一句话看懂：AI 开发的重心正从“给智能体写好提示词”转向“设计一个让智能体自己写提示词并持续运行的循环系统”。Claude Code 社区已把它命名为“循环工程”，并出现了一批能通宵产出改进成果的真实案例。
事件核心：发生了什么
所谓“循环工程”，指的是由开发者搭建一套自动化流程：用触发器启动任务，在隔离环境中让智能体反复执行实验，再由第二个智能体以客观标准拒绝不合格结果，最后把过程记录到磁盘，次日从上次位置继续。这套体系最早被广泛注意到，是因为 2026 年 3 月 Andrej Karpathy 向 GitHub 推送了三个文件、约 630 行代码：一个文件负责生成实验，一个负责评分，一个规定可修改的目标。两天内，系统自动完成了大约 700 次实验，找出了 20 项针对模型本身的改进，其中包含一个注意力路径中缺失的标量——一个人类工程师二十年没发现的错误。
随后，Shopify 的 CEO 也在内部模型上运行了类似夜间流程，公开称模型质量提升 19%，而模型规模只有原先的一半。2026 年 6 月，OpenClaw 作者 Peter Steinberger 发帖建议人们设计“为智能体写提示词的循环”，该帖浏览量超过 800 万；同一时期，Claude Code 团队负责人 Boris Cherny 表示，他的工作已经变成编写循环来提示 Claude，并让它自己决定下一步。6 月 7 日，Google Chrome 团队工程师 Addy Osmani 将这套方法论完整整理并正式命名为“循环工程”。
为什么重要
这标志着大模型应用的控制点发生了转移：过去核心竞争力是“提示词写得好不好”，现在则变成“评价机制和回滚规则设计得好不好”。循环让智能体可以连续成百上千次试错，而人只需要在关键闸门处做判断。对模型训练和微调团队来说，这意味着大量原本依赖人工的消融实验、超参数搜索和代码修复可以自动化；对使用 Claude、GPT 等闭源或开源模型的开发者而言，循环工程提供了一种用固定算力预算换取持续改进的思路——虽然词元成本更难预测，但产出密度远高于坐在终端前逐次手动提问。
对用户/开发者/创作者的影响
对普通用户，订阅里的模型能力可能只发挥了很小一部分，夜间的自动循环可以把“一次性问答”变成“过夜作业”。对开发者，需要尽快补齐三块技能：设计可客观验证的评分器、编写状态文件让任务可断点续跑、设置安全的隔离沙箱防止智能体乱改代码。对内容创作者，循环同样适用于批量生成素材后自动筛选，只是要额外注意“客观标准”如何定义——审美判断仍然是人类闸门。目前公开信息显示，这套方法更适合任务每周重复、结果可自动检查的团队；否则，搭建循环的审查成本可能高于手工操作。
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
接下来可以观察三点：第一，Claude Code 官方是否会像支持普通提示词一样，为循环工程提供内置模板或调度 API；第二，这种夜间自动实验模式是否会从个人开发者扩散到中小型 AI 公司，进而改变微调和评测服务的定价方式；第三，当“智能体给自己写提示词”成为常态，平台方是否会增加更细粒度的权限控制、成本上限和审计日志，防止失控循环产生天价词元账单。
