Google Labs 推出实验性产品 Stitch Loop,让 AI 智能体结合代码和产品数据,持续提出上线后的优化建议并生成待审核的 GitHub PR。产品现已开放全球候补,符合条件的 Google AI Ultra 用户可优先访问;其实际效果和数据治理细节仍有待验证。
Google Labs 于 2026 年 11 月 18 日宣布推出实验性产品 Stitch Loop,尝试让 AI 智能体在软件上线后持续分析代码和产品指标,提出改进方案,并生成供开发者审核的代码变更。Google 称,全球用户现可加入候补名单,符合条件的 Google AI Ultra 用户将获得优先访问资格,产品暂未面向所有用户全面开放。
按照Google 的介绍,Stitch Loop 面向的是产品发布后的维护工作:例如发现安全漏洞、降低延迟,或根据用户行为和反馈寻找改进机会。它可以在隔离的云端沙箱中编写代码,并向 GitHub 提交拉取请求(pull request,简称 PR);代码合并前仍需团队审核。
从界面设计延伸到上线后优化
Stitch 原本侧重帮助用户将想法转化为产品界面。Google 在 2026 年 5 月介绍的实时设计功能允许用户通过文字、语音或导入现有代码和设计文件,与 Stitch Agent 一起调整设计,并实时查看生成过程。本站此前的报道关注的正是这一设计阶段。
Stitch Loop 则将重点放在另一段流程:产品已经上线之后,团队如何利用运行数据发现问题,并决定是否修改软件。Google 将它描述为一个长期运行的产品智能体,目标是围绕团队设定的可衡量指标持续工作,而不只是完成一次性的代码生成任务。
用户需要先连接 GitHub,并提供日志、用户行为或反馈等产品上下文。Google 称,数据可以通过 180 多种集成、自定义 MCP 服务器或本地命令行工具上传等方式接入。MCP 是模型与外部工具、数据交互的一种协议;实际能接入哪些数据,仍取决于团队配置的连接和权限。
从建议到代码,关键决定仍由人作出
Google 将 Stitch Loop 的工作过程分为四步。首先,系统根据产品数据提出有证据支持的改进建议;接着为建议提供一个或多个方案,说明范围和取舍,适用时还会提供视觉设计选项。
团队选择方向后,Stitch Loop 才会在隔离的云端沙箱中编写代码,并提交 GitHub PR。Google 称,相关 PR 在适用时会附带截图和视频,帮助审核者了解变更。随后,系统继续观察实时产品数据,根据正面或负面结果调整后续洞察;即使目标达成,也会继续留意指标是否回落。
这种设计把数据分析、方案生成和代码提交串成了一个闭环,但在决策链条上依然保留了人工把关。按照 Google 的设定,所有 PR 在人工审核前均不会合并;系统生成的建议与补丁也仅作为候选方案,团队仍需自行判断数据是否充分、修改是否契合产品目标,以及测试和部署能否满足自身标准。
默认覆盖安全、延迟和无障碍
Stitch Loop 内置网络安全、延迟和无障碍三个优化循环,团队也可以自行添加目标,例如提高结账转化率。Google 表示,安全循环结合了 Gemini 4 Carbon 的网络安全能力和 Google DeepMind 的 CodeMender,用于扫描代码库、标记问题,并提出供审核的修复方案。
CodeMender 并非首次亮相。Google DeepMind 在 2025 年介绍 CodeMender 时称,这一研究型智能体借助程序分析和自动验证等工具辅助修复漏洞,再交由人类审核。此次将其集成进 Stitch Loop 后,相关安全能力与实际修复效果目前主要依据 Google 的说明,具体能发现和解决多少漏洞仍有待实际应用验证。
Google 还称,Stitch Loop 可以作为编码智能体的服务层,通过 Stitch CLI 和 MCP 提供持续的产品上下文;团队也可在 Slack 中使用 @stitch 获取每日洞察摘要并创建循环。公告还提到其支持混合模型与自动化工作流,不过在代码合并前,人工审核 PR 的机制依然适用。
企业采用仍有待验证的问题
这一实验的潜在价值,在于把分散在日志、用户反馈和代码库中的线索带入同一条改进流程,让小团队更容易发现上线后值得处理的问题。但它能否真正减轻维护负担,取决于建议的质量、误报数量、审核工作量,以及变更对真实用户指标的影响;Google 在此次公告中尚未提供足以独立验证这些效果的实测数据。
接入代码和产品上下文也带来数据治理问题。团队需要弄清可授予哪些权限、哪些日志或反馈包含敏感信息,以及数据如何处理和保留。公告没有详细说明这些事项,候补阶段的功能范围和访问安排也可能随实验推进而调整。