要不說 AI 圈都是造詞大師呢，回看過去這一年，都已經造出了多少個新詞了。

　　提示詞工程火了，火完之后 Harness 工程，現在又輪到了循環工程。以前是把提示詞寫好最重要，模型的能力體現在我們喂給它什么樣的提示詞。后面是 Harness 重要，要想模型產出穩定的結果，給它套一個馬鞍，讓它在框架內運作很重要。

　　再到現在，Loop Engineering，循環工程，寫提示詞、寫 Harness 都比不過寫好一個循環。

　　龍蝦之父在 X 發文，不要在 Coding Agent 類產品里面寫提示詞了，我們應該設計一些循環來使用這些 Agent。Codex 負責人 Tibo 也很快轉發了這則推文，問網友是否已經開始寫嵌套循環了。

　　Codex 的對家，Claude Code 產品負責人 Boris Cherny 也在接受播客采訪時提到，「不跟 Agent 對話，跟 loop 對話，讓 loop 替我來 prompt」。

　　Claude Code 的負責人 Boris Cherny，和產品負責人 Cat Wu 在 Claude 官方回顧 Claude Code 第一年的節目上，聊天過程中兩人都表示很喜歡 loop，認為 Loop 是下一個 Leap（飛躍）

　　和 loop 對話？所以 loop 到底是什么。仿佛還沒有看到所謂的 Loop Engineering 到底給一個項目帶來了什么改變。例如用控制變量法，一個采用循環工程，一個不使用，兩者最后的產出會有什么區別嗎？

　　這些術語就莫名其妙地出現在了社交媒體上，有人說不用管「loop 工程」是什么，它本質就是一種炒作和營銷的手段。

　　一個正在使用 Agent 的用戶，自然而然就實現了所謂的 loop 工程，而不是專門有一套流程，符合那套標準，需要被單拎出來，才可以被叫做是 Loop Engineering。

　　所以是新瓶裝舊酒，一套過去的思維方法論，重新套上了新名詞嗎？

　　人從寫提示詞，變成寫循環

　　如果只看技術實現，Loop Engineering 其實沒有發明什么全新的東西。Harness、Skill、Agent Workflow 這些系統，過去幾年都在嘗試讓 Agent 自己規劃、執行、反思和繼續執行。

　　但今天大家重新開始討論 Loop，是因為模型終于開始能把循環跑下去了。當 Agent 能連續工作幾十分鐘、幾個小時，甚至跨天完成任務時，人和 AI 協作的單位，也開始從一次對話變成一個完整回路。

　　什么是 Loop Engineering，這個詞聽起來很新，講的事其實很日常：你讓 AI 寫代碼，它寫完后你跑測試；測試報錯，你把錯誤貼回去；它再改；你再跑。來回幾次，直到代碼能用。

　　這就是一個最原始的 loop：行動、觀察、修正、再行動。

　　區別在于，過去每一輪都靠人手動推動。人要復制報錯、追問原因、提醒它別改錯文件、判斷什么時候該停。Loop Engineering 做的事，是把這些反復發生的動作寫成規則，交給系統去執行。

　　一個完整的 loop，至少要回答五個問題：AI 什么時候開始干活？它能調用哪些工具？它怎么知道自己做錯了？它把每一輪結果記在哪里？它什么時候必須停下來交給人？

　　所以 Loop Engineering 更接近一套工作制度：給 AI 設任務、設工具、設反饋、設記憶、設剎車；prompt 只是這套系統里最小的零件。

　　放到代碼項目里，它可能是這樣：每天早上，系統自動檢查昨晚失敗的代碼提交。

　　AI 讀日志，判斷是測試波動、依賴問題，還是最近提交引入的 bug。能復現的，它在單獨的 worktree 里嘗試修復，跑測試，通過后開一個草稿 PR。原因不清楚的，它把現場、嘗試過的方法和下一步建議寫進一個文件，等人來接手。

　　放在我們的工作流里，它就是每天早上，AI 自動掃指定的新聞源、社交平臺和公司博客。它挑出 5 個可能成稿的選題，補上來源、關鍵人物、爭議點、可用截圖和一句話判斷。資料不足的地方，它標出來。到我們面前時，它已經整理成一張選題卡。

　　龍蝦之父也在 X 分享了自己的循環工程實踐，他讓 Codex 維護自己的代碼倉庫，每 5 分鐘喚醒一次并將工作分配給不同的線程。他說通過運用統籌能力，結合分類、自動審核和 Computer Use 技能，已經能讓一些工作自主完成。

　　聽起來也很像之前 Claude Code 主打的「做夢」機制，以及 Hermes Agent 的自進化功能，讓 Agent 自己從過往上下文學習知識并完善所有的流程。

　　這也就是 Loop Engineering 的核心變化：Prompt Engineering 時代，人負責寫一句好提示詞。 Harness Engineering 時代，人開始給模型搭框架。 到 Loop Engineering，人的工作進一步后退了一層。

　　一個 loop 由什么組成

　　一個能跑起來的 loop，通常有幾樣東西。

　　根據 Google Cloud AI 總監 Addy Osmani 在 X 發布的循環工程文章，一套完整的循環工程，同樣是五個積木加一個用來記錄的記事本。

　　五個積木分別是定時任務、worktree、Skill、連接器、子 Agent，以及一個記事本叫狀態文件。

　　定時任務，在 Codex 里它叫 Automations，在 OpenClaw 里面叫 HEARTBEAT，在 Claude Cowork 里面是 Scheduled。通過配置定時任務，我們可以選擇對應的項目，自定義一段提示詞，再設置對應的運行頻率。

　　這是自動化循環的第一步。在設置定時任務時，也像使用 Codex 里面的 Goal 模式，讓 Agent 自動跑，直到完成我們設定的目標。

　　Worktree 存在的意義，是給每個 Agent 一個獨立的工作目錄，可以確保 Agent 在循環工程中只是修改各自的分支。

　　有了 Skill，循環每一圈都可以不用猜測我們的項目是什么。Skill 通過把項目知識寫在文件里：構建步驟、團隊約定、「上次就是這么出事的，所以不允許這么做了」，讓 Agent 有了更充分的記憶，去處理任務。

　　連接器的主要目的是靠 MCP 協議跳出這個單獨的文件系統，獲取外界的給定數據庫和其他系統信息，來完善整個循環。

　　子 agent 也是整個體系里最重要的結構，寫代碼的和審代碼必須是兩撥人。換一個指令不同、甚至模型都不同的 agent 來挑刺，才能審核出真正的問題。

　　記憶也很重要。很多 AI 工作流每天都會重復，但每天都從零開始。昨天已經確認過的事實，今天還要再查一次；上周已經否掉的標題風格，這周又被生成出來；某個來源經常不可靠，但 AI 下次仍然引用它。

　　除了用 Skill 的更新來規范 Agent 的行為，循環還需要一個聊天框外的記憶位置。

　　記事本，一個狀態文件，它在單次對話之外，可以是一個文檔、表格、看板，也可以是一份項目規則。里面記錄已確認的信息、踩過的坑、偏好的格式、禁用的表達、上次沒解決的問題。AI 每次啟動時先讀它，就能接著往下走。

　　上手 Loop Engineering

　　Loop Engineering 常被開發者討論，是因為代碼有天然的反饋機制：測試能不能過，程序能不能跑，錯誤日志在哪里。這讓代碼場景看起來特別適合 loop。

　　但就像 Coding Agent 最后變成了所有人的 Agent，loop 的適用范圍也遠不止編程。

　　內容工作里，它可以做選題篩選、資料整理、初稿生成、事實檢查、標題優化和發布前檢查。

　　客服工作里，它可以先讀客戶來信，判斷問題類型，整理歷史記錄，生成回復草稿，并把敏感投訴留給人工處理。AI 不需要直接發出所有回復，它先把問題分好、材料備好，就已經省掉很多時間。

　　產品和運營工作里，它可以定期整理用戶反饋、應用商店評論、社媒討論和競品更新。

　　研究工作里，它可以追蹤一個主題下的新論文、新報告、新數據。每天或每周更新一次，把新增內容和已有判斷放在一起。

　　這些場景共同點都是任務會反復出現，流程相對穩定，結果可以被檢查，關鍵判斷還在人的手里。

　　想要真正入門循環工程也不是一件容易的事情，它有個前提：token 管夠。

　　循環會反復讀上下文、反復重試、四處探索，不管最后有沒有產出， Token 都在燃燒。擁有無限額度的人覺得循環是常識，就像龍蝦之父、Claude Code 負責人、Google Cloud AI 總監，他們都有無上限的 Token。

　　但月付 20 美元的我們，循環跑了兩天就達到了周限額。

　　還有，任務得每周都重復，如果是一次性的活，一句好提示詞又快又便宜，重復太少，Agent 又無法從循環中學習到知識。

　　而反復的循環又得有自動驗證、測試、類型檢查、構建，需要確保 Agent 在沒人盯著的時候可以把爛活攔下來。Agent 還得有高級工程師的素養：日志、復現環境、能跑自己寫的代碼。

　　隨便缺這里哪一條，循環的成本可能就會高過回報。而 token 成本其實把這個熱詞拉回了現實，Loop Engineering 不會讓 AI 協作變得無成本，它只是把成本從「人一輪輪盯著」的時間成本，轉移到「系統一輪輪運行」Money 成本。

　　新的問題在于，隨著模型越來越強，這筆賬正在發生變化。

　　過去，一個任務失敗了，人只能回來繼續追問、補充上下文、重新解釋需求。今天，很多時候 AI 已經能自己嘗試、自己驗證、自己修正，再把結果交回來。

　　如果一次循環消耗的 Token，已經接近一個人來回追問幾輪的成本，那么真正值得優化的，可能就不再是某一句提示詞，而是整個反饋回路。

　　所以 Loop Engineering 最值得討論的地方，未必是它算不算一個新學科。

　　更現實的問題是，當 AI 已經能連續處理多輪任務，人還要不要繼續把自己卡在每一次追問里。

　　有些工作，確實只需要一句好提示詞。有些工作，則需要一套能反復運行、能留下記錄、能及時停手的流程。

　　這個分界線，在當下看來，可能比「循環工程」這個名字本身重要得多。