反馈循环是用户告诉 AI 哪些做得好、哪些不好的方式。设计得当，AI 会随时间改进；设计不当，则会重复同样的错误。
反馈类型：显式反馈（点赞/点踩、星级评分、"有帮助/没帮助"按钮）；隐式反馈（重新生成、编辑输出、放弃离开）；纠正性反馈（用户给出正确答案，如"不，我指的是 X 而不是 Y"）；偏好反馈（用户在备选方案中选择，如"我更喜欢选项 B"）；上下文反馈（反馈针对输出的某个具体部分而非整体）。
为纠正而设计：最有价值的反馈是纠正，但也最难设计。内联编辑让用户直接修改 AI 输出并追踪改动；部分接受让用户保留一部分、拒绝另一部分；解释请求（"你为什么这样做？"）能暴露问题所在；带引导的重做（"再试一次，但更正式些"）通过重新提示实现纠正。
反馈时机：太早，用户尚未评估输出；太晚，用户已离开。打断式（模态对话框或强制评分）会破坏流程；环境式（被动收集编辑、重新生成等信号）则不打扰用户。应优先设计环境式反馈，谨慎添加显式反馈。
闭环：反馈只有带来改变才有价值，用户需要看到反馈起作用——即时适应（AI 在当前对话中调整）、持久学习（跨会话记住偏好）、确认（"我会记住这一点"，即使适应延迟）。
设计产物包括：按功能列出反馈机制清单、定义隐式信号（什么算正面/负面）、反馈到适应的映射（什么反馈导致什么改变）、纠正流程规范。
限制：资料未提供具体实现代码、平台支持范围或效果数据。