Claude Code 负责人 Boris Cherny 最近公开表示，他已经不再"写提示词"了，而是写"循环"——让循环自动替他去提示 Claude，决定下一步该做什么。几乎同一时间，开源 AI Agent 项目 OpenClaw 作者 Peter Steinberger 也发表了类似观点，帖子阅读量超过 800 万次。谷歌 Chrome 工程师 Addy Osmani 则为这项技术起了一个名字：「Loop Engineering」（循环工程）。
苏米注：从"提示词工程"到"上下文工程"再到"Harness 工程"，AI 领域的术语一直在演进。但 Loop Engineering 与前几代的本质区别在于：前三者都假设人类坐在电脑前，配置工具、写提示词、点击发送，然后等待 AI 完成一轮后给出下一条指令。循环工程把这个"手动挡"模型彻底推翻了——你设好规则和目标，AI 自动执行、检查结果、持续迭代，不需要你每次按开始。
什么是循环工程
循环工程的核心理念是：你不再是给 AI 写提示词的人，而是设计一套系统，让系统自动替你写提示词、执行任务、验证结果。
以 Addy Osmani 自己搭建的每日代码库巡检循环为例，整个流程分为五个关键步骤：
- 发现（Discovery）：到时间后循环自动检查前一天的 CI 测试失败记录、未关闭的 issue、最近合并的 commit，自行判断哪些值得处理、哪些是噪音。
- 交接（Handoff）：每个值得处理的问题分配到独立的 git worktree 中。多个 Agent 同时工作，互不影响。
- 验证（Verification）：一个 Agent 写修复代码，另一个 Agent 对照项目的测试要求和技能文件进行验证。通过验证才继续推进。
- 存储（Storage）：所有进度存入一个 Markdown 格式的状态文件，明天的循环读取这个文件就知道昨天做到哪了。
- 调度（Scheduling）：由定时任务驱动，每天自动运行。
五步中最容易忽略的一环：验证
跳过验证的循环几乎都会出问题。Anthropic 工程师 Prithvi Rajasekaran 在搭建长时间运行的 AI 应用时发现了一个反直觉的现象：让 Agent 给自己刚写的代码打分，它几乎总是给好评——哪怕人类一眼就能看出质量一般。
这不是 Agent 不够聪明，而是结构性幻觉。写代码的 Agent 脑子里装满了自己的推理过程，它看自己的输出时，满脑子都是"我为什么这么写"的逻辑。这些理由反过来强化了它的自信判断。
解决思路借鉴了 GAN（对抗生成网络）的思想：一个 Agent 负责写，另一个 Agent 专门负责找茬。验证 Agent 假设代码有问题，除非能证明没问题。它不只是读代码，还会运行代码、打开页面、点击按钮、截屏、跑测试——检查的是实际效果。
Rajasekaran 发现，让写代码的 Agent 变得更自我批评效果很差，但训练一个独立的验证 Agent 变得更挑剔却容易得多——"你改变不了作者的自恋，但你可以换一个毫无感情的陌生人来审稿。"
循环翻车的五种常见模式
循环很容易出问题，最常见的有五种翻车模式：
- 点头循环：Agent 写了代码自己说好，循环相信了，继续下一轮。跑了几百轮，每一轮都通过。能次次通过的原因只有一个——根本没有真正的检查。
- 失忆循环：今天的运行结果留在了对话窗口里，明天上下文被清空，循环从头开始。更糟的是，它可能发现昨天已经修复的问题，又修了一遍，还产生了冲突。
- 手动循环：没有设置定时器，哪天忘了手动跑一次，它就停了。
- 盲循环：设置了定时器，但每天干什么还得你来安排，等于还是你在手动指挥。
- 缠绕循环：多个 Agent 同时修改同一个目录，文件冲突，合并不了。
工业级案例：Stripe 的 Minions 系统
在线支付平台 Stripe 内部有一个叫 「Minions」的系统，每周有超过 1300 个由 AI 提交的 PR 被合并，没有一行代码是手动写的。触发方式是 Slack 里的一个 emoji——程序员点击一个表情，循环就启动了。
Stripe 工程师 Steve Kaliski 介绍了 Minions 的核心架构原则：能用规则写死的步骤就写死，AI 只负责需要创造力的部分。比如 Agent 写完代码后，一个固定的流水线运行代码规范检查；修复问题后，一个固定步骤执行 commit。靠不靠谱，看的是约束写得够不够严格，而不是模型参数有多大。
1300 个 PR 最终仍然由人类审核。程序员没有离开，只是从"写代码"换到了"审代码"。
如何搭建你的第一个循环
你的第一个循环应该小到几乎不像一个系统。基本要素包括：
- 定时器：Claude Code 用
/loop，OpenAI Codex 用 Automations。没有定时器，你有的只是一个每次都要手动运行的脚本。 - SKILL.md 文件：告诉循环应该关注什么，记录 CI 错误日志、最新的 issue、最近的 commit。可维护、可复用，比一大段写死的指令好用。
- 状态文件：记录进度，让明天的循环从今天停下的地方继续。
- worktree：让并行的 Agent 互不影响。
- /goal 停止条件：让另一个模型来判断到底达标了没有。
- 人类审核：PR 自动提交，但永远不自动合并。
苏米注：循环工程的价值不在于"让 AI 替你干活"，而在于"让 AI 在受控的环境下替你干活"。约束写得越严格，循环越可靠。就像自动驾驶——省力，但在高速上你不能睡着。