AI 编程领域的概念更新速度，已经快过不少开发者的学习节奏。继提示词工程、上下文工程、驾驭工程之后，一个新的工程范式开始被频繁提起：Loop Engineering，循环工程。它的核心变化并不在于让模型变得更聪明，而在于改变人与 AI 的协作方式——开发者不再逐条输入提示词，而是设计一套能够自动运行、自动判断、自动推进的循环系统，让 AI 编程 Agent 持续工作，直到目标完成。
从“手动提示”转向“设计循环”
这一概念的讨论热度，来自两位重量级开发者的公开表述。Claude Code 之父 Boris Cherny 在最新访谈中提到，自己不再直接提示 Claude，而是运行多个循环，由这些循环去提示 Claude、判断接下来该做什么；他的工作变成了写循环。OpenClaw 之父 Peter Steinberger 也在社交媒体上表示，开发者不应继续给编程 Agent 写提示词，而应设计一套循环机制，让循环去提示 Agent。
这种说法之所以引发关注，是因为它把 AI 编程从“一问一答”的手动模式，推向了更接近自动化流水线的方向。按照素材中的解释，传统 AI 编程像开手动挡汽车，每一步都需要人发出指令；而 Loop Engineering 更像自动驾驶，开发者提前设定目标、边界和停止条件，系统会自行推进，遇到问题再根据反馈调整。
不过，Loop Engineering 并不是简单的定时任务。素材明确指出，没有判断能力的循环并不能称为真正的 Loop。一个可靠的循环系统至少需要三项能力：明确且可验证的停止条件、每轮结束后的反馈闭环，以及用于记录进度的状态记忆。停止条件可以是“所有测试通过”“lint 零报错”“所有文件处理完成”等可验证结果；反馈闭环用于判断任务是继续执行还是停止；状态记忆则通过外部文件记录当前进度，避免任务中断后从零开始。
AI 编程方法论的又一次演进
从素材梳理的演进路径来看，Loop Engineering 并非凭空出现。2022 年至 2024 年，行业主要关注提示词工程，重点解决 AI 是否理解需求的问题；2025 年，上下文工程开始受到重视，强调在对的时间把对的信息提供给 AI，例如项目规则文件、检索资料和跨对话记忆；到 2026 年初，Harness Engineering 驾驭工程进一步提出，要为 AI 提供工具、任务拆解、测试和约束，使其在可靠环境中工作。
Loop Engineering 被视为这一脉络上的下一层能力。当前三者已经让 AI 更懂项目、更稳定地产出后，新的问题变成了：开发者是否仍需要一步步推动 AI？循环工程的答案是，把“提示、检查、决定下一步”的过程交给系统本身。它并不是替代提示词、上下文和 Harness，而是在这些基础之上增加自动循环与反馈闭环。
素材中用了一个直观比喻：如果把 AI 比作一匹马，Harness 是缰绳、马鞍和围栏，人仍然需要骑在马上驾驭；Loop 则是设定一条巡逻路线，让马自己按路线反复运行，每跑完一圈检查异常并处理。这个比喻解释了二者之间的差异：Harness 强调约束与承载，Loop 强调自动推进与闭环判断。
工具已经开始落地
目前，部分 AI 编程工具已经提供了与 Loop 相关的能力。Claude Code 提供 /goal 与 /loop 两个斜杠命令。前者用于让 AI 持续工作，直到可验证目标达成；后者用于按固定时间间隔重复执行某项操作。素材举例，/goal 可用于修复整个项目代码，直到全部测试通过且没有报错；/loop 可用于每 5 分钟检查项目前后端部署状态。二者区别在于，/goal 适合有明确终点的一次性任务，/loop 适合持续监控类任务。
Codex 桌面应用也有类似能力。用户可在对话框中通过“/目标”设定持续运行的目标，让 AI 逐步完成并自动验证；其自动化面板则支持配置定时任务，例如定时总结代码变更、检查代码问题，或每天搜集 AI 编程领域热点资讯。素材提到，相比一次性让 AI 完成所有工作，设定目标并让其分阶段验证，输出质量会更稳定。
Cursor 暂未提供原生 /goal 或 /loop 命令，但可以通过提示词设计实现类似思路。素材展示了一个从零开发桌面应用的案例：开发者在提示词中写入“自主开发循环”，要求 AI 维护 PROGRESS.md 记录进度，每完成一个模块立即编译运行验证，遇到报错自动修复，同一问题修复超过 5 次仍未解决则记录并跳过。最终，AI 在接近 50 分钟内完成了包含 Electron 桌面应用、Python 服务端和 Web 管理后台的系统开发与验证。
早期概念，但方向已经清晰
素材也强调，Loop Engineering 仍是一个早期概念，业界尚未形成统一标准和最佳实践。对于复杂场景，例如多个 Agent 并行协作、自动连接外部工具、跨会话持续运行，还需要更完整的方法论。文中提到一种较主流的拆解方式：将 Loop 分为 5 个核心模块，并辅以贯穿全程的状态记忆，其中自动调度被视为循环的“心跳”。在多 Agent 协作中，素材还提到可通过 Git WorkTree 为不同 Agent 分配独立工作目录，以减少代码冲突。
这类信息表明，Loop Engineering 的价值并不只是节省几句提示词，而是试图把 AI 编程从交互式辅助，推向可编排、可验证、可持续运行的工程系统。对于开发者而言，关键能力也在发生变化：过去重点是写好一条 prompt，未来更重要的是定义目标、设计检查机制、管理状态，并为 Agent 设置合理的停止条件与熔断限制。
从行业角度看，AI 编程工具正在从“对话窗口”走向“运行环境”。当循环机制成为 Agent 工作流的一部分，开发者的角色也会从频繁操作者转向系统设计者。这个过程仍处于早期，但它已经清晰指出一个方向：AI 编程的竞争点，正在从单次生成质量，转向长期任务执行能力。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/cong-xie-ti-shi-ci-dao-she-ji-xun-huan-loop-engineering
