一句话看懂：英伟达CEO黄仁勋在近期公开言论中提出，AI开发的核心正从写Prompt转向设计“Loop”（循环系统）。包括Peter（龙虾之父）、Boris Cherny（Claude Code之父）、吴恩达在内的一众AI领军人物也在同步推动这一概念，标志着人机协作从“指令式”向“系统化自运行”的范式迁移。
事件核心：发生了什么
黄仁勋在最近的发言中明确表示：“现在根本没有人写Prompt了，新时代的核心工作是编写和管理Loop。” 所谓Loop，是指开发者不再逐条给AI下指令，而是设计一套自动化循环系统：系统自行解析目标、执行任务、验收结果，不通过时自动迭代重试，直到任务完成或达到预算上限。目前已形成两大产品落地格局：Claude Code围绕Loop内置了/loop（定时循环）、/goal（目标驱动）、/schedule（云端定时任务）三件套，核心在于让写代码的大模型与独立验收的小模型Haiku分离，避免“自己判自己卷子”；OpenAI Codex则采用“自动化流水线+多子Agent”架构，最高支持8个Agent在独立云端沙箱并行运行。两套方案在公开评测与社区口碑中表现高度接近，表明模型本身能力差异已不大，上层Loop编排才是决定最终效果的关键。
为什么重要
这一概念的兴起反映了AI行业的根本性转折：2023-2024年以“Prompt Engineering”为主，人的作用是写好提示词；2024-2025年转向“Context Engineering”，焦点变为提供完整上下文；2025-2026年进入“Harness Engineering”，核心是为AI搭建可调用工具和API的运行环境；而现在，“Loop Engineering”则定义了解放人类注意力、让AI系统在闭环中持续自我推进的新规则。从学术渊源看，腾讯AI研究员姚顺雨2022年提出的ReAct框架（Reason+Act），将推理与行动绑定成循环，可视为Loop理念的早期系统化表达，此后Reflexion、Tree of Thoughts等工作逐步完善了“规划+执行+反馈”的链路。从工业界看，Boris Cherny已自述删除IDE几个月，其所有代码均通过Claude Code在手机端完成：手下数百个小Agent分别扫GitHub issue、读Slack反馈、监控CI失败，搞不定的任务进入其收件箱等待人工判断。这意味着，Loop不仅是概念创新，而是已经在最一线的开发者中真实落地。
对用户/开发者/创作者的影响
对开发者：角色从“写代码的人”转变为“设计规则和循环的人”。实践上，建议从最小可行Loop起步：先做“4条件测试”（任务是否重复、有无自动验收手段、Token预算是否承担得起、Agent是否具备高级工程师工具），通过后建立触发器、技能上下文、状态文件（如STATE.md）和门禁四个组件，并按“先手动跑通→写成技能→包进Loop→最后上定时”的顺序推进。写代码与验收必须用不同模型或子Agent分离，避免模型自我评分过松。对企业采购与AI团队：衡量Loop效用的核心指标是“每个被接受的改动平均成本”，若被接受率低于50%，说明Loop正在亏钱，人做的评审工作本该由循环自动完成。目前公开信息显示，Loop适合处理Lint自动修复、依赖更新PR、CI失败分类、Flaky测试复现等“对错清晰、机器可验证”的活，而架构重写、鉴权代码、支付逻辑、产品方向决策等需要判断力的任务目前仍不应交给Loop。
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. 产品落地验证：Claude Code与OpenAI Codex的Loop能力是否会在更复杂的企业开发场景中带来效率量级提升，以及二者的编排层能力是否会成为API定价的差异化因素。2. 成本与风险控制：目前Loop的Token成本需高度谨慎，卡帕西在红杉AI Ascent 2026大会上曾引述“你可以外包你的思考，但你没法外包你的理解”——当Loop跑出的代码越来越快，开发者对代码库的“理解力债务”积累可能成为长尾隐患。3. 开源生态跟进：是否有新的开源框架围绕Loop范式设计（如更完善的自动验收、状态持久化、硬停止条件），从而降低中小团队接入门槛。
来源：36氪 · 24小时热榜
