提示词工程已死？Loop Engineering 称王：循环工程核心原理深度拆解

大家好！我是瓜哥。前互联网技术副总裁，现在带队死磕 AI 编程。

当前主流 AI 编程模式，人与模型的交互方式为：一行一行下指令，AI 一个一个执行。每一次指令 AI 都是单次的、低频的、被动响应的，模型只在被人工触发时才开始工作。

这种模式的效率有一个很明显的瓶颈在于，当 Agent 已经越来越强，具备执行复杂任务的能力时，人工逐条发指令反而成为整个工作流中最慢的环节。

随着模型推理能力与工具调用能力的持续提升，Agent 已经能够自主完成多步骤任务，但 "谁来告诉 Agent 什么时候开始、什么时候停止、什么时候重试" 这个问题，目前还是由人来负责决策。

一、 loop 工程是咋来的

Claude Code、Codex 最新都上线了一个新功能，自动化与目标驱动机制，这个功能为 Loop 的工程化落地提供了底层支撑。

Loop Engineering 这个概念就是在这个底层能力的基础上提出的，最近在 AI 编程社区讨论度非常高。

AI 编程圈，三位关键人物都给出了近乎相同的判断：

Peter Steinberger（OpenClaw 的创造者）：你不应再直接提示编程 Agent。你应当设计让 Agent 自己跑的 Loop。

Boris Cherny（Claude Code 负责人）：我不再直接提示 Claude。我让 “loop” 跑着去提示 Claude、自己决定要做什么。我的工作是写 “loop”。

Addy Osmani（Google 工程师）：给出了最精准的定义，loop 工程就是把 "负责提示 AI 的你" 这个角色，换成一套替你做这件事的系统。

这三位大神，在同一时间窗口内给出了趋同的观点，这让咱不得不对 Loop Engineering 概念重视起来。

二、核心原理

2.1 什么是 Loop Engineering

Loop Engineering，中文译为 "循环工程"，其核心命题可以表述为：

把"负责提示 AI 的角色"，换成一套替代人执行该动作的系统。

行为层面上，工程师的工作从亲自给 AI 下达指令、检查 AI 输出、记录过程，转变为设计一套自动运转的系统，让它代替你完成这些动作。

需要特别强调的是：Loop Engineering 与 Prompt Engineering 不是替代关系，而是层次升级关系。

一个 Loop 由多个 Prompt 组成，写得差的 Prompt 放入 Loop 中，只会让糟糕的工作以更快的速度产出。

Loop Engineering 建立在 Prompt Engineering 之上，是更高层级的工程范式。

2.2 四层工程范式谱系

从工程抽象的视角审视，这套方法论可拆解为：

详解请见下表。

层级	关注焦点	核心工程问题
Prompt Engineering	提示词设计	怎么问 AI
Context Engineering	信息组织	给 AI 什么信息
Harness Engineering	能力编排	如何组织 AI 的能力
Loop Engineering	持续运行	如何让 AI 持续创造结果

四者构成清晰的层次递进结构：

Prompt 解决指令质量问题

Context 解决信息环境问题

Harness 解决能力组合问题

Loop 则在三者之上解决持续运行问题

Loop Engineering 位于这一谱系的最上层，其工程目标已从 让 AI 一次答对 升级为 让 AI 持续产出可验证的结果。

2.3 核心原理拆解：六大组件

一个可运行的 Loop 由以下六类核心组件构成，每一类对应明确的工程职责：

1. 自动化（Automations）—— Loop 的心跳

自动化机制是让循环成为 "循环" 而非 "跑过一次的脚本" 的关键。

定义一段提示、一个执行频率、一个目标，系统即可按排程运行，仅在发现关键结果时回报。这是 Loop 区别于一次性 Agent 调用的本质差异。

2. /loop 命令——周期触发

在 Claude Code 中，/loop 负责按指定周期重复执行提示与目标。

这与 "写一个 while 循环反复调用 API" 在形式上类似，但工程上的关键差异在于：循环体内部承载的是 Agent 的完整推理与工具调用能力，而非简单的代码执行。

3. /goal 命令——条件终止

/goal 让 Agent 持续工作直到用户写下的条件成真。

例如：test/auth 目录下所有测试通过且代码检查干净，此时工程师可以离开，Agent 将持续推进直至条件满足或资源耗尽。

4. Worktrees——并行工作空间

Worktree 是隔离的并行工作空间机制，允许同一代码库上同时运行多个 Loop 而互不干扰。在多目标、多任务并行的场景下，Worktree 是工程上避免上下文污染与状态冲突的基础设施。

5. Skills / MCP（Model Context Protocol）——能力与外部工具的标准接口

Skills 与 MCP 为 Agent 提供标准化的能力注册与外部工具调用通道。MCP 作为协议层抽象，使得 Loop 中的 Agent 可以一致地访问不同来源的工具与数据源。

6. Subagents / Memory——子代理调度与状态记忆

Subagents 机制允许主 Agent 派生子任务并行处理；Memory（记忆/状态机制）则承担跨周期、跨任务的状态持久化职责。两者共同支撑了 Loop 在长时间跨度下的连续性。

2.4 解决的三大核心问题

Loop Engineering 的出现，直接回应了 AI 编程实践中的三个根本性瓶颈：

问题一：从人工触发到自主运行

传统 Harness 是"人工启动的工具"——工程师在 IDE 中输入指令，Agent 执行一次后结束。Loop Engineering 的目标是将 Harness 升级为"自主运行的 Agent"——触发、执行、检查、重试、停止的完整闭环由系统自动管理。

问题二：从单次交互到持续产出

单次 Agent 调用受限于单次上下文窗口与单次推理预算。Loop 通过排程化、可条件终止的执行机制，将"一次会话"扩展为"持续运行的工作流"，使得"工程师走开也能完成"成为可工程化的目标。

问题三：从个体技巧到系统能力

Prompt Engineering 高度依赖工程师个人的措辞技巧与经验积累，能力沉淀于个体头脑中。Loop Engineering 将这些能力封装为可复用、可调度、可观测的自动化系统，使个人能力转化为系统能力。

2.5 实施约束与成本

Loop Engineering 并非"无成本升级"，其落地受三类硬性约束：

1. Token 预算约束

Loop 会反复读取上下文、重试失败步骤、探索不同路径，无论最终是否有产出均在持续消耗 token。这一特征决定了：只有单位时间产出价值显著高于 token 成本的任务，才适合封装为持续运行的 Loop。

2. Prompt 质量约束

写得差的 Prompt 放入 Loop 只会让糟糕的工作以更快速度产出。Loop 放大了 Prompt 的影响半径——单次调用中表现尚可的 Prompt，在长时间运行中可能累积出显著的偏差或成本浪费。

3. 目标定义约束

/goal 类机制的有效性高度依赖于目标的明确性与可验证性。模糊的目标（如"让代码更好"）会导致 Loop 无法终止或朝错误方向持续运行。必须为每个 Loop 设计可被自动验证的终止条件。

三、写在最后

我发现在 AI Coding 领域，大家都一直在追求如何让AI 聪明的长时间运行 + 输出高质量的结果。不管是前段的时间的 Harness Engineering（马具工程），还是近期的 Loop Engineering（循环工程），都是在寻找这个答案。

推动 AI 朝着这个方向进化我想法我认同，但我觉得依然困难重重。

就我自己近期在本地做 ai-write-flow 产品开发的过程中，深度使用 Harness Engineering 的主观感受来说，确实有效，但也带来了很大的额外开销成本。比如：

在开始代码生成前，非常耗时的前期规划和体系搭建；

对人的能力要求非常好，即便在AI的辅助下，你也需要拿出高质量的决策和规划

执行过程中必须固定检查工程提示和代码质量不漂移

其他...

瓜哥，给到大家的建议是学习这套思想，但别刻舟求剑。

Prompt Engineering（提示词工程） Context Engineering（上下文工程） Harness Engineering（马具工程） Loop Engineering（循环工程）

每一种工程都代表着适配不同的项目需求和维护复杂性，不必去追求最新最火的工程概念，而是充分理解这些概念，但充分适配你的项目才是最优解。

最后，从落地路径看，引入 Loop Engineering，我的一些建议：

优先将高频、可验证的任务封装为 Loop——避免在低频或难以验证的任务上过早投入工程化成本。

在 Loop 设计前投入足够精力打磨 Prompt 与 Context——Loop 的质量上限由其组件质量决定。

根据任务对 token 成本的敏感度选择是否启用持续运行机制——并非所有任务都值得让 Loop 持续运行。

期待你在 Loop Engineering 的实践分享~

资料来源

拆解Harness Engineering和Loop Engineering_深度学习

https://opc.csdn.net/6a2ee3f310ee7a33f27d1c2b.html

Loop Engineering 是什么？与 Prompt Engineering、Context Engineering、 Harness Engineering 的区别是？

https://cloud.tencent.com/developer/article/2689058?policyId=1004

迴圈工程(Loop Engineering)是什麼？工程師為什麼不再寫提示詞

https://www.bnext.com.tw/article/91246/loop-engineering-from-prompting-to-designing-ai-coding-loops

提示词工程已死，Loop Engineering 称王！保姆级教程+ 项目实战

https://x.com/yupi996/article/2066811881764086240

Loop Engineering（循环工程） - 菜鸟教程

https://www.runoob.com/ai-agent/loop-engineering.html

评论区

暂无公开评论

还没有公开评论。

提交反馈

图文提示词工程已死？Loop Engineering 称王：循环工程核心原理深度拆解