自动驾驶行业有一个多年的老规矩，值得所有做 AI 产品的人抄走。新算法开发完，不直接接管汽车——先以「影子模式」上线：系统默默运行，对每一帧路况给出自己的判断，但不执行，方向盘还在人和旧系统手里。跑几百万公里，把「它会怎么做」和「实际发生了什么」逐帧对账：哪里判断错了、错得离不离谱、错误集中在什么场景——攒够了证据，新算法才转正。特斯拉的自动驾驶系统多年采用这套机制，这不是保守，这是这个行业用事故换来的常识：未经对账的新能力，没有接管权。
把这条规矩翻译成你的语言：上线那天，产品才开始活着。之前的一切——定义、例子、考卷、判官——都是纸面推演；只有真实用户开始用它，产品才第一次接触真实世界，你也才第一次拿到真实读数。前面十四章交给你的一切工具，其实都在等这一天：这一章讲它们怎么在时间里转起来。
一、闭环一圈长什么样
「数据闭环」这个词听起来像大厂的专利，拆开看一圈，每一步你都已经有了零件。
第一环，收信号。产品上线后，信号从三个口进来。第一个口是显式反馈：点踩、投诉、客服转达的抱怨——最响，但最少（绝大多数不满意的用户不说话，直接走）。第二个口是隐式反馈：用户把 AI 的回答改写了再用、问了同一个问题三遍、问到一半关掉窗口——这些动作没有一句「我不满意」，但每一个都是差评的实锤。其中最值钱的是改写：用户亲手改了 AI 的输出，等于免费送你一对「AI 的答案 vs 更好的答案」——这正是第八章说的正反例，只不过这一次是真实世界替你出的题。第三个口是你的错题本：第九章立的账，每一条漏网之鱼照进不误。
第二环，进考卷。信号收来不是看一眼感叹一下就完——错题进错题本，错题本定期筛出新的典型题，考卷（第十章的金标准）随之加题改题。高频新场景进冒烟区，翻车重灾区进红线区，两可的进难例区。考卷跟着真实世界长大，这是它和课本的本质区别。
第三环，跑判。每次你要动任何东西——换模型、改提示词、调温度、加工具——先跑一遍考卷（第十章），必要时让判官上（第十一章），换位、成对、给锚、对账四件防具穿好。这里要立一条容易被忽视的规矩：版本台账。提示词的每次修改、模型的每次更换，都记版本号；每次变更后的考卷分数，进台账。没有台账，三个月后出了问题，你连「是哪次改动引入的」都答不上——回退无门。有了台账，分数掉了，一键回到上个版本，再慢慢查。软件行业管这叫回归与回滚，你的 AI 产品再小，这条不能省。
第四环，重新定义。第七章结尾立过一条纪律：「任何一次重新定义，都应该由读数触发，而不是由新鲜感触发。」现在读数来了。老师的时间省了但家长满意度没动——排序要不要调？深夜问作业的家长比想象中多——「给谁做」的画像要不要改？某一类问题错得离谱——「做到什么程度算够」的边界要不要挪？读数打架的地方，就是定义需要重审的地方。闭环的最后一步永远落回判断——工具是死的，循环里那个读数、下决心、改定义的人，始终是你。这也正是第六部存在的理由：前五部把五件工具一件件交齐，这一部讲它们怎么在时间里转。
二、教培老板的三个月复盘会
把一圈闭环走给你看。教培老板的家长答疑助手上线三个月，他开了一场一个人的复盘会。
先看错题本：五十一条。分类一看，第一个发现：深夜十点后问「作业是什么」的家长，占了将近四成——比他预想的多得多。他原来以为答疑的高峰是「孩子表现怎么样」这类关切题，数据告诉他，高峰是「明天带什么」这类事务题。「给谁做」的画像被读数修正了：真实的主用户是「晚上十点想赶紧收工的家长」，不是「焦虑想多聊几句的家长」。考卷随之改：事务题加到冒烟区前排，考卷从三十题扩到四十五题。
再看判官对账：他抽了二十条判官打过高分的记录自己重判，发现一条风格偏置的现行——判官给一条排版漂亮、排比工整的答案打了高分，但那条答案把「请假要提前一天」写成了「请假要提前一小时」。红线例被装饰骗过，正是第十一章说的病。处置：这类事务题以后全配参考答案（给锚），判官从「打分」改成「与参考比对」（成对），本月起对账频率从季度提到月度。
最后看读数本身：老师晚间机械回复时间降了四成多，家长满意度基本持平——没掉，但也没涨。第七章预演讣告里写过的死因（「家长觉得被机器敷衍」）没有成真，但读数提示它在地平线上：满意度不涨，说明「省了老师」还没转成「好了家长」。他在台账上记下下一步的赌注：把考卷里「分寸」维度的权重调高，让助手在事务题之外多给一句孩子当天的具体表现——转正之路走了一格，影子模式还有一格。
注意这场复盘会的结构：没有一个动作是新工具，全部是旧零件在转——错题本收账、考卷改题、判官对账、读数触发重定义、台账记赌注。闭环不是新东西，是五件工具的转速。
三、闭环住在谁身上：组织的环
教培老板的环一个人就转得动，因为他的产品小到一张考卷装得下。产品一大，闭环立刻撞上组织问题——而这份答案，第五章其实已经埋了：MIT 那份报告里 5% 拿到回报的企业有五个共同点，当时当「落地经验」讲，现在换上闭环的眼睛重读，五条全是闭环的组织形态。选窄场景——环小才转得动，环太大三个月转不完一圈，信号到判断的路上就凉了。让一线经理负责，而不是中央实验室——环必须住在离信号最近的人身上：用户的改写、重试、沉默，全部发生在一线的聊天记录和工单里；让总部每季度看一次报表，等于把最强的信号源接了个延时阀。把 AI 嵌进员工本来就在用的工具——环的摩擦要小到不构成新负担，多一次切换就少一批参与者。买成熟方案而非事事自建——力气别花在造环上，花在转环上。人留在关键环节——环的每一圈都有一个判断端，那一端必须是人，否则环转成了自动糊弄。5% 的镜像就是那 95%：中央团队做原型、演示给领导看、停在试点——那不是没有环，是一个悬在半空、从不落地的环。
BCG 那个 10-20-70 的公式，在闭环上也有了精确含义：70% 的「人与变革管理」，落到地上就是让人养成转环的习惯——每天过验收单，每月开错题会，每次翻车进错题本。习惯长成了，闭环就活了；习惯没长成，再漂亮的数据看板也只是墙上的仪表。所以判断一个组织的 AI 转型有没有真的开始，不用看它的战略 PPT，看一件事就够：它有没有一个定期召开、专门过「错题」的会，以及那个会上做出的决定，会不会真的改到产品里。两个条件缺一个，闭环就还只是 PPT 上的箭头圈。
四、转速，与两句刹车
闭环的转速没有标准答案，只有三个锚点。日转速：每次交付必过最小验收单——第九章立的那五条。月转速：每月一次复盘会，错题分类、考卷改题、判官对账、读数重审——本章第二节的样子。季转速：每季度一次大修——考卷重审一遍题型分布还像不像现在的用户，错题本做一次冷热归档（高频常犯的进冒烟区，已免疫的降进待观察），三问从头过一遍（第七章那条「重新定义由读数触发」的纪律，季度尺度上的正席）。日转速管「不交烂货」，月转速管「越用越准」，季转速管「没跑偏」。少了日转速，月转速是空转；少了月转速，日转速是原地踏步；少了季转速，前两个转得再勤，也可能在一块已经变了的场地上跑得飞快。
两句刹车，用来防闭环自己烂尾。第一句：别把闭环做成报表。闭环的目的不是每个月产出一张好看的图，是触发改变——如果连续三个月复盘会没有改过任何东西（考卷没加题、排序没动过、版本没回退过），那不是产品稳定，是闭环死了，你在给尸体量体温。反过来，如果每周都在大改，也要警惕——那多半是被新鲜感驱动，不是被读数驱动，第七章的纪律再读一遍。第二句：闭环里最贵的信号，是用户不说的那种。点踩和投诉是冰山的水上部分；改写、重试、沉默的流失才是水下的山体。只盯着显式反馈做闭环的产品，会精确地优化那一小群爱说话的用户，然后把沉默的大多数优化没了。
到这里，五件工具全部转起来了：罗盘选场子、岩石定问题、尺子量成色（写验收与评测）、放手画边界，闭环管长跑。工具账清了，剩下的悬念只有一个——拿着同一套工具的人，会走到什么结局？下一章讲三个真实的故事，三种结局，把这本书反复泼过的冷水，最后再泼一次。
出处与延伸
- 影子模式（shadow mode）：特斯拉自动驾驶多年采用的部署机制——新算法并行运行不接管、与人类操作逐帧对账、证据充分后转正；为自动驾驶行业公开的通行实践（媒体报道与公司技术博客多有所载，本书作机制性引述）。
- 回归与回滚、版本台账：软件工程公共实践（回归测试/regression test、版本控制/version control），本书移植到非工程场景。
- 教培老板复盘会为本书推演（延续第四至十四章的推演样本设定），其结构（错题分类→考卷改题→判官对账→读数重定义→台账记注）为本书对第十、十一章工具的组装。
- 「闭环是五件工具的转速」「给尸体量体温」「水下山体」：本书提法。「隐式反馈（改写/重试）比显式反馈更值钱」为用户体验与数据科学的通行实践常识，本书作定性转述。
- 前文伏笔在本章兑现：第七章「重新定义由读数触发」、第九章错题本、第十章考卷与版本冻结、第十一章判官对账与给锚——伏笔账见附录。