別再問我什麼是 Loop Engineering
花叔
2176人在讀
2.2萬字總字數
¥9.99定價
花叔
2026 年 6 月，一個詞在一週之內突然到處都是：Loop Engineering，循環工程。一線開發者的羣裏、即刻、X 上，好多人在問同一句話——這玩意兒到底是啥？ 這本書就是來一次說清楚的。 它標記的是一次重心轉移：過去我們琢磨怎麼把一句 prompt 寫得更好，現在該琢磨的，是怎麼設計一套讓 agent 自己幹活的循環。你從那個一句句喂 agent 的人，挪到了設計「喂法」的人——位置變了，能力的重點也跟着變。 全書分兩半。前半講概念：這個詞從哪來（Steinberger 一條 830 萬瀏覽的推、Cherny、Addy Osmani 給它起了名）、它和 prompt / context / harness 是什麼關係、一個循環拆開看有哪些零件。後半講實戰：架構怎麼搭、真實案例裏別人怎麼用、它有哪些代價，最後帶你動手搭第一個循環。 案例都挑了真能落地的。比如 Stripe 內部那套叫 Minions 的系統，每週合併一千三百多個 PR，沒人手寫代碼，靠的不是更大的模型，而是更嚴的約束；比如 Addy 每天早上自動跑的分診循環，替他看一遍 CI 和 issue、起草修復、開 PR 等他審。 如果你已經在用 Claude Code 或 Codex，寫過幾次 prompt，想往自動化再走一步，這本基本就是爲你寫的。 它是《Harness Engineering》的上一層樓：那本講怎麼武裝單次一個 agent，這本講怎麼在它之上搭起會自己跑的循環。兩本獨立成書，沒看過前一本也不影響。 最後提醒一句，也是全書反覆在說的：循環不難搭，難的是往裏面放一個能對它說「不」的檢查。別隻圖它省事，記得自己還是那個工程師。
一句話總結，Loop 主流實操方式是 使用 Codex 或者是 Claude Code 的 goal+設置好比較準確的停止條件（循環次數）。 以下是實際使用感受： 提升非常燒 token，注意賬單。 通過實際的結果評價，循環 10 次以上和執行 2 到 3 次手工調優的 UpLift 不夠明顯，Loop 這個概念感覺更多是爲了讓模型廠商賺更多錢而產生的，撐起 AI 大廠的萬億敘事，而不是（起碼不主要是）爲了大多數業務場景實際交付結果的提升。 因爲實際交付結果要考慮環境而定： 在公司內部，大多數領導並不能判斷結果，一般大家都是交上去一版之後，老闆說，我們開個會看一下，然後必然提一點意見，實在提不出來的，就把大家的討論作爲他的觀點總結一下讓你去改正。這種情況下，第一版上 Loop 意義幾乎沒有，因爲本身也沒有目標，大家服務的是一種管理手段。 作爲個人開發者，過度的 Loop 會導致投入產出比過低。依然是一個不經濟的產物。 所以就使用體驗而言，感覺 Loop 目前更像是一個極客的玩具概念，離普通使用者還太遠，如果有理解不到位的，歡迎交流。
看着就語序就很難受，很像翻譯的文章，而且翻譯之後都不帶審稿，“一週之內，三個人點着了它”，誰中文這麼描述。 而且充斥着“不是xxx,而是xxx”這種ai特別喜歡用的話術。 應該是原文是英文，還是ai生成的，作者ai翻譯成中文就直接拿出來發表了
定位：一本 loop engineering 的科普書。 內容： 1. 講解 loop engineering 基本原理 2. 介紹了 Google 大佬等一衆 loop 案例 3. loop 的 5 個動作及零件 4. loop 缺陷 5. 合格的工程師，對待 loop 的態度 6. 個人 loop 的最小案例（講的很淺不具體沒案例） 文風：公衆號 claude 文風，有點 base agent 的感覺 冷笑話：loop engineering 是 huashu 用 loop engineering 跑出來的😅 稍後追加具體動作和零件是什麼。
重複做的事情就應該被自動化。自動化一切的slogan的手段更加豐富了。剛好最近動手用定時器+skill實現一個多角色的工單流轉，土但好用。ai讓實現想法的門檻變低了。
作爲程序員，別再把 AI 當一次性工具，要學的是把任務拆成能讓機器自己跑的循環；錯誤會越積越多，所以得在循環裏塞進“能說不”的檢查點，別隻圖省事；你始終是工程師，機器只是幫你幹活的助手。循環不難搭，難的是給它裝上能攔住它的“剎車”。
什麼是 Loop engineering？ 設計一套能夠發現問題、構建方案、執行任務、驗證結果並持續迭代的系統。 五個動作： 1、發現（依賴 Triage skill，確定任務價值及優先級，派發給合適的agent）， 2、交付（依賴worktree，迭代 完成任務的skill ，skill能成長，prompt只會過期）， 3、驗證（依賴獨立驗證agent說“不”，沒有驗證的Loop終是自嗨，在某一天的早上，一起暴雷給你看）， 4、持久化（依賴memory，把Loop的記憶、知識、規則沉澱下來，避免遺忘，減少意圖債）， 5、調度（依賴automation）。 我們需要做的不再是親自一句句喂，而是設計那套替我們喂的系統。 網上一堆人用所謂的一句話提示詞就能創建一個應用，但我們更應該警醒，真正工程化的項目，是應該由成熟的流程、規則去推動，過度強調解放自己實則是讓AI吞噬自己。 設計Loop的注意事項： 1、上線前給循環設幾個硬上限：單次預算、每日預算、最大重試次數，到頂就停。 2、給Loop一個說“不”的能力（獨立驗證的agent）。無人看守，也就意味着犯起錯來無人看守。 3、讓AI設計的系統，給自己留一扇門，自己可以隨時去檢查。 4、讓自己讀Loop的業務產出，如果不理解，那就是應該迭代知識地圖了。 AI很聰明，越來越聰明，而且變聰明的速度越來越快。 AI時代，真正稀缺的不是生成能力，而是 問爲什麼的能力、判斷能力。 Loop可以替你執行，但不能替你負責。 AI設計的系統給自己留門禁，除非這道門你已經用agent驗證。
很難評，這居然是一本書。概念框架跟卡神的公衆號文章基本上差不多，把國外的理論翻譯了一下。對於內行的人來說，沒有什麼新增的知識量。對於外行的人來說，我覺得大概率可能根本就看不懂。中英文混雜的很多黑話，對於非互聯網人，或者對 AI 接觸比較少的人，理解起來全是卡點。
非常一般，爲了時效性，作者沒有深入研究過 loop engineering 。草草寫了一本書，毀自己招牌
loop剛出來沒多久，作者也是緊追前沿。通讀下來，書裏重複提到的點太多。不知道作者有沒有自己搭一套loop，章節裏陳述loop結構，每一塊看似有所涉及，但似乎跟沒介紹一樣，點到爲止，有偏翻譯的嫌疑。不過，作者的執行力是值得人學習的。
只能說大概知道這個是什麼東西，那到底這種事情如何去做，有沒有價值去做，爲什麼會那麼火，對於我們作爲普通用戶來說有沒有必要使用到那麼重的手段讓它一直循環，這個確實是一個方向，但是我隱隱覺得這個東西還是有點遠，對於我來說不是很明晰