——我被一个 buzzword 追上了

2026年6月，Loop Engineering突然在硅谷AI圈刷屏了。

先是Boris Cherny说："我现在基本不直接prompt Claude了我写的是循环——让循环去prompt Claude，接下来自己决定接下来。"接着Google Cloud的Addy Osmani给这个思路起了个正式名字。接下来36kr、钛媒体、智东西这些中文媒体也一窝蜂跟进。

我读这些文章的时候，越看越觉得眼熟。

多Agent协作、maker-checker架构、结构化开发流水线、子agent隔离——突然发现我跑了小半年的东西，终于有个词能概括它了。

现在网上讲概念的已经够多了。这篇文章我打算用我的实践直接拆解这套loop工程——它已经实打实在生产环境里跑了半年。每个设计决策背后都有真实的使用痕迹，包括那些后来发现没用的部分。不过，

整套东西已经开源成claude-ship仓库。clone下来跑一条install.sh就能装进~/.claude之后在任何项目里用/clarify → /architect → /ship → /retro就能跑起来。

第一节这方面。一个人写代码的三个致命弱点

大半年前，我和大多数AI辅助编程的人是一样的。起点是 vibe coding——用自然语言描述需求。AI生成代码，我审查、测试、微调。效率提高是真实的：复杂功能从几天变成几小时原型验证从几周变成几十分钟。不过，

但效率提高也带来了三个新问题：

• 确认偏误。 当你和同一个AI模型对话时它会顺着你的思路走。按理说，你说"这个设计应该用方案A"，它说"方案A很好，理由如下"。你永远不会知道方案B是不是更好——因为没有人挑战你。一个人的头脑风暴，本质上是一个回音壁。
• 审查疲劳。 初期你对AI生成的代码充满警惕，每一行都看。两周后你开始跳读，一个月后你只看diff；三个月后你只扫一眼关键函数。其实，这不是懒，而是认知经济学的自适应：如果%的AI生成代码都是对的。你的大脑会自动把审查预算降到%。问题是那%的错误不会自己贴上标签。
• 记忆蒸发。 三个月前那个诡异的bug是怎么修的？当时写了一行注释吗，注释写的是"fix edge case"——这对三个月后的你毫无帮助。一个人的团队，没有同事可以问"你还记得那个问题吗"。每一次遗忘都是一次重新debug。

这些痛点本质上是人的问题，AI只是把单人开发中一直被团队结构掩盖住的弱点暴露出来。

真正的工程设计问题是：能不能用一套程序性的约束，把这些问题关进笼子里？怎么说呢，

这就是这套loop的起点。

从第二节来看，七步流水线——不是更聪明。是更不蠢

整体结构：

• 七个agent，每个拥有独立的人格定义、工具权限、模型分配。老实说，
• 输出统一落在/目录下建立完整的“七件套”：requirements → design → third_party_review → implementation → review → test_report → retro。
• 模型分配遵循任务特性：review 用 Opus。dev 和 qa 用 Sonnet，clarify 和 architect 用默认模型。这不是“哪个更强用哪个”，而是“什么任务需要什么认知特征”。

仓库结构速览：

• commands/: slash 命令入口；
• alerts/agents/: agent 人格定义；不过，
• alerts/templates/development/: 八个文档模板；
• alerts/scripts/third-party-review.sh: 跨厂商评审 wrapper；
• alerts/install.sh: 一键装进~/.claude.

Agen​t 定义本身都在alerts/agents/,只要五分钟即可浏览完。按理说，我挑几个最值得展开的设计决策来讲——agent层四个决策放本节。 其余留给编排层单独阐述，

再看决策一，禁止“顺便问一下”——注意力是串行的。问题也应该是串行的

#painpoint #确认偏误 #审查疲劳 大多数需求澄清做法是列清单：“请回答以下N个问题”。效率很高，但质量低——因为人的注意力是串行的。你回答第i个问题时已经在想“什么时候问完”。说起来，

• "一次只问一个问题";禁止批量提问或“顺便问一下”。
• *先读代码再提问*—如果代码已能直接回答，则不出现该提问。

This design emerged from real experience: early on AI threw seven‑eight questions at once,I answered only first three and forgot rest. Switching to single‑question loops dramatically deepened each dialogue and yielded a more concrete requirements.md.

The trade‑off is speed – a feature clarification may take dozens of turns – but re is an exit mechanism: user can type “够了”或 “开始设计” at any time。instantly terminating loop and generating documentation from gared info.

从决策二来看，先猜后看——符合认知科学的代码审查

• #painpoint #确认偏误 #审查疲劳
• The review agent’s workflow is not “read code → find bugs”. Instead:

1. "先不读代码". 只阅读 design.md 与 implementation.md，并基于设计列出 N 个最可能出现缺陷区域。按理说，

2. "带着预测去审代码". 在实际代码中验证这些假设。并记录命中与未命中的情况。

3. "记录校准信息". 预测未覆盖的问题会成为下轮改进的关键线索。

This mirrors a classic cognitive‑science finding: predicting before seeing answer improves calibration. Moreover。predictions are seeded from a persistent *memory*. After each feature,retro agent stores hard‑won lessons;next review pulls relevant historical accident patterns as prediction seeds. Thus"程序审查能力随使用次数增长而增长".

决策三的观点是。分级阻断 + 低风险即修 ——不给“以后再说”留后门

• #painpoint #审查疲劳 #记忆蒸发

The review outputs are classified:

• Cri­tical / Important： 阻断循环，必须修复或获得白名单豁免；

• Sugg­estion / Minor： 适用 “低风险即修” 准则；

The “低风险即修” rule states that if a problem simultaneously satisfies four conditions—客观依据、有无副作用、改动量 ≤ 5 行且单文件、不需要使用者确认—则

If dev tries to defer,only four合法理由可接受：超出 scope、需使用者确认、需大重构、与 design 冲突。任何模糊措辞如“后续调整”“暂时忽略”都会被标记为 rejected-defer,并阻断循环。

再看决策四，不是所有经验都值得存 ——三条铁律筛掉废话

• #painpoint #记忆蒸发 #信息噪声

The retro agent enforces three strict admission rules before persisting anything into memory:

1. "Non‑Googleable": - 必须是不容易通过搜索得到的信息；排除通识类经验，

2. "Codebase‑Specific": - 必须指向具体文件、错误信息或项目独有模式；排除泛泛经验，按理说，

3. b""Hard‑Won": - 必须来源于真实调试付出的代价；排除“一键完成”的功能，

The memory size is capped at **200 条** . When new entries arrive,older ones are merged or evicted,preventing uncontrolled growth.

决策五这方面。跨厂商设计评审 ——抓 Claude 看不到的盲区

• #painpoint #模型偏见 #多元视角

The /third_party_review agent runs an independent design audit using a model from a *different* provider . Implementation:

• - Set up {provider}.env containing endpoint + key + model;
- The script launches a headless Claude Code session that switches its HTTP base URL via ANTHROPIC_BASE_URL to third‑party endpoint;- It feeds in design.md,requirements.md,CLAUDE.md and writes back a full review report.

The orchestrator isn’t an agent – it’s a state machine that stitches dev → review → qa into a closed loop.

Key engineering decisions:

1️⃣ Isolation of sub‑agents • dev runs in current session . • review & qa run via Task tool in separate sub‑agents with ir own context windows – y only see docs . This prevents “context pollution” where dev’s internal monologue biases reviewer judgments.

2️⃣ Hard blocking gate • After review finishes。orchestrator extracts blocker counts . • If any blocker> 0 ⇒ skip QA,send back to dev for remediation before next round. • This saves tokens – running QA on known defects yields no new signal.

3️⃣ Loop ceiling protection • After each round,users are prompted: “已进行 N 轮，还有 X 个未解决的问题，要继续吗？” • Exceeding 5 rounds forces termination and prints remaining issues + root‑cause analysis .

4️⃣ Docs as contract • Every agent writes into / directory using immutable incremental markdown files . New sections are prepended;historic sections stay untouched. • This creates an auditable trail: what was predicted,how it was handled,what finally passed. The trail becomes input context for next feature.

Below is an honest defect list:

#painpoint #紧张 - Each additional round inflates token consumption dramatically. By round 3+ reading all prior docs costs tens of thousands of tokens. #painpoint #模型共享导致盲区 - Review & QA share same model family ⇒ overlapping blind spots. #painpoint #小任务过度流程化 - Fixing a typo doesn’t need full pipeline. Currently classification of “small task” relies on intuition. #painpoint #retro→memory闭环薄弱 - Memory should be consulted already during design。but today it’s mostly used by review’s pre‑commit predictions. #painpoint #项目上下文缺失 - The system assumes a well‑filled CLAUDE.md . An empty or stale file leads every agent astray.

These gaps guide future work: automatic summarization of historic docs,cross‑model code reviews,rule‑based small‑task bypass detection,tighter retro→design integration,and tooling to validate CLAUDE.md health.

#painpoint #长期价值

If you take away one thing it’s this:

The most valuable loop isn’t dev → review → qa – it’s retro → memory → next feature.

Code loop guarantees this iteration doesn’t break. Evolution loop guarantees next iteration is stronger – automatically.

Six months ago memory was empty;pre‑commit predictions were pure intuition . Six months later memory holds seven hard‑won patterns . Review now seeds predictions from se patterns – hit rate climbs above 70% without any model upgrade.

The strict memory admission rules aren’t about storage cost – y protect calibration feedback loop. One noisy entry drowns out signal and drops predictive precision.

Thus prediction hit/miss metrics become measurable calibration feedback: 1️⃣ What was predicted?不过，2️⃣ What actually surfaced?

Missing categories expose cognitive blind spots → next iteration focuses re.

In contrast,a static prompt engineering loop lacks memory & calibration – it merely retries until luck wins.

A learning loop accumulates across three dimensions: 1️⃣ Knowledge – hard lessons become reusable assets. 2️⃣ Calibration – blind spots shrink over time. 3️⃣ Process – each rule originates from previous cycles.

That compound growth is true compound interest。not just short-term speed gains.

整套程序已经开源：

bash git clone https://github.com/Peakstone-Labs/claude-ship.git cd claude-ship ./install.sh # 拷贝进 ~/.claude，就可以使用

随后在任意项目里：

/clarify /architect /third_party_review /ship /retro

若想启用跨厂商评审，只需复制 third-party-review.d/provider.env.example 为 .env 并填入对应端点信息。

开源不是因为它完美，而是因为它仍然有缺陷。我们希望更多人使用后反馈哪里设计错了让程序在公开迭代中不断自我强化。

快速开始建议

从 Review 与 Retro 开始，而非一次性开启全部七个 Agent。这些 Agent 的 ROI 最高 —— Review 阻止缺陷进入主干，Retro 把每次修复转化为永久记忆。 < li> 先写好 CLAUDE.md。所有 Agent 的有效性取决于项目上下文准确度。不过，一小时完善 CLAUDE.md 的收益远超一天调试 Prompt。< li> 把前几个 Feature 当作 Memory 投资，而非成本。前三轮循环可能看似 ROI 较低，但它们为随后 Feature 种下知识土壤。< / ol>

这套程序从未追求“完美”。只求每天比昨天更强一点，让每一次 Feature 少踩一个坑。六个月下来它实现了这一目标。

---