Loop Engineering 兴起：从提示词工程到循环工程，硅谷大佬集体转向

2026年6月，由 Google Chrome 工程师 Addy Osmani 正式命名的 Loop Engineering（循环工程） 迅速成为硅谷最热概念。NVIDIA CEO 黄仁勋、Anthropic 工程师、吴恩达、Andrej Karpathy 等一众 AI 领袖纷纷表态：Prompt 正在过时，编写和管理循环（Loop）才是新范式。

核心概念：从“写提示词”到“设计循环”

传统提示词工程（Prompt Engineering）依赖人类逐轮编写指令、审查输出、再写下一轮，人类自身成为循环的瓶颈。Loop Engineering 的本质是 将人类从循环中移除，让系统自主完成“发现任务 → 执行 → 验证 → 持久化 → 再次发现”的闭环。人类角色从“指令输入者”转变为“规则设计者”，只需定义目标、停止条件、验证机制和持久化状态。

关键原则：执行与验证分离

Loop Engineering 最核心的原则是 “写代码的 Agent 和审代码的 Agent 必须分开”。同一模型既当运动员又当裁判，几乎总会自我赞美。Claude Code 的产品架构体现了这一原则：写代码使用大模型，验收则使用独立的较小模型 Haiku。OpenAI Codex 同样采用多个子 Agent 并行执行、独立验证的机制。

实操框架：三个文件搭建循环系统

根据社区广泛传播的教程，搭建一个基础 Loop 只需三个文件：

• Agent 定义：分别定义 builder（负责编写和修复代码，拥有写权限）和 checker（只负责检查，仅拥有读权限），从工具层面实现硬隔离。
• 循环编排器：注册为斜杠命令（如 /loop），调度 builder 和 checker 交替工作，最多运行 5 轮，若同一失败连续出现两次则停止。
• 停止规则：写入项目根目录的 CLAUDE.md，明确硬停止条件（如 Token 上限、迭代次数上限、时间限制），防止循环失控。

产品落地：Claude Code 与 OpenAI Codex 双雄对峙

当前 Loop Engineering 的主要产品载体包括：

• Claude Code：提供 /loop（定时循环）、/goal（目标驱动，直到验收条件满足）、/schedule（云端定时任务）三件套。
• OpenAI Codex：采用自动化流水线 + 目标驱动 + 多个子 Agent 的组合，最多支持 8 个 Agent 同时在云端沙箱并行工作。

两者实现路径不同，但最终形态高度相似——将复杂任务拆碎，分给多个 Agent 并行执行并统一汇总。

行业影响与风险警示

Anthropic 内部工程师透露，80% 以上工程师已在使用自改进循环，预计 3-6 个月内达到 100%。吴恩达断言 3-6 个月后 Prompt 将消亡。

然而，全自动运行也带来四大隐性成本：

• 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 结果。
• Token 失控：AI 在死循环中彻夜重试，烧光预算。

社区建议：Loop 适合“对错清晰、机器可验证”的任务（如 Lint 自动修复、CI 失败分类），不适合架构重写、支付逻辑等需要人类判断的领域。衡量 Loop 效果的唯一指标是 每个被接受改动的平均成本，若接受率低于 50% 则说明 Loop 在亏钱。