Anthropic建议的Loop Engineering成见正颠覆这一近况：拓荒者不再是教导者，而是系统联想者，通过构建自动轮回让AI自主完成任务。本文深度贯通Loop Engineering的六大中枢模块与三个实战场景，揭示如何让AI信得过成为出产力而非职守。

一、你还在”喂”AI吗？

若是你当今用 Claude 或者 ChatGPT 写代码，概况率你的就业流长这样：写一个教导，等它输出，望望那里鉴识，再补一个教导，运行测试，报错了，把报错信息粘且归，让它修，它修完你再看，又有新问题……

二荒谬钟已往了，你倏得强项到一件事：你在作念的，是你最运转最念念遗弃的那种活。

你莫得在用 AI 解放我方，你仅仅换了一个对话框在打杂。

这不是 AI 不够智谋，而是用法的问题。2026年，AI 编程器具依然进化到了一个新阶段，但许多东谈主的使用花样还停留在2023年——一问一答，手动鼓舞，靠东谈主肉驱动所有经由。

有东谈主依然不这样干了。

Anthropic 里面负责 Claude Code 的负责东谈主 Boris Cherny，最近在一次采访里说了一句让许多拓荒者认为”被说中了”的话：“我依然不再径直教导 Claude 了，我的就业是写loops。”

这句话在拓荒者社区里飞速传开，Google 工程师 Addy Osmani 随后给这个模式起了个名字：Loop Engineering。

二、Loop Engineering 是什么？这个词如何来的？

事情的开始是本年6月，一个叫 Peter Steinberger 的拓荒者发了一条推文，玩忽是：你不应该再去教导 AI 了，你应该去联想让 AI 我方教导我方的轮回。

这条推文赢得了650万次浏览。不是因为它说了什么簇新的技巧，而是因为它说出了许多东谈主蒙胧嗅觉到、但莫得念念明晰的一件事。

随后 Boris Cherny 公开默示我方的就业花样恰是如斯，Addy Osmani 把这个模式整理成著作，老成叫它 Loop Engineering。一个成见就这样从一条推文，酿成了2026年 AI 拓荒圈最热的话题之一。

它到底是什么道理？

Loop Engineering，直译是”轮回工程”，但这个翻译没什么嗅觉，讲明晰点等于：不要再一条一条地喂教导给 AI，而是联想一套系统，让 AI 在这套系统里我方驱动我方完成任务。

你以前的扮装是”教导者”，你负责推动每一步。Loop Engineering 之后，你的扮装酿成了”系统联想者”，你负责搭好框架，剩下的交给 AI 我方跑。

和定时任务有什么区别？

听到”轮回自动运行”，许多东谈主第一反馈是：这不等于定时剧本吗？每小时跑一次，有什么簇新的？区别在于轮回里面阿谁”有斟酌者”。

定时剧本跑的是固定逻辑，条目A触发动作B，经久如斯。而 Loop Engineering 里面跑的是一个 Agent，它每次都会看刻下的景色，我方判断下一步该作念什么——延续、重试、回滚，如故停驻来告诉你”这个我搞不定”。

剧本是死的，Agent 是活的。这是执行区别。

这件事在以前作念不到，因为模子不够智谋，相识不了复杂的方针和景色。但2025年底之后，模子才能跨过了一个槛，这套玩法才信得过变得可行。

一个 Loop 长什么样？

一个能正常就业的 Loop，最少需要两样东西：触发器和可考据的方针。

触发器是让轮回启动的信号。不错是一个新的 Pull Request、一次 CI 报错、一条 Slack 音书，或者你手动输入的第一个指示。

可考据的方针是让轮回知谈什么时候不错停。比如”所有测试通过、CI 变绿”，这是硬模范；或者”让另一个 Agent 来判断输出是否顺应要求”，这是软模范。

但非论哪种，必须有一个明确的住手条目。

莫得住手条目的轮回不叫 Loop Engineering，那叫一台烧钱的机器。

三、一个 Loop 由什么构成？1. 触发器（Trigger）

Loop 从那里启动。

不错是外部事件，比如有东谈主提交了代码、CI 跑挂了、定时到点了；也不错是你手动发出的第一条指示。触发器决定的是”什么情况下，这个轮回该运转跑了”。

联想触发器的时候有一个容易忽略的点：触发条目要尽量明确，弗成太平淡。若是触发器是”有任何代码变动就启动”，那你可能会让 Agent 在无用要的时候反复跑，既蹧跶资源，也容易出乱子。

2. 方针设定（Goal）

这是所有 Loop 里最进攻的一块，莫得之一。

方针决定了 Agent 勉力的标的，也决定了轮回什么时候不错已毕。方针越泄露，Loop 跑得越稳；方针毛糙，Agent 就会运转”目田发达”，然后你就会得到一个标的不解、恶果难以预料的轮回。

好方针的模范惟有一条：不错被考据。

“把代码写好”不是方针。”让所有单位测试通过”是方针。”优化一下用户体验”不是方针。”让页面加载时刻低于1.5秒”是方针。

3. 器具调用（Tools）

Agent 在轮回里能用哪些器具。

读写文献、推论大喊、调用 API、搜索代码库、发送音书……这些都是器具。器具决定了 Agent 的”行动”有多长，能作念若劳动。

这里有一个反直观的建议：不要一运转就给 Agent 所有器具。权限越大，出错的影响也越大。先从最小必要的器具集运转，跑稳了再慢慢彭胀。

4. 缅想与高下文（Memory & Context）

Agent 在轮回里”铭记”什么。

这是一个很容易被低估的模块。AI 自己莫得跨会话的缅想，每次启动都是白板。若是你不主动经管高下文，Agent 在一个长任务里跑到一半就会”忘事”，运转走弯路，致使疏导作念依然作念过的事。

Claude Code 里有 CLAUDE.md 这类文献，等于用来贬责这个问题的——把姿色布景、表率、历史有斟酌这些东西写进去，让 Agent 每次启动都能快速”念念起来”我方在作念什么。

高下文经管作念得好，Loop 就稳；作念得差，Loop 就像一个每隔几分钟就失忆的助手。

5. 考据机制（Evaluator）

谁来判断这一轮作念得对鉴识。

这是 Loop Engineering 里一个很要津的联想：负责推论的 Agent 和负责考据的 Agent，最佳是分开的。

推论 Agent 负责干活，考据 Agent 负责打分——对照方针搜检输出，判断是否达标。若是达标，轮回已毕；若是没达标，把反馈传回给推论 Agent，再行来过。

这个联想的平允是幸免”自产自销”——让吞并个 Agent 既作念事又评价我方的作念事质料，它很难发现我方的盲点。远隔之后，考据这一环会客不雅许多。

6. 预算门径（Budget）

这个轮回最多能花若干钱、跑若干次。这是最容易被生人忽略的一块，亦然最容易让东谈主精细的一块。

莫得预算门径的 Loop，一朝 Agent 堕入某种造作轮回——比如它一直在尝试修一个它压根修不了的 bug——就会一直跑下去，直到你的账单让你泄露。

设定预算不是鄙吝，是负职责。”最多重试5次”、”总破钞不扶直X好意思元”、”运行时刻不扶直30分钟”，这些都是合理的边界。超出边界就停驻来，告诉你”我搞不定，请东谈主工介入”。

四、如何联想一个信得过能跑的 Loop？

相识了六个模块之后，许多东谈主的第一反馈是：好，我知谈有这些东西了，但我如何把它们拼在通盘？

底下部分等于恢复这个问题的。

Loop 的基本结构：三个扮装

一个能正常运转的 Loop，执行上惟有三个扮装：Generator（推论者）、Evaluator（评判者）、Loop 自己。

Generator 是干活的阿谁 Agent。你给它一个方针，它去读代码、写代码、调接口、跑大喊，产出恶果。

Evaluator 是打分的阿谁扮装。它拿到 Generator 的输出，对照你设定的方针和模范，判断此次作念得行不行。它不错是另一个 Agent，也不错是一段详情味的表率——比如径直跑测试，看通过率Loop 自己是把这两个扮装连起来的逻辑。Generator 产出 → Evaluator 评判 → 没过就把反馈传回 Generator 再行来 → 过了就已毕。就这一个轮回，反复跑，直到方针达成或者预算耗尽。

结构不复杂，但细节决定成败。

三个实在场景

光说结构如故太笼统，用几个执行场景来感受一下。

场景一：CI 自动建设这是 Loop Engineering 最典型的使用场景之一。

触发器：CI 活水线跑挂，报错了。

方针：让 CI 再行变绿，所有测试通过。

推论过程：Generator 读取报错信息，定位问题，修改代码，提交，触发新一轮 CI。Evaluator 等于 CI 自己——绿了就已毕，如故红的就把新的报错传且归，延续修。

这个场景的平允是方针极其泄露，”CI 是否通过”是一个完全客不雅的模范，不存在毛糙地带。这亦然为什么它尽头恰当营为初学 Loop 来练手。

场景二：PR 自动审查触发器：有新的 Pull Request 提交。

方针：找出代码里的问题，给出审查意见。

推论过程：Generator 读取 PR 的更变内容，投合姿色表率，生成审查评述。Evaluator 不错是另一个 Agent，有益判断这些评述是否有实质内容、有莫得漏掉彰着问题。

这个场景的难点在于方针相对软性，”好的审查意见”莫得一个都备的模范。是以 Evaluator 的联想会更谨慎，需要给它一个弥散具体的评判 rubric，比如”是否粉饰了安全问题、性能问题、代码表率问题”。

场景三：任务自动拆解与推论触发器：你发了一条 Slack 音书，说”帮我把登录模块重构一下”。

方针：重构完成，原有测试全部通过，莫得引入新的报错。

推论过程：Generator 先把大任务拆成小要领，逐一推论。每完成一步，Evaluator 搜检一次。全部通过之后，Loop 已毕，给你发一条音书说”作念结束，你来看一下”。

这是目下最接近”信得过自主就业”的场景，亦然最容易出问题的场景。任务越复杂，中间可能出现的分叉越多，对高下文经管和预算门径的要求也越高。

最容易踩的三个坑

坑一：方针写得太毛糙。

“把这个功能作念好”、”优化一下性能”——这类方针对东谈主来说都很难推论，更别说 Agent 了。方针必须可考据，最佳是有一个明确的通过/欠亨过的判断模范。若是你发现我方的方针写出来之后，不知谈如何判断”作念结束莫得”，那这个方针就需要重写。

坑二：莫得给 Loop 设退出条目。

Agent 堕入死轮回是实在会发生的事。它可能一直在尝试修一个它相识有误的问题，每次输出都差少许点，但经久过不了 Evaluator 的搜检。莫得退出条目，这个轮回就会一直跑下去。设定最大重试次数和最大破钞上限，是最基本的保障。

坑三：高下文经管不作念，靠 Agent 我方记。

长任务里，Agent 的高下文窗口是有限的。跑着跑着，早期的信息会被挤出去，Agent 运转”失忆”，作念出朝秦暮楚的有斟酌。贬责主张是主动经管高下文——把进攻的布景、有斟酌、已完成的要领写进文献，让 Agent 每次都从文献里读，而不是靠我方的”缅想”。

本文由 @喵一下AI 原创发布于东谈主东谈主都是居品司理。未经作家许可，辞谢转载

题图来自Unsplash，基于CC0契约

该文不雅点仅代表作家本东谈主开云(中国)Kaiyun·体育官方网站-登录入口，东谈主东谈主都是居品司理平台仅提供信息存储空间服务