# Loop Engineering —— 工程师的工作变成了『编写循环』

> 『My job is to write loops.』从提示词到循环设计。梳理 Prompt→Context→Harness→Loop 抽象度不断升高的新潮流，以及成本爆炸、理解负债这些现实风险。

Date: 2026-07-06

Tags: AI, Loop Engineering, Claude Code, 智能体, 开发方法论

---

![](https://img.wiredxeco.com/wiredxeco/loop-engineering/hero.webp)

工程师的工作，不知不觉间从「编写代码」转向了「设计让 AI 来编写代码的机制」。它的最新形态就是 **Loop Engineering（循环工程）**。

不是去打磨单次提示词，而是**设计让 AI 智能体沿着时间轴自主持续运转的「循环」本身**。工程师所定义的只有「目标」和「停止条件」。细节的实现与修正，由 AI 在循环内自己做到底。这套思路在 2026 年上半年一举扩散开来。

## 契机是「我的工作就是编写循环」

点燃这把火的，是在 Anthropic 领导 Claude Code 开发的 Boris Cherny 的一句话。

> **My job is to write loops.（我的工作就是编写循环）**

2026 年 6 月的这句发言，极为精准地道出了工程师的角色正在从「每次敲提示词的人」转向「设计让 AI 自主运转之机制的人」。正因如此，它才在业界一举扩散开来。

从一线感受来看也说得通。在向 AI 一问一答地下指令期间，人必须一直守在屏幕前。那看似「在使用 AI」，实际上却是**人成为瓶颈**的状态。一旦能设计循环，人就能在睡觉时也让 AI 工作。杠杆的数量级都变了。

## Loop Engineering 是什么

与 AI 打交道的方式，在这几年里如同拾级而上般不断提高着抽象度。

- **Prompt Engineering** —— 打磨单次的指令文
- **Context Engineering** —— 设计交给 AI 的上下文信息
- **Harness Engineering** —— 设计驱动智能体的框架（工具、权限、执行环境）
- **Loop Engineering** —— 把这套框架设计成沿时间轴自主持续运转的「循环」（现在在这里）

最底层的 Prompt Engineering 是「只此一次的匠人手艺」。越往上走，就越成为**一次设计便可反复奏效的「资产」**。Loop Engineering 位于顶端，人不再写具体的作业步骤。要写的只有「达成什么就算结束」这个条件。此后由智能体反复尝试与修正，抵达那里。

## 支撑循环的 6 个构成要素

自主循环大致由以下 6 个部件构成。这里正是 Loop Engineering 的设计对象。

- **调度（Trigger）** —— 何时开始运转。用 cron 或 `/loop` 之类的命令来决定启动条件
- **目标条件（Goal）** —— 满足什么便停止。让智能体持续运转直至达成的终止条件
- **隔离工作区（Isolation）** —— 多个智能体同时运转也不冲突的环境。用 git worktree 等把工作空间分开
- **验证者（Verifier）** —— 用另一套逻辑、另一个模型来验证 AI 自己所写代码的机制。关键在于「不让写的本人来打分」
- **持久内存（Memory）** —— 跨会话继承学习到的内容。用来避免每次都重犯同样错误的记忆
- **连接器（Connector）** —— 与 GitHub、Slack 等外部系统联动，从而真正付诸行动的接入口

按顺序看下来就会发现，**提示词的高下在这里一个都没有**。Loop Engineering 所考验的，是软件设计本身的品味。

## 实战工具，以及已经开始的热潮

这个概念并非只停留在理论。开源的 `cobusgreyling/loop-engineering` 这套 CLI 工具实际实现了这套思路，公开后短期内便收获了 **4,800 以上的星标**。它把上面的 6 要素做成可从命令行组装的形式，我认为这正是 Loop Engineering 正从「热词」走向「可触摸的工具」的证据。

## 并非万能 —— 3 个现实风险

读到这里听起来像魔法，但实际运转起来是有明确代价的。不看这些就贸然引入，会吃大亏。

### 成本爆炸

循环的本质是「不到结束就一直转」。反过来说，**一旦停止条件设计有误，就会没完没了地持续消耗 token**。放任一晚，不知不觉间几万日元就化为乌有——这样的事故并不罕见。与目标条件同等重要的，是「阻止失控的护栏（token 上限、超时、连续失败即中止）」的设计。

### 验证责任仍留在人身上

即便夹入 Verifier，那也终究只是「AI 做的初次检查」。**最终推向生产的判断责任，始终留在人这一侧，直到最后。** 即使循环报告「测试全绿」，若那些测试本身就是 AI 草草写就的，也毫无意义。不过度信任自动验证，反而是安全运转循环的诀窍。

### 理解负债的累积

这是最安静、也最可怕的风险。一旦人不再阅读 AI 生成的代码，系统的全貌就不会留在任何人的脑子里。**日后无法偿还的「理解之丧失」** 会不断累积。

技术负债重写便可偿还，理解负债却是「压根不知道该改什么、怎么改」的状态。故障发生的深夜，明明是自家公司的代码，却没人能说清其内部——这可能会变成一桩交易：用循环的生产力换来的时间，将来被连本带利地一次性夺回。

## 结论 —— 设计循环，仍是人的工作

Loop Engineering 并不是「让工程师变得多余」的东西。它是**把人施加杠杆的着力点，从提示词上提一级，抬高到「自主系统（循环）本身的设计」**。

不知如何停下的自动化只是失控，不理解内容的生产力只是提前透支的负债。正因如此，能够设计目标、停止条件、验证，以及「多大程度交给 AI、哪些由人来读」这条界线的人，其价值反而会不断上升。

株式会社 Wired & Eco 提供以 Claude Code 与智能体为前提的开发流程之设计与导入支持。诸如「已经让 AI 来写，但评审与运维跟不上」「想搭建能安全运转自主循环的机制」等咨询，我们都乐于承接。欢迎随时联系我们。