《The Batch 速览：AI 专业扩张、苹果端侧模型与 GLM-5.2》

导语

这期 The Batch 很密集：Andrew Ng 先讨论“循环工程”如何改变 0 到 1 产品构建，随后新闻部分覆盖开源权重模型 GLM-5.2、美国高校 AI 学位扩张、苹果端侧大模型 AFM 3、以及把生物分子当作语言处理的 ESMFold2。整期共同主题是：AI 正同时改变软件构建、人才培养、端侧部署和科学建模。

1. Andrew Ng 的 3 个循环：从写代码到决定做什么

开篇信把“循环工程”定义为让 AI agent 长时间迭代构建软件的关键方法。Andrew Ng 说自己有 3 个关键循环，用来指导 0 到 1 产品建设，也用来决定该建设什么软件。

1.1 代理式编码循环：让智能体自己写、测、改

• 在给定产品规格，有时再加评估集后，AI agent 可以写代码、测试工作，并持续迭代直到代码无 bug 且满足规格。这种闭环在去年年底左右兴起，让编码智能体能在更长时间内不依赖人工介入而高效工作。
• Andrew 举例说，他周末为女儿做打字练习应用，编码智能体可以轻松工作约一小时，多次使用浏览器检查自己构建的结果，然后再回来汇报。工程循环执行很快，每隔几分钟就可能构建和测试一个新版本。

1.2 开发者反馈循环：人从质检转向产品判断

• 第二个循环是开发者检查当前产品，并引导编码智能体改进。去年很多开发者，包括 Andrew 自己，还在充当智能体的质检人员，手动找 bug 再要求修复。
• 随着编码智能体更能测试自己的代码，人类花在这类质检上的时间明显减少，可以转向更高层产品决策，例如提供哪些关键功能、界面哪里需要改进。这个循环的时间尺度是几十分钟到几小时。

1.3 外部反馈循环：外部反馈改变愿景，再回到规格

• 第三个循环包括找朋友反馈、发布给 alpha 测试者、上线后做 A/B 测试等。这些策略通常较慢，少则数小时，多则几天或几周。
• 外部数据会影响开发者愿景，愿景再驱动详细产品规格，规格再驱动编码智能体。Andrew 认为，随着编码智能体加速软件开发，越来越多工程师开始承担部分产品经理角色，难点在于平衡构建、规格转译和用户反馈。

2. GLM-5.2：高性能开源权重模型靠近闭源前沿

新闻第一条介绍 Z.ai 发布 GLM-5.2，一个面向编码和长期代理式任务优化的大语言模型。它的吸引力不只是开源权重，还有低成本和长上下文。