这些天,硅谷最热的词,就是Loop!老黄、Karpathy、吴恩达、Anthropic工程师、龙虾之父都在纷纷告诉你,Prompt已死,必将被Loop取代。
吴恩达断言:3到6个月后,prompt将消亡!Loop取代prompt,已成定局。
OpenClaw之父Peter Steinberger直言:每月一提醒,别再手写提示词了,设计循环才是王道。
而现在,我们正迈向这样一个阶段:由智能体来提示其他智能体,再由后者生成代码。
从源代码到智能体这一步虽然很大,但引入循环机制的意义和影响,丝毫不亚于前一步。
每一步都依赖人类注意力、上下文记忆和决策带宽。一个人一天能有效驱动的token量和任务复杂度是有限的。
之后, AI循环系统可以自主发现任务 → 执行 → 验证 → 持久化 → 再次发现,24/7 运行,人类只在必要时介入。
最近几天,X上开始疯转这样一份关于Loop Engineering的白皮书。
这个11页PDF,本质上是一份流行总结/现场指南,汇集了相关公开讨论和实践经验。
它是提示词工程、上下文工程、工具链工程之上的第四层:前三层都假设你坐在键盘前逐行指挥 AI;Loop Engineering 要把你从这个位置上移走,彻底将你从干活的位置上解放出来。
系统将在设定好的时间自动唤醒、衍生子智能体进行工作,并将输出结果反馈给自身作为下一轮的输入。
发现:AI利用固化的技能库自己去寻找有价值的工作,比如读取最新的CI失败记录或未解决的Issue。
验证:这是最核心的一步。让写代码的AI给自己打分,它只会盲目自我赞美。因此,必须引入一个完全独立的、默认持怀疑态度的「评估者」智能体来挑错。
持久化:AI的记忆不能只停留在随时会被清空的上下文窗口中,必须将其状态和进度固化到磁盘上,以便第二天能接着干。
让 AI 自己给自己打分,它几乎总会夸自己,因为它脑子里装着自我说服链条。而解法,就是引入一个独立的评估 Agent,默认假设代码是坏的。
然而,系统全自动运行并不意味着你可以高枕无忧。作者警告:当循环在深夜狂奔时,可能会悄悄积累四大隐性成本。
同一个Loop,两个人来建,可能会得出截然相反的结果。带进去判断力,就放大判断力;带进去懒惰,就放大懒惰。
总之, 这篇报告揭示了一个深刻的行业变化:循环工程让代码的生成几乎免费,而人类的判断力,则成了唯一的稀缺资源!
另外,同时全网疯转的还有Codez发出的一份14步的实操手册,目前已经有百万转发。
文章大意如下:Prompt已经过时了,杠杆点已经上移了一层——从「写给AI看的话」,变成「设计一套自动喂给AI的系统」。
先判断你是否真的需要一个循环(任务是否重复?验证是否可以自动化?预算能否承受?),再学会五个构件(调度、隔离工作目录、技能文件、外部连接器、独立评估子 Agent),最后搭出最小可用的循环。
其中最关键的一点是:让写代码的 Agent 和审代码的 Agent 分开。同一个模型既当运动员又当裁判,结果永远是给自己打满分。
没有客观验证门控的循环只是「两个乐观主义者互相点头」,跑得越好的循环,越容易让工程师停止真正理解代码。
2026 年 6 月初,Peter Steinberger发声:你不应该再手动提示编码智能体,而应该设计提示它们的循环。
随后,在整个6月,Loop Engineering开始在全网病毒式传播。
当你点击运行,让 Claude 执行 8 小时,你其实是在进行一场 500 美元的算力豪赌。
正如OpenAI研究员Noam Brown本月早些时候指出的,当代模型只要你肯砸足够的算力,几乎能解决任何问题。
至少去年夏天,澳大利亚放羊大叔Geoffrey Huntley就在博客里提过类似做法,他管这叫「Ralph循环」。
一年前,如果你想实现一个循环,你得写一堆 bash 脚本,然后永远维护那堆代码,它只属于你一个人。
你就不会再争论该用Codex或Claude Code,而是直接设计无论你身处哪个工具都能正常运行的循环。
原谷歌工程与开发者关系负责人Addy Osmani指出,循环工程需要的各个部分,这些AI工具都已具备。
这也正是橙皮书中所说的,Addy Osmani鼓励大家带着判断力去设计循环:
设计循环,若带着判断力去做便是解药,若为了逃避思考而做则是催化剂——同样的动作,截然相反的结果。
在四月的AI工程师大会上,Anthropic的工程师说,他们让Claude开发复古小游戏的App,分别用了两种方式:一种是只用极简的提示词,另一种是用智能体循环。
结果对比很鲜明: 极简提示词那版花了20分钟、耗费9美元就搞定了;而循环方式花了6小时、耗费200美元。
前者游戏跑不起来,App很简陋;而循环版则丰富得多,包含了游戏设计师想要的很多功能。
循环不会怜悯放弃思考的人。它只会用更快的速度,把你的无知变成代码里的债务。
而那些愿意继续保持笨拙理解、持续定义规则、并为最终结果负责的人,将在这一次范式迁移中,获得比以往更大的杠杆。