上周末，产品的同事问我，把我问住了。

"你现在一天写几条 Prompt？"

我想了半天发现这个问题越来越难回答。不是因为数量太多，而是因为我越来越不确定自己写的那些东西还能不能叫"Prompt"。

User Pain Points

对于许多工程师而言：

• 时间压力每天被迫在有限的工作时段内完成无数回合调试与修正。
• 记忆负担每一次新的 Prompt 需要手动记录上下文，否则下次无法快速复现。
• I/O 成本攀升频繁调用大模型导致算力费用飙升，让预算紧张。
• Bottleneck 人为干预当 AI 输出不可接受时只能靠人工回滚或重写 Prompt，耗时且易出错。
• 没有统一监控面板，很难追踪每一次迭代的状态和质量。

这些痛点正是 Loop 所要解决的主要问题之一。说起来，

过去。我把工作拆成几个独立步骤，每一步都依赖我的注意力、上下文记忆和决策带宽。AI 跑得再快，却还得等我回来下一条指令。

所有人都在同一时间说同一件事

月初，黄仁勋抛出一句让 Prompt 工程师脊背发凉的话：

几乎同时Claude Code 的负责人 Boris Cherny 公开说："我不再 prompt Claude 了。我有 loop 在跑，是 loop 在 prompt Claude 并决定接下来做什么。" 他给出的数字更吓人：一个月删了 IDE。提了 个 PR，一行代码都没自己敲。

接下来是 OpenClaw 作者 Peter Steinberger 的每月一喊："别再手写提示词了设计循环才是王道。" Karpathy 在谈他的 AutoResearch 项目时把主要原因概括成四个词：generation → execution → evaluation → improve。至于吴恩达更直接，到 个月后prompt 将被 loop 取代。

Athropic 内部数据显示超过 % 的工程师已经在用 self‑improving loop，并预计 - 个月内达到 %. Claude 写的代码占合并总量超过 %。话说回来，

你以为是 Agent。其实是 Loop

"这不就是 Agent 吗？搞个新概念出来干嘛，"

区别很清楚。Agent 是干活的那个角色；Loop 是让这个角色不用你盯着也能持续干活的管理方法。

Loop Engineering ← 你在这一层：设计自动运转的程序
Harness Engineering ← Agent 运行环境和工具
Context Engineering ← 给 Agent 喂什么信息
Prompt Engineering ← 怎么写指令

前三层假设你坐在键盘前逐行指挥 AI，而 Loop Engineering 要把你从这个位置上移走。

Loop 的五个零件

• . 调度: 定时触发任务，如 cron 表达式；自动归档与 triage inbox；防止通知淹没，
• . 工作隔离: 每个 Agent 在独立分支工作；解决冲突，但仍需审查带宽。
• . 技能文件: S​KILL.md,存储项目约定与经验； 让 Agent 自动获取上下文。
• . 连接器: MCP 接口，让 Agent 与 issue tracker、数据库、Slack 等交互；实现真正流程闭环，
• . 子 Agent: “生成者不许给自己打分”。拆开编写与审核，实现对抗验证与无监督运行。

最关键的一步，最容易被跳过—验证过程的关键性

Athropic 和 Codex 都提供 /goal: 给可验证停止条件。如"tag/auth tests all pass and lint zero errors""；怎么说呢，随后独立模型判断是否满足。不让编写者知道标准，也不让检查者知道实现细节，从而防止自信偏差。不过，

Loop 的四个隐形成本

• 验证债务：Athoric 内部案例显示。一个晚上跑完后第二天就有多个 PR 合并，但整体质量随时间累积下降。
• 理解腐化：Athoric 指出。当代码由 Loop 写成后对其结构与边界理解变薄弱，即使模块运作正常也难以解释为何如此实现。说起来，
• 认知投降：Ashburn Ronacher 等人担忧。一旦循环顺利完成，人们往往放弃主动思考，将决策交给程序，从而失去判断力训练机会。
• TOKEN 失控：Athorics 报告称。当 Loop 未设置预算上限时可产生数十小时计算资源消耗，相当于“美元算力豪赌”。

如何避免上述成本？——建立健壮 Loop 的四条经验法则：

1. 明确目标 & 停止条件—越具体越好，让模型清晰知道何时停止尝试；如果目标模糊，会出现“自以为已完成”的情况；建议使用 BDD 或 Acceptance Criteria 明确描述预期行为。并将其编码进 /goal .
2. 独立评估 – 不让编写者参与评估，让检验者对代码持怀疑态度，可采用不同模型或不同参数，以增加检验准确性；老实说，若评估者一样具备编程能力。可用双签名机制或链式校验确保判定可信度.
.
3. 持续回溯 – 每轮循环结束后自动保存完整日志，以便日后重现和审计;若缺乏日志，则可能导致“理解腐化”.
.
4. 资源管控 – 为每个 Loop 设置 token 限额或最大执行时间。并建立告警机制防止无休止循环;可以将此配置绑定至 CI/CD pipeline 中，实现安全治理.
.

注:

本框仅展示四条经验法则

实际项目中应根据业务场景进一步细化。.



如果想了解更多请访问GitHub 仓库地址.
.

1. Boris Cherny。X post,June . x.com/rohanpaul_a…↩︎

Boris Cherny。X post,June . x.com/rohanpaul_a…↩

Peter Steinberger。X post,June . x.com/steipete/st…↩

Andrej Karpathy,AutoResearch project & interviews,March-June . ↩

吴恩达。"Prompt will be replaced by loops in - months",June . ↩

Addy Osmani,"Loop Engineering",June . addyo.substack.com/p/loop-engi…↩↩⟨sup⟩ ↩⟨sup⟩