上个月刚把我做的 HiCAD AI 渲染引擎发布！一句话生成酷炫 3D 模型项目加上了 Harness Engineering还没来得及写文章分享。AI 圈就出了“大事”：

6 月 7 号谷歌工程师 Addy Osmani 发布了一篇题为《Loop Engineering》的文章，正式将这个正在 AI 编程圈悄然兴起的新范式推向了大众视野。

短短三天这篇文章就引发了全球开发者社区的热烈讨论，被称为 “AI 编程的第三次革命”。

而且很多 AI 圈技术大佬早已带头掀起了 “AI Loop” 的热潮，比如：

作为一名 AI 技术博主，我花了 3 天时间。整理和实践了 Loop Engineering 范式，下面我就和大家详细聊聊这个技术，并在文章最终给大家一个详细且完整的 Loop 工程化代码案例，方便大家上手 Loop Engineering。

什么是 Loop Engineering？

Loop Engineering 是一种全新的 AI 编程思想。用大白话就是我们不用手动向 AI 编程工具一条条地输入提示词，而是通过设计一个能够自动发现需求、分发任务、检查成果、记录当前状态并决定接下来做什么的自循环程序。

这个程序会不断地调用 AI 模型/工具，直到我们指定的目标被达成为止。

它有点像工程学里的 PDCA 循环，但更强调“自动化闭环”。

使用者痛点：

• 手工编写 Prompt 费时费力、容易忘记细节。
• 容量有限，长对话会丢失关键信息。
• 调试过程缺乏可重复性，结果难以追溯。
• 成本难以控制，AI 调用次数不可预估。

AI 编程的三次革命：Prompt Engineering 到 Loop Engineering

AI 编程在短短三年内经历了三次重大的范式转变，每一次变革都极大地提高了我们的编程“生产力”。从单纯化思想，再到现在的 Loop Engineering。

痛点回顾：

• Prompt Engineering：每个需求都要重新写 Prompt，效率低下。
• Context + Harness：虽然解决了记忆问题，但仍需人工干预循环步骤。
• Loop Engineering：目标是彻底消除人工干预，让程序自行迭代到完成目标。

四层架构概览

1. Prompt 层: 解决 “怎么问”——角色设定、输出格式、示例等。
2. Context 层: 解决 “让 AI 看到什么”——RAG、记忆管理、文件检索等。
3. Harness 层: 解决 “AI 在什么环境里工作”——工具调用、沙箱、权限控制、业务规则等。
4. Loop 层: 解决 “AI 做完一步后怎么办”——自动检查、修正、继续或停止条件。

Loop Engineering 的主要原理

Addy Osmani 提出的通用五阶段循环适用于单 Agent 与多 Agent 场景：

• Discover: 自动识别需求或错误。
• Plan: 制定实现步骤与所需资源。
• : 调用模型或工具完成任务。老实说，

Oops stop.

上个月刚把我做的 HiCAD AI 渲染引擎发布！一句话生成酷炫 3D 模型项目加上了 Harness Engineering。AI 圈随后爆出“大事”：6 月 7 日谷歌工程师 Addy Osmani 发布了一篇题为《Loop Engineering》的文章，将这个正在 AI 编程圈悄然兴起的新范式推向大众视野。短短三天这篇文章就在全球开发者社区掀起热烈讨论，被冠以 “AI 编程的第三次革命”。很多技术大佬已经带头掀起 “AI Loop” 热潮。作为一名 AI 技术博主，我花了 3 天时间梳理并实战验证 Loop Engineering。现在把完整思路和可直接运行的代码案例分享出来方便你落地。

Loop Engineering 是一种全新的 AI 编程思维方式：

• 不再手动逐条输入 Prompt；老实说，而是设计一个能够自动发现需求、分发任务、检查成果、记录状态并决定接下来行动的自循环程序。
• The system continuously invokes LLMs / 工具 until predefined goal is achieved.
• This mirrors classic PDCA循环，但把“Check‑Act”交给模型自动完成。

• 💩 手工编写 Prompt 耗时且易遗漏关键约束；
• 📦 容量有限，长对话会导致信息遗忘或漂移；
• 🔧 调试过程缺乏可复现性，每次运行结果都不一致；
• 💰 API 调用成本不可控，一不小心账单爆表。

The past three years have seen three paradigm shifts:

1. PROMPT ENGINEERING：The era of carefully crafted prompts to coax LLMs into generating code.
2. CUSTOM CONTEXT & HARNESSED TOOLS：Add context retrieval,skill libraries and sandboxed execution.
3. L​oop​ ENGINEERING：The system itself becomes a self‑running agent that iterates until success.

四层架构

1. PROMPT 层："怎么问"——角色设定、输出格式模板、示例等。帮助模型快速定位任务语义。

   continue?

   上个月刚把我做的 HiCAD AI 渲染引擎发布！一句话生成酷炫 3D 模型项目加上了 Synth Harness Engine。随后 AI 圈爆出“大事”：6 月 7 号谷歌工程师 Addy Osmani 在博客发布《Loop Engineering

   • 不再手动逐条输入 Prompt。而是设计一个能够自动发现需求、分发任务、检查成果、记录状态并决定接下来行动 的自循环程序
   • The system continuously calls LLMs / 工具直至满足预设目标，相当于把 PDCA 循环嵌入到代码生成流程中。
   • A loop runs autonomously – developers only need to define *what* to achieve,not *how* step‑by‑step.上个月刚把我做的 HiCAD AI 渲染引擎发布！一句话生成酷炫 3D 模型项目加上了 Synth Harness Engine。随后 AI 圈爆出“大事”：6 月 7 号谷歌工程师 Addy Osmani 在博客发布《Hello Loop Engineering!
     • # 主要理念： 不再手动逐条输入 Prompt。而是设计一个能够自动发现需求、分配任务、执行检查、记录状态并决定接下来行动 的自循环程序
     # 程序会不断调用 LLM / 工具直至满足预设目标，相当于把 PDCA 循环嵌入到代码生成流程中。 continue?

   Continue?

   Bingo!上个月我的 HiCAD AI 渲染引擎上线，一句话即可产出酷炫·. 我给它装配了Synth Harness Engine。随后在 6 月 7 日 Google 工程师 Addy Osmani 推出了《Hello Loop Engineering!》，将这股正悄然崛起的新范式推向大众，仅三天便在全球开发者社群掀起激烈讨论。被冠以 "AI 编码第三次革命" 的美称。目前已有不少业界领袖开启 "Ai·Loop"，形成热点趋势。我本人耗时 ３天 完整梳理并实战验证 Loops。并将在这篇文章底部奉上一套 完整可运行 的代码示例，让你即刻踏入 Loops 世界，实现真正意义上的「程序自己改」 🚀。

   Loops 即通过「Discover → Plan → Execute → Verify → Iterate」五阶段闭环，自主驱动 LLM 持续迭代直至达成既定 Goal。这种方式根本改变原有方式「一次性提示词」模式，使得「如何提问」转变为「如何建立反馈回路」——我们只需描述 What 而不是 How。

   常见痛点 👇︎︎︎︎︎︎︎︎︎︎︎︎︎:

   • PROMPT 疲劳：每个功能都要重新撰写冗长提示词，大幅消耗人力成本；
   • 从K上下文瓶颈来看。LLM 有限导致信息遗忘，引发重复劳动；
   • AUTOMATION 缺失：缺少统一调度机制，需要人工介入每一步骤；
   • COST 难控：API 调用次数不可预测，一旦失控账单瞬间飙升。<\/ul>

   A.I 编码“三次革命” — 从 PROMPT 到 HARNESSED 再 到 LOOP ♻︎⁣⁣⁣⁣⁣⁣⁣⁢⁢⁢⁢⁢⁢⇆⇆⇆⇆⇆⇆⇆⇆⇆↺↺↺↺↺↺↺↺ ↞ ↞ ↞ ↞ ↞ ↞ ↞ ↞ ⇤ ⇤ ⇤ ⇤ ⇤ ⇤ ➜ ➜ ➜ ➜ ➜ ➜ ➜ ➜ ⚙ ⚙ ⚙ ⚙ ⚙ ⚙ ⁠

   \t• PROMPT ENGINEERING —— 单轮交互逼出源码。\t• CONTEXT+HARNESS —— 引入 RAG 与沙箱，让模型拥有持久记忆与安全执行环境。\t• LOOP ENGINEERING —— 建立自驱动闭环，实现全流程自动化。<\/div>

   四层架构概览 🔧 ⬆︎⬆︎⬆︎⬆︎⬆︎⬆︎⬆︎⬆︎⬆︎ ⬇ ⬇ ⬇ ⬇ ⬇ ⬇ ⬇ ⬇ ⬇ ❓❓❓ ❔❔❔

   ＜LI＞PROMPT 层 : 定义「怎样提问」——角色设定／输出格式／示例模板。＜\/LI＞ ＜LI＞CONTEXT 层 : 定义「让 Model 看见何物」——RAG 检索／文件检索／长期记忆。＜\/LI＞ ＜LI＞HARNESS 层 : 定义「Model 工作环境」——工具链／沙箱／权限控制＋业务规则。＜\/LI＞ ＜LI＞LOOP 层 : 定义「一步完成后怎么办」——结果校验／错误修复／是否继续。＜\/LI＞ <\/OL>

   ---

   Loops 的主要原理 ✨✨✨✨✨✨✨✨✨✨ ✨ ✨ ✨ ✨ ✨

   ＜ LI ＞Discover ： 自动扫描仓库/Issue/监控日志寻找待处理问题 ＜ \/ LI ＞ ＜ LI ＞Plan ： 结果制定具体 Action Plan ＜ \/ LI ＞ ＜ LI ＞Execute ： 调用相应 LLM/Tool 完成实际改动 ＜ \/ LI ＞ ＜ LI ＞Verify ： 自动跑测试/lint/安全审计 验证改动是否符合 Goal ＜ \/ LI ＞ ＜ LI ＞Iterate ： 若未达标则返回 Discover 或 Plan 重复循环，否则结束 ＜ \/ LI ＞ <\/OL>

   经验反思 —— 状态必须外部化 💾 📦 📦 📦 📦

   Every iteration re‑reads source files &amp，amp;amp，amp;amp，amp;amp，amp;amp，amp;a fresh prompt instead of relying on hidden conversation history. This eliminates context drift.
   

   Code snippet:

   while :;老实说，do cat PROMPT.md | claude-code;done<\/PRE>
   
   
   
   \ n
   
   
    Loops 六 大主要要素 🔑 🔑 🔑 
   
   . <="" automations="" h３>
   
   This component turns a single run into a repeatable schedule..>
   \N\N
   
   每天上午08∶30 自动触发 CI triage 脚本⌚⌚⌚<\/Li>\N
   
   PR 打开时立即启动 Code Review Agent<\/Li>\N
   
   每两小时检测性能基准并回滚<\/Li>\N<\/U l>\N
   
   E.g.,Claude Code 中声明如下:
   \N
   # schedule daily at 08:30 AM
   run \"triage-ci\" --schedule \"30 8 * * *\"
   # stop after all tests pass
   goal \"all tests pass\"
   <\/CODE><\/PRE>\N
   . <="" h３>
   
   If multiple agents act concurrently we must avoid file clashes..>
   
   

\N\N
2. Git worktree 为每个 Agent 提供独立工作目录。仅共享历史记录<\/Li>\N<\/U l>\N\N

   git worktree add ../agentA worktreeA
   git worktree add ../agentB worktreeB
   <\/CODE><\/PRE>\N
   . <="" h)
   A Skill packages project knowledge into reusable assets..>

\N\ Nd> SKILL.md 描述规范 <\/ Li \/> d> 可选脚本 <\/ Li \/> d> 示例数据 <\/ Li \/> <\/ U l \/> P r e S e n t e d s t r u c t u r e s A N D o f f e r s A P I.\ n H T M L S u p p o r t C o d e S n i p p e t s.\ n

Name	Description

"