最近 Loop Engineering 概念在 AI 开发圈爆火。各种文章都在宣传 Loop 的强大之处——AI 自动执行、自动检查、自动迭代，用户只需设定目标就能离开。有人用它六天重写代码库，有人一个月自动提交 259 个 PR。
但实际使用一个多月的 Loop 后，最大的感受是：大多数场景下根本不该用它。
Loop 是什么
Prompt 是一条指令，AI 答完就停。Loop 是一个目标，AI 自主运行「执行→验证→修正」循环，直到达标或触发退出条件。
核心区别：你从操作者变成了设计者。你不再一步步推动 AI，而是定好规则让它自己运行。
90% 的人搞 Loop 是在烧钱
错误 1：任务本身不重复
一次性的任务，一个好 Prompt 就够了。花两小时设计 Loop 去做下周不会再做的事，属于工程自嗨。Loop 的设置成本只有在重复执行中才能摊薄——如果任务每周出现不到一次，Prompt 永远比 Loop 划算。
错误 2：没有硬性验证手段
Loop 的灵魂是验证环节——每轮迭代后有客观标准判断「做对了没」。测试通过？类型正确？Lint 干净？如果任务没有这种硬判据（比如「写一篇有洞见的文章」），验证就变成了 AI 给自己打分。自检是无效检测。
如果连独立 checker 都很难定义（因为「好」本身就是主观的），那这个任务就不适合 Loop。
错误 3：Agent 无法端到端完成
如果工作做到一半需要等你拍板，那它不是 Loop，而是一个带暂停键的 Prompt。Loop 的价值在于你不在时它还在运行，如果每轮都要检查中间产物，省下的时间全花在了审查上。
错误 4：「完成」是品味判断
代码能不能跑有客观答案，文章写得好不好没有。凡是需要人类品味拍板的任务，Loop 只能帮你到 80 分，最后 20 分还得自己来。而 80 分的水准，一个精心写的 Prompt 通常也能达到 70 分——Loop 带来的边际提升不值得它的复杂度和成本。
Loop 的成本是复利增长的
每次迭代，Agent 需要重新读取整个上下文：目标、历史、上轮结果、失败记录。这堆数据每轮都在膨胀。
跑 10 轮的 Loop 不是花 10 个 Prompt 的钱——是花 10 个越来越胖的 Prompt 的钱。加上 Maker/Checker 双模型，账单再翻一倍。一个中等任务单次大约 5-20 万 tokens，但 Loop 迭代 6 轮才收敛，实际消耗可能是 80-150 万 tokens。
真正该看的指标：每个被接受产出的成本。如果 Loop 产出 10 个结果你丢掉 6 个，你只是在用更贵的方式做同样的事。
静默失败：Loop 最大的敌人
还有一种更阴险的情况：Agent 跑了两轮就宣布完成，在半成品上退出。Loop 框架没有觉察到（因为 Agent 说了「done」），继续按节奏触发下一个周期。Loop 持续运行、持续计费，但什么有价值的都没产出。
静默失败是 Loop 最大的敌人——它不会崩溃报错，它会安静地花你的钱。没有硬门控的 Loop，不是在帮你，是在骗你。
什么时候该用 Loop？
四个条件必须同时满足：
- 每周至少重复一次的任务
- 有硬性验证手段能自动拒绝坏输出
- Agent 能端到端完成，不需要中途交给你拍板
- 「完成」有客观定义，而非主观标准
少一条都不要搞。
适合 Loop 的场景：修复测试、Lint 清理、依赖升级、重复性代码迁移、定时数据处理。
不适合 Loop 的场景：写文章、做设计决策、探索性研究、产品规划、任何需要「审美」的事。
建议：从不用 Loop 开始
第一步：列出所有用 AI 做的事。第二步：划掉所有不满足四个条件的。剩下的 2-3 个才是真正值得投入 Loop 设计的地方。对于大多数任务，一个写得好的 Prompt 模板效果已经足够。
零成本体验 Loop 思维
可以用这个 Prompt 感受 Loop 的思维模式：
你将在循环中工作直到达标。
任务：[你要什么]
成功标准（严格）：
- [标准1]
- [标准2]
- [标准3]
每轮：
1. 执行——生产或改进
2. 验证——对每个标准打分 1-10，列出薄弱点
3. 决定——每项 8+ 输出「最终版本」；否则修最弱项继续
规则：
- 8 分前不能说完成
- 不要问我问题
- 最多 5 轮这不是真正的 Loop——你还是触发者，关掉窗口它就消失。但它能让你体会到「给 AI 一个目标+验证标准，让它自己迭代」的效果。
总结
Loop Engineering 是真实的技术演进，但它被过度营销了。大部分人此刻需要的是：一个好的 CLAUDE.md 让 Agent 理解项目、几个写得好的 Prompt 模板、清楚什么该让 AI 做什么不该。
这些基本功没做好，Loop 只会帮你更快地把事情搞砸。