一个由我们和机器共同握舵的世界里，我们究竟想给"人"留下什么样的用处？

维纳没有给出答案，他那一代人也给不出。但他给了我们一套出奇耐用的提问方式。在一个被熵推着向混乱滑去的世界里，无论是一个有机体、一台机器，还是一个把模型与驾驭框架拼在一起的智能体，要维持住一点秩序，靠的永远是同两样东西：一个能诚实接收反馈的循环，和一副既能支撑、又允许生长的结构。

今天，我们既是握舵的人，也是那个被我们造出来、正在学着握舵的智能体的设计者。维纳留下的那本薄薄的小书，与其说是一份七十年前的预言，不如说是一面镜子——照出我们打算把自己造的智能体，做成一只蚂蚁，还是一个人。