一句话看懂：AI 圈刚刚被正式命名了第四种工程范式“Loop Engineering”，核心是让 AI 自主完成从发现任务到执行修正的完整循环。但大量分析指出，这项“新范式”本质上是用 1975 年的 cron job 和 1948 年的控制论拼装而成，唯一真正解决的是少数 AI 从业者 token 多得没处花的问题。
事件核心：发生了什么
2026 年 6 月 7 日，Google 工程师 Addy Osmani 发表系统性博客，正式命名了“Loop Engineering”。该概念由 Claude Code 创造者 Boris Cherny 在 6 月的演讲中首次公开展示，他声称自己“6 个月没打开 IDE”，依靠 AI 循环编程实现了 259 个 PR、497 次提交和 4 万行代码。随后，OpenClaw 作者 Peter Steinberger 发文推广。Loop Engineering 将传统的人工写提示词指挥 AI 的过程，升级为设计一个自动化系统，让 AI 自行驱动、评估、修正和执行，具体分为输入捕获、上下文组装、模型推理、动作执行、日志记录和记忆更新 6 个阶段。
为什么重要
这一事件折射出 AI 领域令人担忧的“范式自嗨”问题。从 Prompt Engineering 到 Context、Harness，再到 Loop，四次所谓跃迁遵循完全相同的模式：上层局限暴露后，人的工作从直接操作升级为设计操作规则，但技术底座始终是 Prompt + LLM + 工具调用。更深层的问题是，Loop 的每一项关键技术构件都不新——自动化调度来自 1975 年的 cron job，工作树隔离来自 2015 年的 git worktree，核心反馈闭环原理来自 1948 年的控制论。这并非突破性创新，而是对现有工程手段的重新打包和命名。
对用户/开发者/创作者的影响
成本失控是最直接的打击。 实测数据显示，Loop 模式的总 Token 消耗是手动 Prompt 模式的 3-8 倍，单段自动化任务的成本是人工完成同类任务的 2-4 倍。对于每个月仅花费 20 美元订阅 API 或使用 Codex 的普通开发者来说，这种“自助式自动编码”模式完全不可承担，它实际上只服务于少数拥有 Anthropic 或 OpenAI 近乎无限 token 额度的“AI 仙人”。
理解和控制能力下降。 当 Loop 一天自动产出 20 个 PR，开发者对代码库的实际理解与仓库中存在的内容之间的缺口会急剧扩大，甚至丧失对代码质量的主观判断。Addy Osmani 本人也警告，这种自动化可能导致开发者“停止拥有自己的意见”。
排查和评估异常困难。 当 Loop 在凌晨 3 点跑了 47 轮并输出垃圾代码时，当前缺乏成熟的 Loop Observability 方案，传统 APM 无法追踪动态生成的、跨多个 Agent 的非确定性链路。
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。
值得关注的后续
1. 是否有真正的工具落地： 目前 Loop Engineering 仍停留在“命名和理论”阶段，是否会有公司推出面向普通开发者的、成本可控的 Loop 脚手架或 Harness 产品，是判断其生命力的关键。
2. 评估标准的建立： 既然 Prompt Engineering 已有 benchmark 和 eval 框架，Loop Engineering 何时能出现可量化的评估标准？否则它将始终停留在少数“仙人”的炫技层面。
3. 生态分化： 值得观察的是，这一模式是否会加速“AI 玩家”与“普通开发者”之间的知识鸿沟和工具鸿沟，还是会出现更低成本的简化实现让大众也能受益。
来源：Readhub · AI
