别再问我什么是 Loop Engineering
花叔
2176人在读
2.2万字总字数
¥9.99定价
花叔
2026 年 6 月，一个词在一周之内突然到处都是：Loop Engineering，循环工程。一线开发者的群里、即刻、X 上，好多人在问同一句话——这玩意儿到底是啥？ 这本书就是来一次说清楚的。 它标记的是一次重心转移：过去我们琢磨怎么把一句 prompt 写得更好，现在该琢磨的，是怎么设计一套让 agent 自己干活的循环。你从那个一句句喂 agent 的人，挪到了设计「喂法」的人——位置变了，能力的重点也跟着变。 全书分两半。前半讲概念：这个词从哪来（Steinberger 一条 830 万浏览的推、Cherny、Addy Osmani 给它起了名）、它和 prompt / context / harness 是什么关系、一个循环拆开看有哪些零件。后半讲实战：架构怎么搭、真实案例里别人怎么用、它有哪些代价，最后带你动手搭第一个循环。 案例都挑了真能落地的。比如 Stripe 内部那套叫 Minions 的系统，每周合并一千三百多个 PR，没人手写代码，靠的不是更大的模型，而是更严的约束；比如 Addy 每天早上自动跑的分诊循环，替他看一遍 CI 和 issue、起草修复、开 PR 等他审。 如果你已经在用 Claude Code 或 Codex，写过几次 prompt，想往自动化再走一步，这本基本就是为你写的。 它是《Harness Engineering》的上一层楼：那本讲怎么武装单次一个 agent，这本讲怎么在它之上搭起会自己跑的循环。两本独立成书，没看过前一本也不影响。 最后提醒一句，也是全书反复在说的：循环不难搭，难的是往里面放一个能对它说「不」的检查。别只图它省事，记得自己还是那个工程师。
一句话总结，Loop 主流实操方式是 使用 Codex 或者是 Claude Code 的 goal+设置好比较准确的停止条件（循环次数）。 以下是实际使用感受： 提升非常烧 token，注意账单。 通过实际的结果评价，循环 10 次以上和执行 2 到 3 次手工调优的 UpLift 不够明显，Loop 这个概念感觉更多是为了让模型厂商赚更多钱而产生的，撑起 AI 大厂的万亿叙事，而不是（起码不主要是）为了大多数业务场景实际交付结果的提升。 因为实际交付结果要考虑环境而定： 在公司内部，大多数领导并不能判断结果，一般大家都是交上去一版之后，老板说，我们开个会看一下，然后必然提一点意见，实在提不出来的，就把大家的讨论作为他的观点总结一下让你去改正。这种情况下，第一版上 Loop 意义几乎没有，因为本身也没有目标，大家服务的是一种管理手段。 作为个人开发者，过度的 Loop 会导致投入产出比过低。依然是一个不经济的产物。 所以就使用体验而言，感觉 Loop 目前更像是一个极客的玩具概念，离普通使用者还太远，如果有理解不到位的，欢迎交流。
看着就语序就很难受，很像翻译的文章，而且翻译之后都不带审稿，“一周之内，三个人点着了它”，谁中文这么描述。 而且充斥着“不是xxx,而是xxx”这种ai特别喜欢用的话术。 应该是原文是英文，还是ai生成的，作者ai翻译成中文就直接拿出来发表了
定位：一本 loop engineering 的科普书。 内容： 1. 讲解 loop engineering 基本原理 2. 介绍了 Google 大佬等一众 loop 案例 3. loop 的 5 个动作及零件 4. loop 缺陷 5. 合格的工程师，对待 loop 的态度 6. 个人 loop 的最小案例（讲的很浅不具体没案例） 文风：公众号 claude 文风，有点 base agent 的感觉 冷笑话：loop engineering 是 huashu 用 loop engineering 跑出来的😅 稍后追加具体动作和零件是什么。
重复做的事情就应该被自动化。自动化一切的slogan的手段更加丰富了。刚好最近动手用定时器+skill实现一个多角色的工单流转，土但好用。ai让实现想法的门槛变低了。
作为程序员，别再把 AI 当一次性工具，要学的是把任务拆成能让机器自己跑的循环；错误会越积越多，所以得在循环里塞进“能说不”的检查点，别只图省事；你始终是工程师，机器只是帮你干活的助手。循环不难搭，难的是给它装上能拦住它的“刹车”。
什么是 Loop engineering？ 设计一套能够发现问题、构建方案、执行任务、验证结果并持续迭代的系统。 五个动作： 1、发现（依赖 Triage skill，确定任务价值及优先级，派发给合适的agent）， 2、交付（依赖worktree，迭代 完成任务的skill ，skill能成长，prompt只会过期）， 3、验证（依赖独立验证agent说“不”，没有验证的Loop终是自嗨，在某一天的早上，一起暴雷给你看）， 4、持久化（依赖memory，把Loop的记忆、知识、规则沉淀下来，避免遗忘，减少意图债）， 5、调度（依赖automation）。 我们需要做的不再是亲自一句句喂，而是设计那套替我们喂的系统。 网上一堆人用所谓的一句话提示词就能创建一个应用，但我们更应该警醒，真正工程化的项目，是应该由成熟的流程、规则去推动，过度强调解放自己实则是让AI吞噬自己。 设计Loop的注意事项： 1、上线前给循环设几个硬上限：单次预算、每日预算、最大重试次数，到顶就停。 2、给Loop一个说“不”的能力（独立验证的agent）。无人看守，也就意味着犯起错来无人看守。 3、让AI设计的系统，给自己留一扇门，自己可以随时去检查。 4、让自己读Loop的业务产出，如果不理解，那就是应该迭代知识地图了。 AI很聪明，越来越聪明，而且变聪明的速度越来越快。 AI时代，真正稀缺的不是生成能力，而是 问为什么的能力、判断能力。 Loop可以替你执行，但不能替你负责。 AI设计的系统给自己留门禁，除非这道门你已经用agent验证。
很难评，这居然是一本书。概念框架跟卡神的公众号文章基本上差不多，把国外的理论翻译了一下。对于内行的人来说，没有什么新增的知识量。对于外行的人来说，我觉得大概率可能根本就看不懂。中英文混杂的很多黑话，对于非互联网人，或者对 AI 接触比较少的人，理解起来全是卡点。
非常一般，为了时效性，作者没有深入研究过 loop engineering 。草草写了一本书，毁自己招牌
loop刚出来没多久，作者也是紧追前沿。通读下来，书里重复提到的点太多。不知道作者有没有自己搭一套loop，章节里陈述loop结构，每一块看似有所涉及，但似乎跟没介绍一样，点到为止，有偏翻译的嫌疑。不过，作者的执行力是值得人学习的。
只能说大概知道这个是什么东西，那到底这种事情如何去做，有没有价值去做，为什么会那么火，对于我们作为普通用户来说有没有必要使用到那么重的手段让它一直循环，这个确实是一个方向，但是我隐隐觉得这个东西还是有点远，对于我来说不是很明晰