Loop Engineering（循环工程）

Loop Engineering（循环工程）

模式概述

一句话概括：用你设计的系统来替代你自己去 prompt Agent。

Loop Engineering（循环工程）是2026年6月在 AI 编程社区迅速传播的一个新概念。2026年6月7日，OpenClaw 创始人、OpenAI 开发者 Peter Steinberger 在 X 平台发布推文："Here's your monthly reminder that you shouldn't be prompting coding agents anymore. You should be designing loops that prompt your agents."（每月提醒：你不该再给编程 Agent 写提示词了，你应该设计循环来提示你的 Agent。）这条推文在24小时内突破数百万浏览量，引发全网热议。

其核心主张是：不应该再给编程 Agent 写提示词，而应该设计一套能让 Agent 自主迭代的循环系统。继 Prompt Engineering、Context Engineering、Harness Engineering 之后，Loop Engineering 成为 AI 工程方法论的第四次范式跃迁，标志着人在 AI 工作流中的角色从"逐句指挥者"转变为"系统设计者"。Google 工程师 Addy Osmani 系统整理了这一概念，Anthropic Claude Code 负责人 Boris Cherny 也公开表示自己已完全停止手动输入提示词，日常工作仅搭建循环框架。

核心模块

Loop Engineering 的骨架由五个核心要素构成，缺一不可：

要素 1：明确目标

目标不是一条具体的指令，而是 Agent 要达成的最终状态描述。例如"修复这个 bug 并通过所有测试"，而不是"先读文件，再找到第 42 行，然后把 x 改成 y"。

要素 2：上下文管理

Agent 在每次迭代时需要知道：之前做了什么、结果如何、当前状态是什么。上下文管理负责维护这些信息，确保 Agent 能做出有依据的决策。

要素 3：可调用工具

Agent 需要通过工具与外部世界交互：读写文件、运行测试、调用 API、搜索文档等。工具定义了 Agent 的能力边界。

要素 4：产出评估

每次迭代后，系统需要判断当前结果是否达标。评估可以是自动的（如测试通过率）或人工的（如代码审查）。

要素 5：停止标准

停止标准防止 Agent 陷入无限循环，同时控制 Token 成本。常见的停止条件包括：目标达成、达到最大迭代次数、成本超过预算。

架构图

上图展示了 Loop Engineering 的核心循环：人类在最顶层定义目标和停止标准，Loop 系统自动完成"发现工作 → 分配 Agent → 执行 → 验证 → 决定下一步"的闭合回路。

工作流程

1. 步骤 1：定义系统 — 人类设定目标、配置工具、定义评估标准和停止条件。这是人类唯一的"手动"步骤。
2. 步骤 2：启动循环 — Loop 系统根据目标分析当前状态，确定第一步要做什么。
3. 步骤 3：分配执行 — 系统将任务分配给 Agent，Agent 调用可用工具执行。
4. 步骤 4：验证结果 — 系统评估 Agent 的产出是否达标。
5. 步骤 5：决策分支 — 如果达标，停止并交付结果；如果不达标，更新上下文，回到步骤 2 继续迭代。

五种 Loop 模式

根据任务特点，Loop Engineering 提供了五种典型模式：

执行示例

以"修复一个导致测试失败的 bug"为例，使用 Retry Loop 模式：

1. 定义系统：目标是"所有测试通过"；工具包括文件读写、测试运行；停止标准是测试全部通过或重试 3 次。
2. 第一次迭代：Agent 分析失败的测试，定位到 utils.py 第 42 行的类型错误，修复后运行测试——仍然失败。
3. 第二次迭代：Agent 发现还有一个相关的边界条件未处理，补充修复后运行测试——全部通过。
4. 停止：目标达成，Loop 结束。

整个过程中，人类只在第一步定义了目标和规则，后续所有决策都由 Loop 系统自动完成。

适用场景

适合的场景

1. 代码修复与重构：目标明确（测试通过、lint 通过），适合 Retry Loop 或 Plan-Execute-Verify。
2. 多步骤复杂任务：需要分阶段执行并验证的任务，适合 Plan-Execute-Verify。
3. 方案探索：不确定最佳方案时，适合 Explore-Narrow 先发散再收敛。
4. 高风险操作：涉及生产环境或敏感数据时，适合 Human-in-the-Loop 保留人工控制。
5. 长期维护项目：需要持续响应变化的系统，适合 Lifecycle Loop。

不适合的场景

1. 简单单次任务：如果任务只需一次执行就能完成，Loop 的额外开销不值得。
2. 成本敏感场景：Loop 的多次迭代会消耗大量 Token，成本可能超出预算。
3. 需要精确控制每一步：如果业务流程已完全标准化，确定性 Workflow 比 Loop 更合适。

与其他范式的关系

优劣势分析

常见误区

思考题

初级：Loop Engineering 的五要素是什么？

参考答案：

五要素是：明确目标、上下文管理、可调用工具、产出评估、停止标准。这五个要素共同构成了 Loop 系统的骨架，缺一不可。

中级：Retry Loop 和 Plan-Execute-Verify 的区别是什么？分别适合什么场景？

参考答案：

Retry Loop 是最简单的 Loop 模式，逻辑是"执行 → 检查 → 失败则重试"，适合目标明确、有清晰 pass/fail 标准的原子任务（如修复 lint 错误）。

Plan-Execute-Verify 更复杂，先生成完整计划，再分步执行并验证，失败时可以重规划，适合多步骤复杂任务（如实现一个新功能）。

中级：Loop Engineering 和 Prompt Engineering 的本质区别是什么？

参考答案：

Prompt Engineering 关注的是"如何写好单条提示词"，人是执行者，Agent 是指令接收者。

Loop Engineering 关注的是"如何设计循环系统"，人是系统设计者，Agent 是自主执行者。Loop Engineering 的核心主张是"不要再写提示词，而是设计能让 Agent 自主迭代的系统"。

参考资料

1. SegmentFault 思否：Loop Engineering 是什么?2026 年最热 AI 工程方法论完全解析
2. 菜鸟教程：Loop Engineering(循环工程)
3. 腾讯云开发者：Loop Engineering入门系列03:AI Agent自动化的5种Loop模式和决策表
4. CSDN 博客：Loop Engineering:AI 编程范式的下一次跃迁