Loop Engineering 深度综述：从手动 Prompt 到自主循环的工程范式迁移

2026-06-14

Loop Engineering 深度综述：从手动 Prompt 到自主循环的工程范式迁移

“你不应该再手动 prompt coding agent 了。你应该设计 loop 来 prompt 你的 agent。”
— Peter Steinberger

“我不再 prompt Claude 了。我写 loop 让它们运行，loop 去 prompt Claude 并决定下一步做什么。我的工作是写 loop。”
— Boris Cherny, Claude Code 负责人

2026 年 6 月，”Loop Engineering”在 AI 工程社区爆发式传播。这不是又一个炒作概念——它精确地描述了一个正在发生的范式迁移：人从 Agent 循环的内部走向外部，从执行者变成设计者。

本文综合 LoopEngineer.ai、Addy Osmani、Boris Cherny、Ben’s Bites 等多方信息源，结合 Anthropic 最新披露的内部数据，从概念、架构、实现、趋势四个层面深度综述 Loop Engineering。

一、定义：什么是 Loop Engineering？

1.1 核心定义

Loop Engineering 是构建驱动 AI Agent 的系统，而不是构建单个 prompt。

传统模式：人 → 写 prompt → Agent 输出 → 人读结果 → 人写新 prompt → …
Loop 模式：人 → 设计 loop → loop 自动 prompt Agent → loop 读输出 → loop 判断是否完成 → loop 自动重 prompt 或终止

一句话：Loop = Cron + 决策器。模型变成子程序，人变成 loop 的作者。

1.2 与相关概念的关系

Loop Engineering 不是凭空出现的，它处于一个清晰的概念层级中：

Prompt Engineering     →  怎么跟模型说话
Harness Engineering    →  怎么给模型造运行环境
Loop Engineering       →  怎么让运行环境自己跑起来
Factory Model          →  怎么让多个 loop 协同产出软件

Addy Osmani 的精确定位：Loop Engineering sits one floor above the harness. The harness runs on a timer, it spawns little helpers, and it feeds itself.

Harness 是静态的基础设施，Loop 是动态的编排层。Harness 解决”Agent 能不能跑”，Loop 解决”Agent 跑不跑、怎么跑、跑到什么时候停”。

二、演进史：从 ReAct 到多 Agent 编排

阶段	时间	核心思想	局限性
ReAct	2022	推理+行动交替进行	单步推理，无自主循环
AutoGPT	2023	全自主 Agent，设定目标后自动执行	容易失控，缺乏有效终止条件
Ralph Loop	2025	引入结构化循环验证	仍需人工介入验证
/goal 和 /loop	2026	声明式目标 + 自动循环	需要精心设计目标描述
多 Agent 编排	2026	多个 Agent 协同完成复杂任务	编排复杂度指数级增长

这个演进路径的核心趋势：**从”人驱动 Agent”到”人设计 Agent 驱动系统”**。

AutoGPT 是第一个”让 Agent 自主循环”的尝试，但它的失败恰好定义了 Loop Engineering 需要解决的核心问题——没有终止条件的自主循环就是灾难。

三、架构：Loop 的六个原语

Addy Osmani 在其深度文章中总结了 Loop 的五个原语加一个持久状态。这个框架同时映射到 Codex 和 Claude Code 两大产品，说明它不是工具特定的，而是 loop 本身的结构。

3.1 六原语总览

原语	Loop 中的角色	Codex 实现	Claude Code 实现
Automations	定时发现与分诊	Automations tab + /goal	/loop + /goal + hooks + GitHub Actions
Worktrees	并行隔离	内置 worktree per thread	git worktree + –worktree + isolation: worktree
Skills	固化项目知识	SKILL.md, $name 调用	SKILL.md, 隐式匹配
Connectors	连接外部工具	MCP Connectors + Plugins	MCP servers + Plugins
Sub-agents	制作与审查分离	.codex/agents/ TOML	.claude/agents/ + agent teams
State	跨会话记忆	Markdown / Linear	AGENTS.md / progress files / Linear

3.2 Automations：Loop 的心跳

Automations 是 loop 之所以叫 loop 的原因——不是跑一次就结束，而是持续运行、持续发现。

Codex：Automations tab，选项目、prompt、频率、环境，发现的问题进 Triage inbox，没发现的自动归档
Claude Code：/loop 按频率重跑，/goal 跑到条件满足为止，hooks 在生命周期特定节点触发，GitHub Actions 让 loop 在关机后继续跑

/goal 是最重要的原语：给定一个可验证的终止条件（如”test/auth 全通过且 lint clean”），Agent 持续工作直到满足。关键的架构决策：判断是否完成的不是干活的模型，而是另一个独立的小模型——制造者不批改自己的作业。

3.3 Worktrees：并行不冲突

两个 Agent 同时写同一个文件 = 两个工程师同时改同一行代码 = 灾难。Git worktree 让每个 Agent 有独立的 checkout，物理上不可能互相覆盖。

但 Addy Osmani 指出了一个更深层的限制：worktrees 解决了机械冲突，但你的 review 带宽才是真正的上限。不是工具决定你能跑多少并行 Agent，而是你能审核多少。

3.4 Skills：意图的固化

Skill 的本质不是”教 Agent 做事”，而是把意图固化到磁盘上。

Agent 每次启动都是失忆的。没有 skill，loop 每个循环都从零推导你的项目约定；有 skill，意图被写在外面，agent 每次运行都读取。”我们不用这种方式是因为那次事故”——这种隐性知识只有 skill 能传递。

Skill 是 authoring format，Plugin 是分发 format。 这两个概念要分开：你写 skill 描述怎么做，你包成 plugin 给别人用。

3.5 Connectors：Loop 触达真实世界

只能看文件系统的 loop 是微小的 loop。MCP 连接器让 Agent 读 issue tracker、查数据库、调 staging API、发 Slack 消息。

区别在于：没有 connector 的 Agent 说”这是修复方案”；有 connector 的 loop 自己开 PR、关联 Linear ticket、CI 绿了后 ping 频道。

3.6 Sub-agents：制造者与审查者分离

Loop 运行时你不在旁边看着——所以你信任的验证器是唯一让你敢走开的东西。

最有效的结构：一个 Agent 写代码，一个不同指令（甚至不同模型）的 Agent 审查。写代码的模型对自己太客气了，第二双眼睛能抓住第一个说服自己的东西。

代价：sub-agent 烧更多 token。花在值得第二意见的地方。

3.7 State：Agent 忘记，仓库不忘记

第六个原语，看似最简单，实则最关键：模型在两次运行之间忘记一切，所以记忆必须在磁盘上，不在上下文里。

一个 markdown 文件、一个 Linear board、任何存在于单次对话之外的东西。听起来太简单以至于不重要——但 Addy Osmani 反复强调：This is the same trick every long-running agent depends on.

四、AI 辅助工作的三个高度

Boris Cherny 提出的”阶梯”模型：

高度 1：带自动补全的手写代码

人写代码，模型建议补全。最快写简单代码的方式，但人仍在 loop 内。

高度 2：并行运行多个 Agent 会话

启动多个 Agent 探索不同方案，人决定推进哪个。人仍在做决策和指挥。

高度 3：编写 Loop 来替你 Prompt Agent

人写决策器，loop 和模型自主运行。人只在 loop 卡住或需要优化时介入。

核心洞察：每上升一个高度，人的角色从执行者变成设计者。

Boris Cherny 的数据点：最近 30 天，100% 对 Claude Code 的贡献（259 个 PR）都是由 Claude Code 自己写的。他的工作不再是写代码，而是设计让 Claude Code 写代码的 loop。

五、真实数据：Anthropic 内部的证据

Anthropic 在 2026 年 6 月发布的《When AI builds itself》提供了 Loop Engineering 的真实生产力数据：

指标	数值
Claude 写的代码占合并总量	>80% (2026年5月)
工程师日均代码合并量	比 2024 年增长 8x
开放式任务成功率	76% (2026年5月，半年前 26%)
Claude 自主优化训练代码加速	从 3x (2025年5月) 到 52x (2026年4月)

两个拐点：

2025年初：Claude 从”建议代码”变成”自己跑代码”——代码量开始攀升
2026年初：模型开始长时间自主工作——斜率再次陡增

这些数据印证了 Loop Engineering 的核心假设：当 Agent 可以在 loop 中自主运行时，人的产出不取决于写代码的速度，而取决于设计 loop 的质量。

六、一个真实 Loop 的形状

综合 Addy Osmani 的描述，一个典型的 loop 长这样：

1. Automation 每天早上在 repo 上运行
   → 调用 $triage skill，扫描新 issue 和 CI 失败
   → 结果写入 progress.md（State）

2. Loop 读取 progress.md，找到最高优先级任务
   → 派出 sub-agent A（实现者，用 fast model）
   → 在独立 worktree 中工作
   → 完成后派 sub-agent B（审查者，用 strong model）
   → 审查通过 → 开 PR + 关联 Linear ticket（Connector）
   → 审查不通过 → 反馈写回 progress.md，A 重新尝试

3. /goal 判断："所有 P0 issue 已关闭且 CI green"
   → 满足 → loop 终止，通知人
   → 超过迭代上限 → 终止，升级给人

4. 预算控制：max 15 iterations / $5 / 300s

人介入的时机：loop 卡住、需要方向调整、审查最终结果。

七、挑战与风险

7.1 Token 成本

Ben’s Bites 的提醒很直接：usage patterns can vary wildly if you are token rich or poor。一个设计不当的 loop 可以在几小时内烧掉数十美元。预算上限不是可选项，是前提。

7.2 质量保证

Anthropic 内部数据：Claude 写的代码在 2025 年底仍比人差，2026 年中大致持平，预计年底超越人类。但”能跑”和”可维护”是两件事——模型写的代码越多，审查负担越重。Mikhail Parakhin（前微软）的观察：”模型写更好的代码，但我们用它们写更多代码——不是更好的代码。”

7.3 可调试性

当 loop 出错时，”为什么做了这个决策”是最难回答的问题。需要：

每个 iteration 的完整日志
决策树追踪
人可读的 state 变更记录

7.4 编排税

Addy Osmani 提出的概念：你的 review 带宽是并行度的真正上限。5 个并行 Agent 听起来很酷，但如果你每小时只能认真审查 1 个 PR，其他 4 个就是在浪费 token。

7.5 失控风险

AutoGPT 的教训：没有终止条件的自主 loop 是灾难。Loop Engineering 的第一条规则——设计清晰终止行为——正是从 AutoGPT 的失败中学到的。

八、Loop Engineering 的行业生态

8.1 人才市场

LoopEngineer.ai：专门为 Loop Engineer 匹配工作的平台，审核制，invite-only
薪资范围：$150k-$300k+/年，与资深 AI 工程师角色相当
需求增长：2026 年 AI 工程领域增长最快的角色

8.2 框架与工具

工具	Loop Engineering 支持
Claude Code	/goal, /loop, hooks, sub-agents, skills, worktree
Codex App	Automations, /goal, sub-agents, skills, worktree
Cursor	Agent 模式自动循环
OpenClaw	Skills 系统、心跳机制、子 Agent 编排
LangGraph	状态图驱动的 Agent 循环
CrewAI	多 Agent 协作 + 任务循环
AutoGen	多 Agent 对话循环

8.3 Skills 生态

skills.sh（Vercel）：600k+ skills 的 API，可查询和集成
Codex Skills：TOML 定义的 skill 格式，可打包为 plugin 分发
Claude Code Skills：SKILL.md 格式，隐式匹配 + 显式调用
Firecrawl Workflows：可安装的 web 任务 skill（深度研究、SEO 审计等）
Colab CLI + Skills：Google Colab 的 skill 体系，支持 GPU/TPU 按需调用

九、如何成为 Loop Engineer

9.1 思维转变

从	到
我写代码	我设计写代码的系统
我 prompt Agent	我设计 prompt Agent 的 loop
我验证结果	我设计验证结果的机制
我在循环里	我在循环外

9.2 技能栈

编程基础：Python/TypeScript（loop 本身就是程序）
系统设计：分布式系统、状态管理、故障恢复
LLM 理解：能力边界、失效模式、token 经济学
评估设计：量化 Agent 输出质量的评估体系
编排能力：多 Agent 协同、任务分解、依赖管理
Skills 设计：把隐性知识编码为可复用的 SKILL.md

9.3 入门路径

从简单 loop 开始：自动修复 lint 错误的 loop
加入验证、终止条件、预算控制
尝试 sub-agent 编排：一个写，一个审
构建可复用 skill 库
设计完整的自主工作流

十、趋势判断

10.1 Loop 会成为默认开发模式

当 Codex 和 Claude Code 都内置了 /goal、/loop、automations，当 Boris Cherny 100% 的 PR 都由 Agent 写，Loop Engineering 不是一种选择，而是默认模式的迁移。就像 Git 取代 SVN 不是因为 SVN 不能用，而是因为并行工作流成为默认需求。

10.2 人从”写代码”变成”写写代码的系统”

这不是消亡，是升级。问题空间变大了，技能天花板更高了。但门槛也更高了——不是所有人都能完成这个跃迁。

10.3 递归自我改进的阴影

Anthropic 的数据已经展示了递归自我改进的雏形：Claude 正在帮助训练下一个 Claude。当 loop 足够成熟，Agent 可以自主设计、实现、验证、部署下一个 Agent 时，我们就站在了递归自我改进的门槛上。Anthropic 专门撰文讨论了这个可能性及其风险——这是 Loop Engineering 最深远的影响，也是最需要提前思考的。

10.4 Review 带宽是新瓶颈

写代码不再是瓶颈，审查代码才是。当 Agent 每天产出 8x 的代码量，人的审查能力没有 8x 增长。编排税（Orchestration Tax） 将成为 Loop Engineering 最核心的工程挑战。

总结

Loop Engineering 是 2026 年 AI 工程领域最真实的范式迁移。它不是 prompt engineering 的进化版，而是工作方式的根本转变：

Loop = Cron + 决策器，模型是子程序
六个原语：Automations、Worktrees、Skills、Connectors、Sub-agents、State
三个高度：手写补全 → 并行 Agent → 自主 Loop
核心能力：终止设计、自验证、预算控制、可复用 Skills
真实数据：Anthropic 内部 80%+ 代码由 Claude 编写，8x 产出增长
最大风险：token 成本失控、审查带宽不足、递归自我改进
核心判断：Review 带宽是新瓶颈，编排税是核心挑战

Loop Engineering 回答了一个问题：当 Agent 足够聪明时，人做什么？ 答案是：人设计让 Agent 自主运行的系统，然后只在系统卡住时介入。你不是司机了，你是调度中心。

参考资料：

LoopEngineer.ai — Loop Engineer 定义与招聘平台
Addy Osmani: Loop Engineering — 六原语框架与 Codex/Claude Code 映射
Anthropic Institute: When AI builds itself — Anthropic 内部 AI 辅助开发数据
Ben’s Bites: Hey Siri, meet AI — 社区讨论与工具生态