AI 圈这几年，「关键技能」换得比程序更新还勤：

前年——不会 prompt engineering好像就要掉队；去年——同一批声音说 prompt 过时了得学 context engineering；今年 月——harness engineering 又上了热搜。

这才 月，第四个词来了：Loop Engineering。

一、它解决什么问题？说到使用者痛点，手动操作瓶颈

过去两年用 coding agent。基本是回合制：你写一条 prompt，它回一段，你再写一条。 agent 是工具，你全程握着它。 你不在它就停，

二、Loop Engineering的本质：从手动到自动化的转变

一句话定义的观点是。把「亲自给 agent 写 prompt 的那个你」替换掉，转而去设计那个代替你做这件事的程序。

• 痛点1: "好prompt消耗品" vs "好loop资产化"
  • 传统方式的观点是，
  "每次任务都要重新构思prompt语句" →
  • 再看新方式。
  "设计一次loop后可持续使用"
  • "循环机制让AI继续调整迭代"

• 痛点2: "工作方式升级"
• 从表面现象来看，
"工作变轻松了吗?"
• 真实本质的观点是，
"杠杆支点换地方 - 需要更高层次思考"
• "从'写单个指令'到'设计程序架构'" → 更难但更有价值!"
• "触发/并行/验收/状态/止损等多维度考量"

三、实战架构三层分析

触发层 - 心跳机制

• '定时扫CI' → 自动检查持续集成结果
• 'merge后检查文档' → 源码变更自动同步文档
• 'Claude Code /loop 10m' → 每10分钟自动循环执行
  - ⚠️警告⚠️注意事项： - 不要只依赖简单定时器 - 需设置智能判断条件
  "
  - 💡常用方法： - /goal命令+条件判断 - 自验证机制防止假完成声明"

  执行层 - 分工协作

  "

  • 'git worktree隔离目录' → 防止多agent互相影响
  • '写和查严格分离' → 内部评估不可靠!
    - ⚠️警告⚠️常见误区： - 不可让同一个模型既生产又验证 - 需专门审核agent确保质量"

    接地气 - 人机协同

    "

    • '规范记录' → 人类可理解的标准
    • '状态记录' → 转移控制权的交接清单
    • 'PR自动化/收件箱分流' → 按优先级分配任务"

四、文档漂移实例演示

"
'

trigger:
type pullrequestmerged | scheduleweeklymonday

execution:
mainagent:
actions checklinks,images。metadata
worktrees createperissue

reviewagent:
tasks validatechanges only

grounding:
standards SKILL.md repositoryroot/
statetracking docs/loop-state.md persistent
automation openPRorinbox asneeded'


'




方案特征
传统方式
Loop方案'
高
低'





高
低'



中
高'