近期，硅谷科技圈最炙手可热的词汇莫过于“Loop”。打开社交媒体，满屏都是关于“循环工程”的讨论。硅谷大佬们正集体抛弃传统的提示词，转而拥抱自主循环。
英伟达CEO黄仁勋为我们划出了下一阶段的新重点，这也是一种全新的消耗Token方式：“没人再写提示词了，新工作是写Loop，搞Loop。” Anthropic工程师透露，公司内部80%以上的工程师已在使用自改进循环，并预计3到6个月内将达到100%。吴恩达更是断言：3到6个月后，提示词将消亡！Loop取代提示词，已成定局。
此前在讲解AutoResearch项目时，Andrej Karpathy就讨论过AI Agents的闭环，呼吁将人类从循环中部分移除。在3月的访谈中，他深入探讨了这一话题。OpenClaw之父Peter Steinberger直言：每月提醒一次，别再手写提示词了，设计循环才是王道。Claude Code之父Boris Cherny更是豪言：Loop循环就是未来！
两年前，我们还在手动写代码；后来过渡到让智能体来写代码；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巨大，但引入循环机制的意义和影响，丝毫不亚于前一步。没想到，提示工程火了两年，顶流AI工程师已经不玩了。
### 一、为何硅谷精英纷纷押注 Loop？
传统提示词的本质是：人类就是Loop本身。你写提示词 → Agent输出 → 你审核 → 你再写下一个提示词 → 循环往复。每一步都依赖人类的注意力、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。
Loop Engineering的本质是：系统自己成为Loop。因此，循环工程比提示词工程更重要。人类只做一次高价值设计：
1. 定义目标与停止条件
2. 搭建验证机制（最关键）
3. 建立持久化记忆
4. 配置发现与调度
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小时全天候运行，人类只在必要时介入。这就是硅谷大佬纷纷看好Loop的原因：一旦Loop成熟，手动提示词的性价比会直接崩盘。
### 二、疯传的 11 页白皮书与循环工程定义
那么，循环过程到底是什么？最近几天，X上开始疯转一份关于Loop Engineering的白皮书。这份11页的PDF汇集了相关公开讨论和实践经验，核心想法源于Peter Steinberger、Boris Cherny和Addy Osmani的公开表述。
什么是循环工程？Loop Engineering由Google Chrome工程师Addy Osmani在2026年6月命名。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要将你从这个位置上移走，彻底将你从干活的位置上解放出来。
从此，你不再是驱动AI的引擎，而是设计这台引擎的架构师。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。
文章将一个完整的Loop拆解为五个关键动作：
* **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。
* **交接**：为每个任务开启独立的沙盒，让多个智能体并行且互不干扰。
* **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。
* **调度**：通过自动化脚本让系统周期性地自主运转，闭合整个循环。
其中，最难、也最容易被偷懒跳过的是验证。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：
* 验证债务：未经验证的细微错误被悄悄合并入库。
* 理解腐化：AI写代码太快，导致人类对代码库的理解严重脱节。
* 认知投降：人类懒得再审查，全盘接受AI的结果。
* Token失控：AI在死循环中彻夜重试，烧光预算。
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，全网疯转的还有Codez发出的一份14步实操手册，目前已有百万转发。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”。这个转变可以拆成14步、3个阶段——先判断你是否真的需要一个循环，再学会五个构件，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。
### 三、时间线梳理与 Claude 的“无限循环”
如果要给循环工程理一条时间线，大致如下：
* **前期基础阶段**：2022年，姚顺雨等人提出ReAct框架，奠定理论基石。2025年，Geoffrey Huntley提出“Ralph”。2025年至2026年初，Andrej Karpathy发布AutoResearch项目，形成经典的自主实验循环，这是一大里程碑。
* **概念爆发与命名阶段**：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。Boris Cherny表示：我不再直接提示Claude，我的工作是编写运行Claude的循环。6月7日，Addy Osmani发布博客《Loop Engineering》，正式将之命名，提供4层栈框架。随后，在整个6月，Loop Engineering开始在全网病毒式传播。
在内部播客中，Anthropic的工程师吐露了一个令人毛骨悚然的细节：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。如果你还在纠结怎么写提示词，你就已经输了。
在Anthropic的逻辑里，工程师正在进化为“算力分配师”。你的核心工作不再是写逻辑，而是决定每一美分的算力投向哪里。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。循环工程是“测试时计算”大趋势的一部分。
有趣的是，让智能体循环工作的点子其实早就有雏形了。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。而现在，这些组件直接内置在产品中。
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。他还断言，循环工程可能导致工程师“认知投降”：当循环自行运转时，你很容易停止思考，只是被动接受它反馈的一切。这也是软件工程Armin Ronacher所忧心的。
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。
### 四、循环不止，工程不死
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。但后者做出来的App质量高出一大截。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。
Build the loop. Stay the engineer. Prompt已死，Loop在运行。而你，依然是那个决定它意义的人。