Harness 之后，硅谷 AI 圈又来新词了：Loop Engineering

一句话看懂：硅谷 AI 圈正在从“人写提示词操控 Agent”转向“设计一套让 Agent 自己循环工作的系统”——Loop Engineering。核心观点是：别再手动验证和写提示词了，让 Agent 自己循环完成任务，而人的工作是设计这个循环系统本身。

事件核心：发生了什么

OpenClaw 开发者 Peter Steinberger 近期带火了一个讨论：应该设计让智能体自动运行的 loop，而非手动提示编码智能体。Anthropic Claude Code 负责人 Boris Cherny 也公开表示，他已不在 Claude Code 里手动输入提示词，而是写 loops 来负责提示和决策。Google Cloud AI 总监 Addy Osmani 专门撰文拆解了 Loop Engineering 的模块构成。

一个完整的 loop 包含五个核心模块：Automations（自动触发任务）、Worktrees（并行隔离）、Skills（项目知识固化）、Plugins/Connectors（接入外部工具）、Sub-agents（生成与检查分离）。此外还需要一个外部 memory（如 Markdown 文件或看板）来记录状态。Claude Code 和 OpenAI Codex 均已内置这些能力。

为什么重要

Loop Engineering 代表了人与 AI 协作方式的范式转变：从“一轮轮对话式操控”升级为“设计自治系统”。它本质上是把 Richard Sutton“苦涩的教训”的 Agent 版本具象化——别再事事亲力亲为，把个人能力扩展为一群 Agent 的执行力。这意味着 AI 编码从“工具辅助”走向“系统编排”，人的角色从操作员变成系统架构师。

值得注意的隐患：token 成本是不可忽视的门槛，使用模式差异可能极大；代码质量把控仍是挑战，存在“代码越来越 slop”的合理担忧。

对用户/开发者/创作者的影响

对开发者：若采用 Loop Engineering，你的工作将从写提示词转为设计 loop 系统——定义目标、编排模块、设置 memory。这意味着需要掌握 git worktree、skills 编写、MCP connector 等新技能。

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。

了解 GamsGo AI

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。

对企业用户：对于有稳定编码需求的团队，Loop Engineering 可显著减少重复性 prompt 劳动，但需评估 token 成本与质量控制的平衡。Claude Code 和 Codex 已内置这些能力，选择哪个工具不再关键，关键是你设计的 loop 能否跑起来。

对创作者：若使用 AI 进行内容创作或代码生成，仍需警惕 loop 跑偏的风险——闭环系统一旦设定不当，可能持续输出低质量结果而不自知。

值得关注的后续

1. 产品层竞争：Claude Code 和 Codex 均全面内置 loop 能力，下一个比拼点可能是 memory 的持久化方案和 token 成本优化。

2. 质量保障：目前 loop 中“生成者-检查者分离”通过 sub-agent 实现，但检查模型是否足够严格、是否会出现“合谋”问题尚未有大规模验证。

3. 普及门槛：Loop Engineering 要求用户具备系统设计思维，目前仍处于早期探索阶段，短期内可能只在 AI-native 开发者和技术强团队中普及。

来源：Readhub · AI