一句话看懂：黄仁勋、吴恩达、Karpathy等AI领军人物公开表态，提示词工程（Prompt Engineering）正在被“循环工程”（Loop Engineering）取代。核心变化是：开发者不再手动写提示词，而是设计一套让AI自主发现、执行、验证任务的循环系统。这项转变被Anthropic内部80%以上的工程师采用，并迅速在硅谷形成共识。
事件核心：发生了什么
近期，硅谷AI社区密集讨论“Loop Engineering”。2026年6月，Google Chrome工程师Addy Osmani正式将该方法命名为Loop Engineering，并定义它为提示词工程、上下文工程、工具链工程之上的第四层。核心思想由Peter Steinberger、Boris Cherny等人公开提出：开发者应设计一套自动循环系统，让AI自主完成“发现任务→执行→验证→持久化→调度”五个步骤，人类只在关键决策点介入。
Karpathy此前在AutoResearch项目中已展示类似闭环（generation → execution → evaluation → improve）。吴恩达在公开场合推断，3到6个月后传统prompt将被淘汰。Anthropic内部播客透露，工程师角色正进化为“算力分配师”，不再专注于编写具体提示词。
为什么重要
循环工程将人类从“逐行指挥AI”的重复劳动中解放，转向更高价值的系统设计。传统prompting依赖人类注意力带宽和决策频率——人每天能处理的token量有限。而Loops使AI系统可以7×24小时自主运转，人类只需定义目标、验证机制、持久化存储和调度规则。
这一变化直接改变AI应用的效率与成本结构：一个用极简prompt开发的小游戏，20分钟、9美元完成但质量粗糙；用循环方式则需要6小时、耗费200美元，但产出质量高出一大截。循环工程实际上放大了“测试时计算”趋势——模型能力受算力投入影响极大，而循环机制能更高效地分配这些算力。
此外，循环工程可能导致“认知投降”风险：当系统全自动运转时，人类容易停止深入理解代码库，加速技术债积累。Addy Osmani明确警告，同样的循环，带进判断力就放大判断力，带进懒惰就放大懒惰。
对用户/开发者/创作者的影响
开发者：日常工作将转向设计循环结构，而非写具体提示词。需要掌握调度（自动化唤醒）、验证（独立评估Agent）、持久化（外部状态存储）、隔离（沙盒子智能体）四个核心构件。必须警惕验证债务——让AI自我评分会导致虚假自信，必须引入默认持怀疑态度的“评估者”Agent。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
企业采购：评估AI工具时，应关注其是否原生支持循环能力（如调度、沙盒、外部连接器），而非仅看提示词友好度。循环运行可能显著提升算力消耗，预算管理需纳入考虑。
创作者/内容团队：目前循环工程主要针对代码生成任务，但其理念可能迁移到内容创作——设计一个自动搜集、生成、评估、迭代的创作循环。人类将更多扮演“架构师”而非“执行者”。
值得关注的后续
- 产品落地速度：Anthropic内部播客透露，3到6个月内工程师可能100%转向循环模式。Claude Code、Codex等产品是否会内置Loop组件，值得跟踪。
- Token成本控制：循环工程可能大幅增加算力消耗（8小时循环代表500美元以上的计算成本），企业需要评估ROI。
- 开源生态响应：Codez等社区已发布14步实操手册，百万转发。开源工具是否会快速跟进循环工程的标准接口和最佳实践，将决定该范式扩散速度。
- 监管与安全：全自动循环可能产生未经验证的代码被合并入库的风险，企业必须建立独立审计机制，避免“认知投降”。
来源：36氪 · 24小时热榜
