Stitch Loop让Agent上线后继续干活

Google Labs 推出 Stitch Loop,让 Agent 持续读取代码、日志和业务指标,主动发现问题、提交 PR,并在上线后验证改动是否真正有效。
Google 把 Agent 的工作,从“交付代码”延长到了“对结果负责”
Google Labs 于 11 月 18 日推出实验性产品智能体 Stitch Loop,它能连接 GitHub 代码库、线上指标、用户行为和反馈数据,在产品发布后持续寻找问题、提出方案、编写代码,并提交 Pull Request 供开发者审核。与完成一次任务便结束的编程 Agent 不同,Stitch Loop 会围绕团队设定的目标长期运行,指标达标后也不会立即退出,而是继续观察是否出现回落。(ithome.com)
Stitch Loop 是一个以线上产品指标为反馈信号、能够持续提出并实施改进的长运行产品 Agent。 它要解决的不是“帮我写一个登录页面”或“修复这个已知 Bug”,而是更接近“把注册转化率提高 5%”“降低接口延迟”或“持续减少无障碍访问问题”这类开放式目标。
这次更新真正值得关注的地方,不是 Agent 又学会了提交 PR,而是 Google 试图补上当前 AI 编程产品最薄弱的一段:代码合并之后,谁来判断这次修改到底有没有用。

它不是接到工单再干活,而是自己寻找下一张工单
传统编程 Agent 的起点通常是一条明确指令,例如修复 Issue、增加接口、补测试或者重构某个模块。任务完成、测试通过、PR 提交之后,这次 Agent 会话基本就结束了。
Stitch Loop 的起点则是一个持续目标。团队可以要求它降低结账页面延迟、提高新用户激活率,或者持续检查代码库的安全与无障碍问题;Agent 随后需要自己从日志、指标、代码和用户反馈中寻找最值得处理的问题,再判断应该改什么。
这种区别看起来只是任务描述方式变了,实际上改变了 Agent 的责任边界。普通编程 Agent 对“代码是否符合要求”负责,Stitch Loop 则试图对“修改是否推动产品指标”负责。
Google 披露,Stitch Loop 可以通过超过 180 种集成接入产品上下文,也支持自定义 MCP Server 和本地 CLI 上传资料。这里的 MCP,即模型上下文协议,是让 Agent 以标准方式读取外部工具和数据源的协议;对 Stitch Loop 来说,它是连接代码之外信息的关键层。
代码只能说明系统被设计成怎样,线上数据才说明用户实际上怎样使用系统。如果 Agent 只能看仓库,它可以发现类型错误、重复代码和测试缺失,却很难知道用户为什么在支付页流失,也不知道一次缓存优化是否真的降低了 P95 延迟。
四步循环:建议、方案、构建、反思
Stitch Loop 的核心流程被拆成四个阶段,每一个阶段都对应产品团队原本需要人工完成的一部分工作。
1. 建议:从证据中寻找机会
建议阶段的任务是回答“现在最值得改什么”。Stitch Loop 会读取代码库以及团队授权接入的线上数据,从中发现与目标相关的异常、瓶颈和改进机会。
例如,当团队设定“提高新用户完成首次项目的比例”这一目标时,Agent 不应只检查按钮颜色,而可能需要结合漏斗数据、错误日志和用户反馈,判断问题出在页面信息架构、接口失败率,还是首次使用流程过长。
这一阶段决定了 Stitch Loop 能否摆脱普通代码生成工具的定位。代码写得再快,如果找错了问题,最终只是在更高效地制造无效 PR。
2. 方案:不只给答案,还要说明取舍
方案阶段的任务是回答“有哪些改法,以及各自有什么代价”。Google 表示,每一条建议可以对应一个或多个解决方案,并附带范围、取舍以及必要的视觉设计选项。
这意味着 Stitch Loop 理论上不会直接把第一个推断写进代码,而是先让人选择方向。例如,降低页面延迟可能有三种做法:减少首屏请求、增加缓存,或者延迟加载非核心组件。三种方案都能改善速度,但开发成本、数据一致性和用户体验风险并不相同。
这种设计保留了产品决策中的人类判断。Agent 可以整理证据和实现路径,但“为了速度是否接受数据延迟”“为了转化率是否改变交互逻辑”仍然属于团队的业务决策。
3. 构建:在隔离沙箱中修改代码
构建阶段的任务是把选定方案变成可审核的代码。Stitch Loop 会在隔离的云端沙箱中执行修改,然后向 GitHub 打开 Pull Request;涉及前端界面时,PR 还可能附带截图或视频,帮助开发者快速判断修改结果。(ithome.com)
沙箱与 PR 是目前企业使用编程 Agent 时相对现实的安全边界。Agent 不直接触碰生产分支,生成的改动必须经过代码审查、自动测试和团队已有的 CI/CD 流程,才能进入线上环境。
Google 明确表示,Stitch Loop 不会自动合并代码,最终决定权仍然在人类手中。这个限制让它目前更像一个能主动创建任务的高级工程队友,而不是可以完全接管生产系统的无人值守运维机器人。
4. 反思:用真实结果决定下一步
反思阶段的任务是判断“这次修改究竟有没有效果”。代码部署后,Stitch Loop 会继续读取实时产品数据,观察相关指标是改善、恶化还是没有明显变化,并将结果用于下一轮建议。
这一阶段是 Stitch Loop 与多数编程 Agent 的关键差异。现有 Agent 的验证通常停留在测试是否通过、页面能否运行以及代码是否符合规范;Stitch Loop 希望进一步验证真实用户和生产环境是否给出了正向反馈。
如果一次优化让平均延迟下降,却导致错误率上升,Agent 应该把它视为负面结果,而不是仅凭测试通过便宣布完成。如果转化率短暂上升后重新回落,它也会继续观察,而不是因为目标曾经达成就永久关闭任务。
默认提供的是三个 Loop,不是只运行三轮
Google 为 Stitch Loop 内置了安全、延迟和无障碍访问三个默认 Loop,团队还可以创建自己的自定义 Loop。需要注意的是,这里的“三个 Loop”指三类预设持续任务,而不是 Agent 默认只迭代三次。
| 默认 Loop | 持续关注的数据 | 可能提交的改动 | 主要验证指标 | |---|---|---|---| | 安全 Loop | 代码、依赖、漏洞证据 | 漏洞修复、依赖升级、安全配置调整 | 风险是否消除、测试是否通过 | | 延迟 Loop | 请求耗时、链路数据、线上性能 | 缓存、查询优化、加载策略调整 | P50、P95、P99 延迟及错误率 | | 无障碍 Loop | 页面结构、用户反馈、访问问题 | ARIA、键盘导航、对比度和语义结构 | 问题数量、可访问性测试结果 | | 自定义 Loop | 团队选择的业务和产品数据 | 产品功能、交互、性能或流程修改 | 转化率、留存率、工单量等目标 |
这三个默认方向也暴露了 Google 对早期使用场景的判断。安全、性能和无障碍问题通常具备相对明确的证据、检测规则和验收标准,比“让产品更好用”这种模糊目标更适合交给长运行 Agent。
Stitch Loop 和普通编程 Agent 到底差在哪
Stitch Loop 并不是第一个能在云端修改代码、运行测试和提交 PR 的产品。GitHub Copilot Coding Agent、Cursor Background Agents,以及多种异步编程 Agent,都已经能完成类似的执行动作。
真正的区别是任务由谁发起,以及任务在什么条件下结束。
| 产品形态 | 任务起点 | 主要上下文 | 任务终点 | 是否持续验证线上结果 | |---|---|---|---|---| | IDE 编程助手 | 开发者当前指令 | 打开的文件、代码库 | 回答或代码生成完成 | 通常不会 | | 异步编程 Agent | Issue、Prompt、明确任务 | 代码库、测试和开发环境 | 分支或 PR 完成 | 通常不是核心能力 | | APM 与错误监控工具 | 错误、性能异常、告警规则 | 日志、调用链和线上事件 | 告警或根因分析完成 | 持续监控,但未必持续改代码 | | Stitch Loop | 产品目标和线上指标 | 代码、日志、行为、反馈、MCP 数据 | 目标持续稳定,而非单次 PR | 是 |
普通 Agent 更像能力很强的外包工程师:你需要先写清楚需求,再把任务交给它。Stitch Loop 想扮演的则是产品、数据分析和工程执行之间的连接层:它不仅接任务,还试图发现应该创建什么任务。
这种定位也意味着 Stitch Loop 的效果高度依赖数据质量。一个事件埋点混乱、指标定义频繁变化、实验分组不可靠的产品,很难因为接入 Agent 就突然获得正确判断;Agent 只会更快地放大错误信号。
Google 正在把 Stitch 从设计工具变成产品运行层
Stitch 最初是一款 AI 原生界面设计工具,可以将自然语言、截图或线框图转换为可编辑界面与前端代码。随着 CLI、MCP、SDK 和 Agent Skills 陆续出现,它正在从单独的设计画布变成可以被其他编程 Agent 调用的能力层。
Google Labs 维护的 Stitch Skills 仓库已经支持 Antigravity、Gemini CLI、Claude Code 和 Cursor 等 Agent 环境,并采用开放的 Agent Skills 结构。该仓库中的能力主要围绕设计系统、提示词增强和设计到代码的迭代流程展开,说明 Google 并不打算把 Stitch 限制在一个网页应用里。(github.com)
需要特别区分的是,GitHub 仓库中此前已有一个名为 stitch-loop 的 Skill,它主要用于多页面网站生成和设计验证;本次发布的 Stitch Loop 则是连接线上指标、持续提交产品改进 PR 的实验性服务。两者名字接近,但产品范围并不相同。
Stitch Loop 还可以作为其他编程 Agent 的服务层。其他 Agent 可以通过 Stitch CLI 和 MCP 读取它积累的产品上下文、问题判断和改进建议,从而形成混合模型工作流;团队也可以通过 Slack 接收每日洞察摘要并创建新的 Loop。
这条路线比要求开发团队把现有工具全部换成 Google 产品更现实。企业已经拥有代码平台、监控系统、数据仓库和协作工具,新的 Agent 要获得采用,首先必须嵌入现有流程,而不是重新发明整套研发平台。
最大价值不是省下写代码的时间,而是缩短发现问题的时间
Stitch Loop 最有价值的环节可能不是自动编码,而是把散落在不同系统里的微弱信号组合成一个可执行判断。
线上产品最昂贵的问题往往不是不会修,而是发现得太晚。一个接口延迟增加 200 毫秒、一个浏览器版本的注册失败率上升、一个无障碍改动导致键盘用户无法提交表单,都可能在数天后才被人工报表或用户投诉暴露。
如果 Agent 能持续读取日志、行为数据和代码变更,并把问题直接转化为带证据的 PR,那么从“指标异常”到“可审核修复”的链路会明显缩短。对工程人员有限的小团队来说,这比单纯提高代码补全速度更有意义。
风险同样来自这条闭环
持续运行的 Agent 获得了比普通代码助手更大的数据权限和行动范围,因此权限治理会成为能否投入生产的决定性因素。
第一项风险是提示注入和恶意数据。用户反馈、日志文本甚至外部工单都可能包含诱导 Agent 执行错误操作的内容,团队必须区分可信指令与非可信数据,限制 Agent 能访问的仓库、命令和凭证。
第二项风险是指标投机。只要目标被量化,Agent 就可能找到提高数字、却损害长期体验的捷径;例如通过增加弹窗提高短期点击率,或者通过隐藏错误降低表面上的失败次数。
第三项风险是因果判断。指标在部署后改善,并不代表一定由这次代码修改造成;节假日、流量来源、营销活动和其他并行发布都可能影响结果。没有实验设计、对照组和统计置信度,所谓“反思”容易退化成相关性猜测。
第四项风险是 PR 洪水。一个全天运行且不断提出建议的 Agent,如果没有优先级、预算和冷却机制,可能让团队每天面对大量低价值改动,最终增加而不是减少维护成本。
因此,Stitch Loop 是否真正有用,不取决于它能生成多少代码,而取决于它能否稳定回答三个问题:证据是否可信、改动是否安全、结果是否具有因果意义。
这可能是 Agent 产品下一阶段的竞争焦点
编程 Agent 的第一阶段竞争是“谁能写更多代码”,第二阶段竞争是“谁能独立完成更长的任务”,Stitch Loop 指向的第三阶段则是“谁能在真实系统中持续对结果负责”。
这个方向很难只靠更强的基础模型解决。长运行 Agent 还需要可靠的权限系统、可观测性、记忆、实验框架、成本控制和人工审核机制,任何一个环节失效,都可能让持续自动化变成持续制造风险。
Stitch Loop 目前仍是实验性产品,现阶段更适合被看作 Google 对 Agent 工作边界的一次试探,而不是可以立即替代产品经理、SRE 或安全团队的成熟方案。
但它提出的问题是准确的:当写代码越来越便宜,真正稀缺的能力将不再是把需求变成代码,而是从生产数据中判断下一步应该做什么,并证明这一步确实让产品变得更好。
参考来源
- IT之家:谷歌推出 Stitch Loop,持续监控产品并提交代码——整理了 Stitch Loop 的发布时间、四阶段流程、180 多种集成及人工审核机制。
- Google Labs Code:Stitch Skills GitHub 仓库——展示 Stitch 与 Antigravity、Gemini CLI、Claude Code、Cursor 等 Agent 工具的兼容方式及 Skills 生态。
- Google Labs Code:Stitch SDK GitHub 仓库——提供 Stitch 界面生成、HTML 与截图提取能力的开源开发工具。



