方法论可泛化原则

四闭环（The Four Loops）—— 权威主文

横切

领域智能体交付不是一条直线：真相会随收资推进而更新，交付会因失败回到质量修复，质量修复的根因经验要回写成可复用资产，资产更新的验收又回流到交付。把它画成四个闭环，是为了强调每一环都必须回到起点复核。

什么时候需要它

核心内容

它决定什么

公开的是判断与判据。客户口径、私有阈值和内部示例不在其中。

Truth Loop 真相闭环
先有证据再有假设，先有源头真相再有模型推理。从业务访谈、资料收集、数据源盘点、权限验证、口径确认，到用真实接口 Probe 证实，最后把每条结论连同出处沉淀下来。
Delivery Loop 交付闭环
先业务结果、先可测验收，再分阶段实现，每阶段有 Exit Gate。它约束的是范围与节奏，防止在没有验收判据的情况下开始堆功能。
Quality Loop 质量闭环
先根因后兜底，先责任层后改码，先单 Case 稳定复现再修，且不引入回归。它约束的是修复方式，防止用兜底文案掩盖真实失败。
Learning Loop 学习闭环
生产反馈变成 Eval 资产，可强制的规则变成测试或代码护栏。它约束的是经验去向，防止同一个坑在下个项目重踩。
回写才是闭环的定义
证据要沉淀回真相底座，修复要沉淀回 Eval，经验要沉淀回护栏与 Playbook。任何一环只往前不回写，交付都会退化——这是四闭环这个模型真正要表达的判据。

这是我们交付生产级 AI Agent 的公开、脱敏方法骨架。真正落地时，从 AI Agent 生产就绪审查与路线图入手，或先用生产上线前深检定位薄弱环节。