AI编程正经历一场静默革命。从OpenAI到Anthropic，顶尖工程师们正抛弃传统提示词写作，转向更底层的Loop Engineering（循环工程）设计。这场技术范式迁移不仅将开发者生产力提升200%，更揭示了AI时代最稀缺的能力：将模糊需求转化为机器可执行的精准系统指令。本文将深度解析循环工程的四大演进阶段，及其背后暗藏的管理学本质与商业陷阱。
2026 年 6 月 7 日，奥地利程序员 Peter Steinberger 在 X 上发了两句话。大意是：别再一条一条给编码 Agent 写提示词了，去设计一个循环，让循环替你提示它。
没有配图，也没有代码链接。就这两句话，一周内有了五百多万次浏览，AI 编程圈吵成一团。有人骂他装，骂他制造焦虑；也有人承认，他说破了一件大家已经在做、但还没太愿意明说的事。
Peter 是开源项目 OpenClaw 的作者。这个项目三个月冲到十几万 star，他先后拒过一些邀约，最后还是去了 OpenAI。他代码写得很猛。越是这批人，越早开始说：别再把力气都花在手写提示词上了。
这事值得认真看。它不像一个马上会过气的新名词，更像过去四年 AI 工程一路演进后露出来的新台阶。站上去的人，往往也是工资最高、最不该闲着的那群工程师。
先把结论放出来：
过去四年，AI 工程里最值钱的能力一直在往外挪。最早拼的是“怎么跟模型说话”，后来变成“给模型看什么”，再后来变成“给模型搭什么工作环境”。现在轮到一个更外层的问题：怎样让整套系统自己转起来。
这一格有个名字：Loop Engineering，循环工程。
后面稀缺的，不会只是会写提示词的人，而是能把一句含糊的“你帮我把这个搞定”，拆成一组机器能自己判断对错的明确条件的人。
Peter 那条推能吵起来，是因为它戳到了一个正在发生、但很多人还没完全反应过来的变化。
几乎同一时期，Anthropic 负责 Claude Code 的 Boris Cherny 也讲了类似的话。他现在很少直接提示 Claude，而是写循环，让循环去提示 Claude、判断下一步做什么。他的工作变成了“写循环”。两个不同公司的人，几周内指向同一个方向，多半不是偶然。
下面几个数字，都能查证。
Boris 自己从 2025 年 11 月起，代码已经 100% 由 Claude Code 产出，他不再手敲修改，每天提交十到三十个 PR。注意，这是他个人的数据，不是整个公司的平均数。放到 Anthropic 整体，据 Fortune 报道，公司发言人的说法是，70% 到 90% 的代码由 Claude Code 辅助写成，Claude Code 团队内部大约九成。
产出变化也很明显。Anthropic 的内部数据说，今年每位工程师的代码产出涨了 200%，约等于三倍；如果按“每人每天合并的 PR 数”算，增长是 67%。当然，PR 数不是衡量生产力的好尺子，Anthropic 自己也很谨慎。但哪怕打个折，一个人能管的活儿比一年前多出一截，这件事很难忽略。
代码写得太快，瓶颈就跑到了审查上。于是他们又上了 Code Review 功能：每开一个 PR，就派一组 Agent 进去找 bug。连挑错这一步，也开始让机器自动跑。
视野再放大一点。有统计说，公开 GitHub 上大约 4% 的提交已经由 Claude Code 产出；行业里也有人预测，年底可能到五分之一。数字未必精确，方向大概率没错。
把旧工作流和新工作流摆在一起，差别很直观。
旧的：你打开对话框，敲一句需求，AI 回一段。你看一眼，不满意再敲一句。你是这个循环的发动机。循环能转几圈，全看你的手速和耐心。你一离开工位，它就停。
新的：你写一条/loop babysit all my PRs，挂上定时任务，然后去睡觉。后台几个 Agent 自己跑：构建挂了就修，有人留评论就改。你早上醒来，PR 已经提好了。这个例子来自 Boris 官方演示里的命令。/loop最长能无人值守跑三天。
发动机从“你”换成了一段一直在转的程序。
要看懂 Loop 为什么算第四次，得把前三次也放回桌面上。这四步问的是同一个问题，只是每次都往外推了一层。
ChatGPT 刚火的时候，大家都在琢磨怎么把一句话说得更漂亮。加一句“请一步步思考”，给两个例子，效果马上变好，像变魔术。
它解决的是一个很单纯的问题：怎样在一轮对话里，把一件事说清楚。
它的天花板也明显。再精妙的提示词，一旦被埋进几千字无关聊天记录里，模型照样会视而不见。提示词能管一句话，管不了一整摊信息。
于是关注点变了。问题不再是“我这句话怎么措辞”，而是“模型此刻到底需要知道哪些东西”。它要看的，是一整个信息环境：记忆、临时检索来的文档、可调用工具的说明、之前的对话历史。
Anthropic 自己写过不少相关内容。一个关键词叫 context rot，直译是“上下文腐烂”。研究发现，喂给模型的内容越长，它的准确率反而越容易下滑，哪怕任务本身并不复杂。Databricks 的研究更具体：准确率大约在 3.2 万个 token 处就开始滑坡，远没到那些号称百万级的上限。
所以这一步的手艺，是狠心做减法。每次让模型干活前，只把最该看的那部分塞进去，其余的压缩、丢弃。提示词工程在这里变成了上下文工程里的一个零件，位置没以前那么中心了。
当 Agent 要连续跑几个小时、做上百个决定时，前两步又不够了。说得清、看得全还不够，它还得守得住规矩。
这一步的源头很清楚。2026 年 2 月，HashiCorp 创始人、Terraform 共同作者 Mitchell Hashimoto 写了篇博客，说他养成了一个习惯：每次 Agent 犯错，他不手动救场，而是在 Agent 的环境里做一个永久修复，让它下次别再犯。他把这件事叫 engineering the harness。harness 是马具，也就是给马上的缰绳。
没过几周，OpenAI 和 Anthropic 相继发文展开，这个词就站住了。
后来大家把它浓缩成一个公式：Agent = Model + Harness。模型负责脑子，Harness 负责规矩、工具、校验和边界。
这件事有多重要？斯坦福和清华有个研究给过一个很吓人的数字：同一个底层模型，只因为外面的 Harness 设计不同，最终表现能差出 6 倍。同样的引擎，有的车几乎开不动，有的车接近老司机水平。LangChain 也拿过实证：一个编码 Agent，模型一个字没换，只改外面的那套东西，在 Terminal Bench 2.0 上从 52.8% 跳到 66.5%。从那以后，Harness 的价值就很难再装作看不见。Martin Fowler 还顺手给这套东西做了词汇表，把控制分成“事前引导”和“事中传感”两类，现在已经成了行业常用说法。
但 Harness 解决的是环境问题。它还没回答另一个问题：谁来一遍遍驱动这台机器转起来？
答案就是开头那两句推。
你不再亲手一轮轮戳 Agent，而是设计一个会自动戳 Agent 的系统。它更像一门设计活儿：定目标，让 Agent 自己行动、自己看结果、自己修正，再来一遍，直到达标，或者撞上你设好的停止线。
把四步连起来看，暗线很清楚：
语言学、信息科学、控制论、管理学，这些老学科被 AI 一步步请了回来。最值钱的支点也一格一格从“裸模型调用”挪到了离模型更远的地方。
落到实处，一个能用的循环由几块看得见的零件搭起来。在 Google 做开发者关系的 Addy Osmani 写过一篇长文，把它拆成五块。
第一块，自动触发。循环得有心跳。可以是/loop这样的定时命令，可以是 cron 定时任务，也可以是某个事件自动钩起来，比如有人开了一个 PR。没有心跳，它就转不起来。
第二块，工作树隔离（worktree）。让每个 Agent 在各自独立的分支上干活，互不踩脚。这里有个反常识点：真正卡住并行能力的，往往是审查带宽。你能开几个 Agent 不稀奇，你能审几个，才决定上限。
第三块，项目的“随身知识”。把项目规矩、踩过的坑、目录结构，写进 Skills、CLAUDE.md、记忆文件或文档里。这里的原则就一句：写一次，每次都读。Agent 每开一轮就会失忆，你不写下来，它每次都从零开始猜。
第四块，连接器（MCP）。把 Agent 接到你真实使用的工具上：GitHub、Linear、Slack、Sentry。这样它能跑通一条完整链路：发现报错，改掉它，开 PR，关联工单，再到群里通知一声。这里每一步都是真动作，不是演示。
第五块，分工的子 Agent。让干活的和检查的分开：一个负责写，一个专门挑刺。工程上常叫评估者—优化者模式。好处很朴素：检查的那个不会替干活的那个打掩护。
零件齐了，也别急着一步到位。最小可用的循环只需要四样：一个触发、一个写好的指令、一个状态文件、一道验证门。顺序也别反：手动把这件事完整跑通一遍，整理成可复用的指令，包进循环，最后再配定时。
这套东西里，最容易被忽略、也最像脊梁的，是那个状态文件，常见名字是 STATE.md。道理朴素到有点好笑：AI 每跑一轮都会忘，状态文件不会忘。它记着现在干到哪了、上次为什么失败、下一步该试什么。一个循环能不能熬过几十轮不跑偏，很大程度上就看这张纸写得怎么样。
会写脚本、会配 hook，不是这件事里最稀缺的能力。最重要的是把目标定清楚。
举个最直观的对比。你对 Agent 说“把这个应用优化一下”，和你对它说“让所有测试和登录流程全部通过、TypeScript 编译零报错、代码检查零违规”，这两句话喂进同一个循环，跑出来会是两个世界。
前一句里，“优化”可以有一万种解释。Agent 会拿着其中一种理解自由发挥。后一句给了它一把尺子，它知道什么叫做完。
这不是新东西。管理学早就讲过。彼得·德鲁克的目标管理，安迪·格鲁夫在英特尔推的 OKR，内核都是同一件事：把一个人脑子里的模糊意图，翻译成别人能衡量、能验证的明确目标。
带过团队的人都懂，好的管理无非三件事：目标清楚、资源管够、反馈及时。回头看一个好循环，也一样需要这三件事：明确的完成标准，足够的工具和 token，一道能立刻告诉它对错的验证门。
区别在于，管 Agent 比管人更极端。人卡住时，可能会回来问你：“老板，这个我没太懂。”Agent 通常不会。它会带着对你那句模糊指令的某种理解，一头扎进去，跑出一堆你根本没想要的东西，而且跑得很快。你在目标里漏掉的每个边界，它都会忠实地、加速地暴露出来。
所以那些曾经被嘲笑“没用”的文科能力，比如把话说精确、把意图拆清楚、判断什么重要什么不重要，在这个阶段反而更值钱了。
动手之前，先泼几盆冷水。
第一个坑，古德哈特定律。这条定律说：当一个指标变成目标，它就不再是个好指标。放到这里就是，你给 Agent 设了“所有测试必须通过”，它可能不会老老实实修代码，而是发现把失败的测试删掉也能让指标变绿。它优化的是那把尺子，不一定是你想要的结果。
破解办法，还是要把 Harness 拉回来。目标里不能只有“要达到什么”，还要写清楚“不许怎么做”。护栏在循环里的位置，就在这里。
第二件事，先问自己配不配上车。一个循环要真的省钱，得同时满足四个条件。缺一个，成本就很容易大过收益：
照这四条看，有几类人现在不适合急着上：用消费版工具的独立开发者；项目本身无法自动验证对错的人；瓶颈卡在审查而不是产出的团队。产出再快，审不过来，循环只会把堵点堆得更高。
第三，几种典型翻车姿势，名字可以先记一下：
烧钱也不是吓唬人。计量收费成了主流之后，受冲击最大的，恰好是最早拥抱 Agent 工作流的那批开发者。厂商鼓励你两年“让 Agent 放开跑”，账单也跟着放开跑。有据可查的案例里，一段三小时的 Claude Opus 高强度会话，花掉过 151 美元。一个没设预算上限、又在空转的循环，能烧多快，不难想。
这四次跃迁，讲的是同一个故事：
人一直在练一件事：把“我想要什么”说得越来越精确。一开始是说给一个模型听，现在是说给一整套能自动运转的系统听。对象升级了，这件本事的内核没变，而且会越来越值钱。
“AI 来了，文科就没用了”这句话，方向说反了。当机器能自己执行时，把意图说清楚、把目标定明白、把边界划干净，这些来自管理学、心理学和表达力的活儿，反而成了你和机器之间最后一道硬门槛。
只讲道理不够，给一套能上手的路径。不需要你是工程师，产品、运营、做内容的人，也可以用它重新看自己的工作。
第一步，找任务，别找循环。别一上来就想搭系统。先在日常工作里找一件事，它同时满足两个条件：重复做过三次以上，而且结果能客观判断对错。找不到这样的事，就还没到上循环的时候。
第二步，自己先把它跑通一遍。用手从头到尾做一次，把每一步、每个判断都记下来。你自己都说不清的流程，别指望机器替你想清楚。
第三步，把“做完了”写成一把尺子。这是最难、也最值钱的一步。把“做得好”这种模糊话，改成机器能逐条检查的条件。写不出可验证标准，通常说明你自己还没想清楚。
第四步，把指令整理成能复用的一块。别每次重新打一长串话。把它写成固定指令、Skill 或文档。写一次，以后每次都调用。
第五步，给它配一道会说“不”的关。一个测试、一次检查、一道人工审核门都行。没有任何东西能反驳它的循环，等于让 Agent 自己给自己打分，迟早出事。
第六步，最后才挂定时，小预算试跑。一开始给小额度，盯紧两个数：烧了多少 token，错误率多高。确认它真在干正事，再慢慢放权。
没有哪一级天然高人一等。但记住一条：
一件事你重复做了三次，就该停下来想想，它能不能自动化。
本文由 @枝酒 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自 Unsplash，基于CC0协议
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。