引言：从提示词到循环，范式正在转移

过去两年，使用 AI 编码智能体的主流方式是：你写一段提示词，它返回一段代码；你发现不对，再补一句，它再改。整个过程像一场永无止境的对话，人始终是那个“推一下动一下”的驱动者。但如今，一批顶尖开发者正在转向一种全新的模式——循环工程（Loop Engineering）。

Claude Code 负责人 Boris Cherny 直言：“我不再手动提示 Claude 了。我有 loop 在跑，它们负责提示 Claude、决定下一步做什么。我的工作就是写循环。”谷歌云 AI 总监 Addy Osmani 也撰文指出，这种转变比过去的提示词工程更复杂，但也更强大。

循环工程的核心思想是：不再手动一轮一轮指挥 Agent，而是设计一个能自动发现任务、分配执行、检查结果、记录状态并决定下一步的系统。人的角色从“执行者”退后为“调度者”，从“写提示词”升级为“设计循环”。

本文将从概念、核心模块、实际应用、成本边界和 FAQ 五个维度，为你全面解析这一新范式。如果你想深入了解 Agent 的底层原理，可参考 AI Agent 与多智能体。

什么是循环工程？

循环工程，简单说就是：你定义目标，让系统自动驱动 Agent 迭代完成。它不是简单的定时任务，而是一个闭环系统，具备以下特征：

自主启动：按时间、事件或条件触发，无需人工干预。

任务发现与分配：自动扫描问题、分类、分配给合适的子 Agent。

执行与验证分离：写代码的 Agent 和检查代码的 Agent 各司其职。

状态持久化：跨会话记忆，避免每次从头开始。

自我终止：当目标达成或超出处理范围时，主动停止或升级给人。

Addy Osmani 打过一个比方：你可以选择当一名“全程在场的工程师”，也可以当一名“只管按启动键的人”。Loop Engineering 让你成为后者，但前提是你得先设计好那个“启动后自动运转的系统”。

循环工程的六大核心模块

一个完整的循环系统由五个功能模块加一个记忆模块构成。Claude Code 和 Codex 都已内置这些能力，只是命名略有差异。

1. 自动化调度（Automations）：循环的心跳

自动化是区分“一次手动运行”和“持续循环”的关键。它让 Agent 能按计划或事件自动启动。

Codex：在 Automations 面板创建任务，设置项目、提示词、运行频率（如每5分钟、每小时），可选择本地或后台 worktree 运行。有发现的结果进入 Triage 收件箱，无异常的自动归档。

Claude Code：通过 /loop 指令周期性运行提示或命令，支持 cron 定时任务，也可用 hooks 在 Agent 生命周期节点触发脚本。还能推送到 GitHub Actions 实现离线运行。

两者都提供 /goal 原语：设定一个可验证的目标（如“test/auth 下所有测试通过”），Agent 会持续工作直到条件满足，每轮结束后由独立小模型检查是否完成，而非执行者自评。

2. 工作树（Worktrees）：并行不冲突的基石

当多个 Agent 同时编辑代码时，文件冲突是常见问题。git worktree 提供了解决方案：每个 Agent 拥有独立的工作目录和分支，共享同一仓库历史，但物理隔离。

Codex：原生支持多线程 worktree，互不干扰。

Claude Code：通过 --worktree 标志或 isolation: worktree 配置，为每个子 Agent 分配独立 checkout，用完自动清理。

工作树解决了机械冲突，但别忘了，人工审核能力才是真正的瓶颈——你能同时运行多少 Agent，取决于你一天能认真 review 多少产出。

3. 项目技能（Skills）：让 Agent 不再“失忆”

每次新会话，Agent 都像新同事一样对项目一无所知。技能模块将项目知识固化到外部文件，避免重复解释。

格式统一：一个文件夹内含 SKILL.md（指令和元数据），以及可选脚本、资源文件。

Codex 通过 $ 或 /skills 调用，也可自动匹配任务描述。

Claude Code 同样支持，技能可跨会话复用。

技能是化解“意图债务”的关键——Agent 每次冷启动都会凭猜测补全规则，而技能把规则写死，让循环每轮都能站在前一轮的肩膀上。

4. 插件与连接器（Plugins & Connectors）：打通工具链

只能读写本地文件的循环是“半封闭”的。基于 MCP 协议的连接器，让 Agent 能访问 issue 系统、数据库、CI、Slack 等外部工具。

Codex 和 Claude Code 都支持 MCP，连接器可互通。

插件将技能和连接器打包，方便团队一键安装。

有了连接器，Agent 不再只是“说”——它可以直接创建 PR、关联工单、通知频道，真正融入研发流程。

5. 子智能体（Sub-agents）：执行与校验分离

这是循环中最有价值的设计。写代码的 Agent 很难发现自己的错误，因此需要独立的校验 Agent。

Codex：在 .codex/agents/ 下用 TOML 文件定义子 Agent，可指定模型和推理强度（如安全审计用强模型，检索用轻模型）。

Claude Code：在 .claude/agents/ 中配置，支持多角色团队（如一个探索需求、一个写代码、一个做测试）。

/goal 指令底层也用了这一逻辑：由独立模型判断任务是否完成，避免执行者自我判定。

6. 持久化记忆（Memory）：让循环不“断片”

Agent 在会话之间会遗忘一切，因此记忆必须存在磁盘上，而非上下文里。一个 Markdown 文件、Linear 看板或数据库记录，都能作为载体。

记录已完成的任务、失败的原因、待办事项。

每次循环启动时读取，结束后更新。

模型会忘，但仓库不会。

一个完整的循环运行示例

假设你有一个 GitHub 仓库，希望自动维护。以下是一个典型循环：

自动调度：每5分钟触发一次，扫描新 issue、PR、CI 失败。

技能调用：用 github-project-triage 技能分类问题——自动修复、需人工决策、忽略。

工作树隔离：为每个需要修复的问题创建独立 worktree。

子智能体执行：一个 Agent 写修复代码，另一个 Agent 对照技能和测试用例审核。

连接器操作：通过 MCP 创建 PR、关联 issue、在 Slack 通知。

记忆更新：将本次执行结果写入 LOOP_MEMORY.md，供下次参考。

整个过程无需人工逐轮提示，你只需在每天结束时 review 自动生成的 PR 列表。

成本与边界：不是银弹

循环工程并非万能，它有三个显著局限：

1. Token 成本爆炸

循环会反复读取上下文、试错、验证，甚至多个 Agent 并行，token 消耗远超单次对话。如果任务不值得反复跑，或者没有稳定的反馈信号，循环可能还没帮你省时间，先把成本烧光。

2. 人工审核不可缺失

AI 说“完成了”，不等于真没问题；说“测试通过了”，不等于业务逻辑正确。无人盯着的循环会无人盯着地犯错。必须保留人工最终审核权。

3. 理解债务与认知屈服

长期依赖自动生成代码，开发者可能逐渐失去对项目的深入理解。代码越堆越多，自己真正理解的却越来越少。Addy Osmani 警告：AI 干得越多，人越容易不再去看过程。

因此，循环的用法不是把人拿掉，而是把人从重复劳动中抽离，但把判断、验收和刹车权留在自己手里。

哪些工作适合用循环？

代码维护：自动扫描 issue、修复 bug、跑测试、开 PR。

内容运营：定时抓取新闻源，生成选题清单。

数据分析：定期拉取数据、生成报表、发送通知。

客服系统：自动分类工单、回复常见问题、升级复杂问题。

只要任务重复、流程稳定、结果部分可验证，循环就有落地空间。

总结：从提示词工程师到循环设计师

循环工程不是新瓶装旧酒，它代表了人机协作的又一次升级。过去大家比的是谁的提示词写得好；接下来比的可能是谁的 loop 设计得好——怎么调度、怎么验证、怎么记录、什么时候该停。

如果你想进一步学习如何设计高效的 Agent 工作流，可参考 AI 工作流编排。如果你对 Agent 的底层机制感兴趣，AI Agent 与多智能体 提供了更系统的解读。

最后，记住 Addy Osmani 那句话：这件事不会让你的工作变简单，它只是把发力点挪了个位置。你可以选择做那个始终在场、清楚每一步在发生什么的工程师，也可以做那个只负责按下开始键、然后看着代码越堆越多的人。

选择权在你。

FAQ

Q1: 循环工程和传统的提示词工程有什么区别？ A1: 提示词工程关注如何写一句好的提示词来驱动 AI 完成单次任务；循环工程则关注如何设计一个自动化系统，让系统自主发现任务、分配执行、校验结果并持续迭代。前者是“手动挡”，后者是“自动驾驶”。

Q2: 循环工程需要哪些工具支持？ A2: 目前 Claude Code 和 OpenAI Codex 已内置完整支持，包括自动化调度、工作树、技能、插件/连接器和子智能体。你也可以用 bash 脚本 + MCP 协议自建，但工具化方案更便捷。

Q3: 循环工程会导致开发者失业吗？ A3: 不会。循环工程将开发者从重复劳动中解放，但要求更高的系统设计能力。开发者需要掌握 Agent 行为、工作流编排、质量控制和成本优化等新技能，角色从“执行者”转变为“调度者”。

Q4: 循环工程适合所有类型的项目吗？ A4: 不适合一次性、低价值或结果无法自动验证的任务。最适合的是重复性高、流程稳定、有明确反馈信号（如测试通过/失败）的场景，如代码维护、数据 pipeline、内容聚合等。

Q5: 如何开始实践循环工程？ A5: 从一个小任务开始，比如用 Claude Code 的 /goal 指令让 Agent 自动修复一个已知 bug，或设置一个每日自动扫描 CI 失败的循环。逐步增加模块，如加入子 Agent 做代码审查、用 MCP 连接 issue 系统。