自强化闭环四步法

源自 PowerCraft 引擎与投研 loop 系统的共同母题。LLM 不能改自己的权重，但可以靠“记忆-检索”闭环让产出质量逐轮抬升——前提是把开环接成闭环。

四步

1. Gather：广采素材，且采集即拆解（不是收藏，是拆成可复用参数/结构）。
2. Act：产出，用两遍法先方案后落地。
3. Verify：盲审打分，并追问**“为何不满分”**——差距即改进方向。
4. Reinforce：把可复用配方/反模式沉淀回知识库、精炼 rubric、固化铁律。

闭环 vs 开环

闭环 = Act → Sense（量结果）→ Compare（与目标比出误差）→ Adjust（回读结果改上游）。缺“回读结果改上游”那条反馈线的，就是开环。系统进化 = 把只记录的“记录仪”变成会校准的“仪器”。

用什么替代权重更新

权重不可得，就用更新知识库 + 调 rubric + 记铁律当作“权重更新”的替身——这正是知识复利的工程化形态，与 知识复利同源、与 阿马拉定律的长期累积呼应。评分信号怎么设计见 把评分标准当奖励函数设计。