OODA 循环：为什么迭代速度能打败“完美计划”

发表于 更新于 分类于 ，
English
本文字数： 5.2k 阅读时长 ≈ 19 分钟

OODA 循环 / OODA Loop
中文：观察—定向—决策—行动，不停循环；赢的往往不是计划最完美的，而是循环转得最快的。
EN: Observe, orient, decide, act, on repeat—the winner is usually not the best plan but the fastest loop.

我们来聊一件做 AI 的人天天在跟它较劲、却很少有人点破的事：在一个变化快得离谱的领域里，赢家几乎从来不是那个计划做得最周密的团队，而是那个“观察—调整—再来一遍”的循环转得最快的团队。计划再完美，也架不住它在你落地之前就过期了。

为什么要问这个问题

先说一个你大概率亲历过的场景。

你给 Agent 设计了一套漂亮的流程：先规划、再分步执行。Demo 里跑得行云流水。可一上真实任务就露馅：它规划到第一步就把整条路线定死了，跑到第三步，工具明明返回了一个“文件不在这”“接口报错了”的信号，它却像没看见，继续按最初那张地图往前走，把一个早就该掉头的任务，一路执行到彻底失败。你回看 trace，最憋屈的是——它该拿到的信息全都拿到了，只是压根没拿这些新信息去改主意。

换个场景，同样别扭。两个团队做同一个方向，A 团队花三个月憋一个“考虑周全”的大版本，B 团队每周都拿真实数据小改一版、上线、看反馈、再改。三个月后 A 团队那个精心设计的方案，往往还没上线就已经不对了——基座模型升级了、用户的需求偏了、B 团队摸索出来的那条路它根本没料到。

这两件事，其实是同一件事：在一个不确定、还一直在变的环境里，决定胜负的不是你某一个决定有多聪明，而是你能多快地拿新信息推翻上一个决定。 慢，是原罪。

这套道理不新鲜，也根本不是 AI 独有的。一个美国空军的战斗机飞行员，早在半个世纪前就把它想透了，讲的还不是软件，是空战——两架飞机怎么互相咬尾巴。

它从哪来

约翰·博伊德（John Boyd），美国空军上校，一个传奇又难搞的战斗机飞行员。他有个外号叫“四十秒博伊德”——他敢跟任何飞行员打赌：模拟空战里，让对方先咬住他尾巴的有利位置，他能在四十秒内反过来反咬对方，赌注四十美元，据说从没输过。

博伊德最不安分的地方，是他不满足于“赢”，非要搞清楚“为什么赢”。朝鲜战争里，美军的 F-86 打苏制米格-15，打出了大约十比一的交换比。可按纸面参数，米格爬升更快、转弯更利、飞得更高，本该是更好的狗斗机。博伊德一辈子都在追问这个反常：一架更“差”的飞机，凭什么赢？

他后来把答案磨成了一套叫 OODA 的东西——Observe（观察）、Orient（定向）、Decide（决策）、Act（行动）四个词，接成一个不停循环的圈。这套东西从空战出发，最后渗进了美国海军陆战队的作战条令、商业竞争，甚至创业方法论。它简单到能画在餐巾纸上，却是少数几个“越用越觉得深”的模型。

核心直觉

OODA 的核心，一句话能说清：你面对的是一个会变的世界；活下来、赢下去的关键，不是想出一个完美方案然后照做，而是快速地“看一眼、理解、动一下”，再根据世界的反应马上重来一遍。

拆开这四步：

  • 观察（Observe）：从环境里拿新信息——雷达、报错、工具返回、用户反馈、监控曲线。你看不到的东西，就没法应对。
  • 定向（Orient）：把观察到的碎片，拼成一张“现在到底在发生什么”的图。这是四步里最关键、也最被忽视的一步，后面专门讲。
  • 决策（Decide）：基于这张图，选下一步怎么走。本质是提出一个假设。
  • 行动（Act）：把决定做出去。而行动会改变环境，于是产生新的观察——圈就这么转起来了。


graph LR
  O[观察] --> R[定向]
  R --> D[决策]
  D --> A[行动]
  A -.行动改变环境 于是重新观察.-> O

注意那条虚线——你每行动一次，世界就变一次，于是你得回到“观察”重新看。 OODA 不是一条从头走到尾的流水线，是一个永远在转的圈。谁的圈转得快，谁就掌握主动。

博伊德最锋利的那句话是：“钻进对方的循环里”（get inside the opponent’s OODA loop）。 意思是，如果我的圈比你转得快，那么每当你好不容易看清我上一个动作、做出反应时，我早就已经动了两三次了。你永远在应对一个已经不存在的局面，越打越乱，最后自己把自己逼进死角。赢的人未必更聪明，他只是让对方的世界观永远慢半拍。

还有一件事，博伊德反复强调，可几乎所有人转述 OODA 时都漏掉了：四步里，Orient（定向）不是平等的一步，它是整个循环的隐藏中枢。 你带着什么样的先验、经验、心智模型去“定向”，直接决定了你会注意到哪些观察、会做出什么决策、会采取什么行动。定向错了，观察得再多、行动得再快，都只是更快地奔向错误。

记住这把钥匙，后面反复用它：比的不是谁单步更强，是谁的循环转得更快、而且肯在中途推翻自己——而循环的质量，卡在 Orient 这一步。

现实中的例子

回到博伊德那个问题：一架纸面更差的 F-86，凭什么十比一地赢？答案藏在两个不起眼的细节里，跟“火力多猛、飞得多快”都没关系。

第一，F-86 有个水滴形的座舱盖，视野好得多，米格的座舱框架挡视线。这意味着 F-86 飞行员的 Observe 更强——他能更早、更全地看到对手在干什么。

第二，也是博伊德觉得最关键的：F-86 用的是液压助力操纵，从一个机动动作切到下一个动作，快得多。米格是机械操纵，单看某一个动作，米格甚至可能更利落；可一旦要连续地“换招”，F-86 就顺滑得多。

把这两点合起来：F-86 飞行员能更快地看清（Observe）、更快地在一连串动作之间切换（Act），于是他整个 OODA 圈转得比对手快。每一个单独的动作，米格也许都不输；可 F-86 是这么打的——虚晃一招，米格开始反应，还没反应完，F-86 已经换成了下一招。米格飞行员永远在应对三秒钟前那个已经消失的局面，越打越懵，最后往往是自己先犯致命错误。

这就是“钻进对方循环里”的实战样子：不是靠某一下更狠，是靠让对方永远慢半拍。

这故事听着是半个世纪前的空战，但你把“米格飞行员”换成“那个一年才发一次大版本、永远在追赶对手上一步的团队”，剧本一个字都不用改。

映射到 AI：一个 Agent 的主循环，本身就是 OODA

AI 大概是今天最适合谈 OODA 的地方，因为我们这行做的很多东西，本质就是一个在不确定环境里不停转圈的系统。

Agent 的主循环，就是一个 OODA。 这不是比喻，是字面意义上的重合。一个 Agent 干活的循环是：调工具、拿到返回结果（Observe）→ 理解这个结果意味着什么（Orient）→ 决定下一步调哪个工具（Decide）→ 把这一步执行出去（Act）→ 结果又变成新的观察。你现在最熟的 ReAct 框架，那个 Thought → Action → Observation → Thought…… 的循环，换个名字就是 OODA。它里面那一步，干脆就叫 Observation。

“肯不肯重新定向”，是好 Agent 和坏 Agent 的分水岭。 回到开头那个憋屈的场景。一个“先规划、再照着执行”（plan-then-execute）的 Agent，是把 Orient 和 Decide 全堆在最前面一次性做完，然后闷头 Act 到底。问题是——它的定向停在了第一步那一刻。跑到第三步，环境早变了（文件不在、接口挂了、上一步的假设错了），它却带着一张过期的地图往前冲。这就是那个“永远在应对已经消失的局面”的米格飞行员，只不过这次是你的代码。一个好 Agent 反过来：每观察到一个新结果，就重新定向一次。 工具报错？就地重新理解现在的处境，改计划。这正是为什么 ReAct 那种“想一步、做一步、看一步”的交错式循环，在真实的、乱糟糟的任务上，往往打得过那种把计划一次性想死的做法——不是因为它更聪明，是因为它的 OODA 圈没有卡死在开头。

Eval-driven 开发，也是一个 OODA。 你做模型/产品迭代的循环是：看 eval 和线上 trace 哪里挂了（Observe）→ 搞清楚为什么挂（Orient，最难的一步）→ 定一个改法，改 prompt、加工具、还是微调（Decide）→ 上线、重新跑 eval（Act）。这里藏着一个对团队生死攸关的量：你这个圈转一圈要多久？ 如果你的 eval 要跑两周，你的 OODA 周期就是两周；隔壁团队两小时能跑完一圈，一个月下来他们比你多迭代几十倍——他们就“钻进了你的循环里”，把你甩开。

Orient 是最难、也最该投入的一步——可几乎所有人都在优化别的。 大家拼命加日志（把 Observe 做厚）、拼命提速部署和加工具（把 Act 做快），却很少有人认真打磨“理解这次观察到底意味着什么”这一步。但对 Agent 来说，Orient 的质量取决于它的先验——系统提示词、上下文里塞了什么、检索回来的知识对不对。同一个报错，Orient 强的 Agent 读出“哦是权限问题，换个路径”，Orient 弱的读成“任务失败”，直接放弃或者瞎试。这就是为什么 context engineering 这么要命：你不是在给模型喂料，你是在决定它那一步“定向”的底子。

所以开头那两个困惑，答案到这里就一句话：慢，和不肯重新定向，是同一种死法——你的循环要么转得太慢，要么在开头就卡死了，两种都会让你带着一张过期的地图，输给一个圈转得更快的对手。

工程师视角：先量一量，你的循环转一圈要多久

道理讲完，落到几个具体动作上。

先去量你的循环周期。 从“发现一个问题”到“改完、上线、看到结果”，墙上时钟走了多久？这个数字，而不是你模型多强，才是你迭代速度的真正上限。大部分团队从来没量过它，于是也从来不知道自己的瓶颈到底卡在哪一步。

把循环的每一步都做便宜。 Observe 依赖可观测性——你没打的日志、没存的 trace，就是你看不见的战场（你没法应对你观察不到的东西）。Orient 依赖你能不能快速定位根因。Act 依赖你敢不敢一天上线十次、能不能一键回滚。任何一步慢，整个圈就慢。

把 Agent 设计成会重新定向的。 别在开头憋一个大计划然后闷头执行。让它交错地观察和思考，尤其在每个工具返回之后，给它一个“要不要改主意”的机会。把“死守原计划”当成一种要防的 bug，而不是一种稳定。

但也要防止它把自己转晕。 这是硬币的另一面：一个每收到一丁点噪声就推翻全盘、重新规划的 Agent，会陷进原地打转，永远收敛不了。重新定向要够勤，勤到不脱离现实；但别勤到一惊一乍。这个度，是 Agent 工程里最难调的东西之一。

一句话总结这节的姿势：别再盯着“把某一个决定做到完美”，去盯着“把整个循环转快、并且让它对新信息敏感”。 前者是米格，后者是 F-86。

投资视角：你评估的不是它现在多强，是它多快变强

把视角拉到公司层面，OODA 换了身衣服又出现了，而且它和“谁家现在的模型分数最高谁就赢”那种直觉正好相反。

一家一周能发一版、还能从真实用户身上学到东西的公司，会系统性地“钻进”一家一个季度才动一次的公司的循环里。等那个大公司终于对你上一个功能做出反应，你已经又发了三个了——它永远在追你的上一步，就像那个越打越懵的米格飞行员。竞争里真正的护城河，很多时候不是某一个功能有多强，是你迭代的节奏比对手快一个数量级。

绕回到我们做 AI 这件事，这条给工程师的启示特别直接：当你要判断一个 AI 系统、甚至一家 AI 公司值不值得押注时，别只盯它今天的模型有多强——那是个快照，会过期。真正该看的是它的 OODA 周期：多久发一次版、多快能从线上学到东西、出了问题多快能改回来。 在一个基座模型每几个月就翻一遍篇的领域里，循环速度就是复利，当下的领先只是本金。别用一张快照，去赌一场长跑。

生活视角：你学任何东西，靠的都是这个圈

这套机制也根本不待在机房里。

你学会任何一样真东西——写代码、弹琴、做饭、讲一门外语——靠的都不是先把理论读完美再开始，而是这个圈：试一下（Act）、看结果怎么样（Observe）、搞明白哪儿不对（Orient）、调整（Decide）、再试。反馈越快、圈转得越紧，你长得越快。那个上来就下场、不停吃反馈的人，几乎总能赢过那个抱着完美计划迟迟不敢动手的人。这也是为什么“先做个能跑的丑版本”往往比“在脑子里憋一个完美方案”强——不是因为丑版本好，是因为它让你的圈转起来了。

把这个想明白，对你设计 AI 产品其实很要命：一个好的 AI 工具，本质是在帮用户把他的 OODA 圈转得更快——更快看到结果、更快理解为什么、更快试下一版。一个 AI 编程助手真正的价值，不只是替你敲字，是把你“写一版、看报错、改一版”的循环，从几分钟压到几秒钟。所以做这类产品时，值得反复问自己一句：我到底是在帮用户把循环转快，还是只是在某一步塞了个花哨功能，反而让整个圈更慢了？ 这个问题的答案，往往决定了这个功能是被爱，还是被卸载。

常见误解

第一个，也是最常见的：把 OODA 读成“就是要快、天下武功唯快不破”。不全对。 OODA 说的是整个循环快，尤其是重新定向快——是学得快，不是手快。如果你的 Orient 是错的，转得越快，只是让你更自信、更高效地冲向错误答案。一个 Orient 坏掉的 Agent 疯狂循环，只会更快地把自己绕进死胡同。快，得建立在肯改主意的基础上，才有意义。

第二个：以为 OODA 是一条规规矩矩走四步的流水线。不是。博伊德画的那张真实的 OODA 图，比干净的四步圈复杂得多——Orient 是中间一个连着所有东西的大枢纽，前后还挂着一堆反馈线。实战里，高手经常跳步：因为他的 Orient 太成熟了，看一眼（Observe）几乎能直接动手（Act），中间的 Decide 被“肌肉记忆”短路掉了。OODA 是个连续流动的东西，不是打卡式的四个格子。

第三个：以为“圈转得快”永远是好事。不是。快只在环境会变、对手会动的时候才值钱；而且它有个前提，就是你的每一次行动都足够便宜、能回滚。这个下面单独说。

什么时候不成立

知道一个模型什么时候失效，比记住它本身更值钱。OODA 要成立，靠的是“环境在变 + 行动便宜可回滚 + 定向大致靠谱”。把这几条反过来，就是它不成立的地方：

你的定向是错的。 这是最危险的情况。Orient 错了，循环不会拯救你，只会加速你翻车——你是在更快地把错误决定做出去。一个把世界模型幻觉掉的 Agent，转得越快，跑偏得越远。这种时候该做的是停下来修 Orient，而不是转得更快。

环境是稳定的、问题是确定的。 OODA 是为“对手会动、局势在变”准备的。如果问题固定、边界清楚（一道确定的数学题、一条纯确定性的流水线），一个想清楚的一次性方案，往往打得过手忙脚乱的反复试。迭代速度值钱，是因为有不确定和变化；没有这两样，它就不值钱。

每一次行动都很贵、或者不可逆。 这是“别废话赶紧迭代”这句话真正的边界。OODA 默认你的动作是便宜、可回滚的——飞行员可以试一个机动，你可以上线再回滚。可如果每一次“行动”都要烧掉几百万（一次大规模预训练），或者根本没法撤回（一个单向门决策），你就不能靠“多转几圈”来试错，只能把思考尽量前置。行动便宜可回滚 → 靠循环；行动昂贵不可逆 → 靠深思。 这也正好接上上面那条：Agent 里凡是不可逆的操作（删库、发钱、对外发消息），都该从“快速循环”里单拎出来，加一道人类确认。

判断方法还是那把钥匙，反过来用：“我现在这个圈，是转得不够快，还是定向就错了？环境到底变不变？我这一步撤得回来吗？” 想清楚这三问，你就知道该踩油门（转快循环），还是该踩刹车（先修定向、或先想清楚再动）。

相关模型

OODA 不是孤岛，它挂在一张网里。下面这些是同一张网上的邻居（这些文章我会陆续补上）：

  • 贝叶斯思维 / Bayesian Thinking：Orient 这一步，本质就是贝叶斯更新——拿新证据去修正你对世界的判断。那个不肯重新定向的 Agent，就是那个不肯更新先验的人。
  • 古德哈特定律 / Goodhart’s Law：你的整个循环，是架在你 Observe 到的那个指标上的。如果那个指标已经被 Goodhart 了，你就是在拿一个被污染的观察拼命定向——圈转得再快，也只是快速地错。
  • 二阶效应 / Second-order Effect：Act 会改变环境，改变后的环境又变成你下一次的 Observe——OODA 本身就是一个充满二阶效应的系统，你每一次行动都在重塑下一次要面对的局面。
  • PDCA 循环 / PDCA：Plan–Do–Check–Act，OODA 在制造业和质量管理里的稳态表亲。一个偏“打仗、抢速度、争主动”，一个偏“改进、求稳定、可复用”——都是同一个“闭环迭代”家族的成员。

一句话记住

中文：世界一直在变，所以别爱上你的计划——赢的从来不是那个方案最完美的人，是那个“看一眼、改一下、再来一遍”的循环转得最快、还肯在半路推翻自己的人。
EN: The world keeps moving, so don’t fall in love with your plan—the winner is never the one with the most perfect plan, but the one whose observe-adjust-repeat loop turns fastest and who’s willing to overturn it midway.