黄仁勋：Prompt正在过时，Loop才是新范式

英伟达CEO黄仁勋近日提出，AI编程正从Prompt Engineering转向Loop Engineering，即通过设计自动化循环系统让AI自主迭代任务，而非逐条编写提示词。这一观点得到“龙虾之父”Peter、“Claude Code之父”Boris Cherny、吴恩达等多位AI领袖的呼应。

什么是Loop

Loop的核心是让AI自主运行、验收和迭代：用户定义目标，AI自行执行、检查结果，不合格则自动重试，直至通过或达到预算上限。与Agent不同，Agent是执行者，Loop是管理机制，使Agent无需人工持续干预。

产品落地：Claude Code与OpenAI Codex

当前Loop理念已体现在两大产品中：

• Claude Code：提供/loop（定时循环）、/goal（目标驱动）、/schedule（云端定时任务）。其中/goal采用“写验分离”设计——大模型写代码，独立小模型Haiku负责验收，避免自我评分偏差。
• OpenAI Codex：采用自动化流水线+目标驱动+多子Agent模式，最多可同时运行8个Agent在云端沙箱中并行工作，最后汇总结果。

两者实现路径不同，但最终形态相似：将复杂任务拆解，多Agent并行执行，统一汇总。社区评测显示两者表现接近，表明模型能力趋同，差距在于上层Loop编排。

实践指南与避坑

X博主Codez总结的14步实操要点：

1. 4条件测试：任务是否重复？有无自动化验收？Token预算是否充足？Agent是否有高级工具？全部满足才值得建Loop。
2. 最小可行Loop：包含触发器、技能（项目上下文）、状态文件（记录进度）、门禁（自动检查）。顺序：先手动跑通→写成Skill→包进Loop→最后定时。
3. 写验分离：写代码和验收必须用不同模型，避免自我评分过松。
4. 常见陷阱：缺乏硬停止条件（需设Token/迭代/时间上限）、状态不落地（需写入文件）、让Loop处理需判断的任务（如架构重写、支付逻辑）、不读Diff导致“理解力债务”。
5. 核心指标：每个被接受改动的平均成本。若接受率低于50%，说明Loop在亏钱。

范式演进：从Prompt到Loop

Loop Engineering概念虽仅出现不到三周，但演进路径清晰：

• Prompt Engineering（2023-2024）：专注提示词编写。
• Context Engineering：优化上下文提供。
• Harness Engineering：设计工具和框架。
• Loop Engineering：构建自主循环系统。

Boris Cherny的实践展示了终极形态：他自2024年11月起卸载IDE，手下数百个Agent并行工作，所有代码由Claude Code编写，大部分在手机上完成。Agent之间互相提示，无需人工审核。

影响与展望

Loop范式将开发者角色从“指令输入者”转变为“规则设计者”，有望大幅提升AI编程效率。但专家提醒，Loop适合“对错清晰、机器可验证”的任务，而架构决策、支付逻辑等仍需人工介入。