如果你过去半年用过 Claude Code、Codex、Workbuddy 或者 Kimi Work，你可能已经感受到了那种变化——不再是一句一句教 AI 干什么，而是把需求扔进去，它自己写、自己跑、报错了自己改，直到把东西做出来。
这种「自己转起来」的感觉，背后是一种正在快速成为共识的工程范式：Loop 工程。
6 月，OpenClaw（龙虾）创始人 Peter Steinberger 一条推文引起大量讨论：「你不该再给 Coding Agent 写提示词了，你应该设计 Loop。」在此之前不久，Google 工程负责人 Addy Osmani 系统性地整理了 Loop 这一概念。而最早让 Loop 发光发热的，是 Claude Code 创始人 Boris Cherny——他在 6 月底公开了 Claude Code 里四种 Loop 原语。
不到一个月，Loop 工程从行业暗语变成了主流焦点。
但大多数人只看到了「效率提升」这一层。如果我们拆得深一点，会发现这背后有一个更根本的变化正在发生：人类正在被从循环的中心推出去。这个变化的影响，远比「写代码更快」深远得多。
一、从写提示词到设计 Harness：Agent 到底多了什么？
过去讲 AI 使用，绕不开提示词。你让模型写代码、改文档、做研究，提示词写得越细，结果越像样。但模型走向 Agent 之后，情况变了——模型不只要回答，还要知道什么时候读文件、什么时候跑命令、什么时候查网页、什么时候停下来问人。提示词工程不够用了。
于是出现了 Harness 工程——模型外面那套运行框架，负责接工具、管权限、塞上下文、存状态。模型还是负责推理和生成，但它被放进了一个能执行任务的环境里。
Loop 工程又往前走了一步：它关心怎么让 Agent 围绕一个目标不断循环地运作。
用户给出目标 → Agent 理解任务 → 拿上下文 → 调用工具 → 观察结果 → 判断是否完成 → 没完成就继续改 → 继续跑 → 继续检查。这个过程看起来像人类工作的日常：先做一版，发现问题，再修一版，直到结果能交付。
所以 Loop 的重点不在「循环」这个词本身，而在循环里到底放了什么，以及——谁在决定循环什么时候停止。
二、四类循环原语：Agent 知道什么时候该干什么
Anthropic 在 6 月底的博客中把 Loop 分成四种：
- Turn-based（回合制）——你每发一条消息它回一条，这是最传统的人机对话模式。
- Goal-based（目标驱动）——「帮我写个登录页面」，它写、测、改，自己迭代直到完成。这是 Claude Code 和 Codex 的默认形态。
- Time-based（定时触发）——让它每隔两小时自动去检查某个 PR，有更新就帮你 review。Agent 开始有了「主动值守」的能力。
- Proactive（主动式）——更激进。Agent 自己发现问题、自己开干。比如发现测试覆盖率下降了，自己去补测试用例。
前两种保持人作为「触发源」——人先动，Agent 再动。后两种把触发权交了出去——Agent 开始在时间维度上和状态维度上自主行动。
这四种类型的出现顺序不是巧合。从回合制到主动式，每一个台阶都是把更多决策权从人手里转移到系统里。Proactive Loop 的本质，是 Agent 获得了「判断什么事值得做」的能力——哪怕只是最朴素版本的。
三、但真正的洞见来自吴恩达：三层 Loop 嵌套模型
吴恩达在 6 月 30 日的 The Batch 通讯中给出了一个更完整的框架。他没有停留在「Agent 怎么写代码」，而是把 Loop 放进产品构建的完整脉络里，画出了三个同心圆：
| 循环层级 | 节奏 | 谁在跑 | 它决定什么 |
|---|---|---|---|
| Agentic coding loop | 秒到分钟 | Agent 自己 | 写、测、迭代代码，直到通过测试 |
| Developer feedback loop | 数十分钟到数小时 | 开发者 | 审产品方向、调整规格、校准目标 |
| External feedback loop | 数小时到数周 | 用户和市场 | 内测反馈、A/B 测试、生产数据反哺产品定义 |
注意一个关键模式：越往外层，循环越慢，验证者越「人」。
最内层的 Agent 可以用测试用例自我验证——代码过了测试就是过了，没有主观判断空间。但到第二层，开发者要判断「这个方向对不对」「这个用户体验好不好」——这没法自动化。到最外层，用户和市场反馈需要数天甚至数周才能收敛——没有任何 AI 可以替你把这件事加速。
吴恩达在这里有一个非常重要的观点修正。很多人把人类在 AI 时代能保留的价值概括为「品味」——一种难以言说的审美和判断力。吴恩达换了一个更精确的词：「情境优势」（context advantage）。
「只要人类知道一些 AI 不知道的事情，人就需要在循环中注入这些知识。」
品味听起来像天生的、不可教的。情境优势则告诉你，你要往循环里编码的具体是什么：那些你比你用的模型更了解的用户、业务和问题的信息。
这才是你在循环外要提供的真正价值——不是「比 AI 更有品味」，而是「知道 AI 不知道的上下文」。
四、那么，谁在决定「好了」？——验证者瓶颈
上面这个框架引出了 Loop 工程里最容易被忽视的问题：验证者瓶颈。
在一个没有人类干预的闭环里，Agent 会一直跑到满足某种停止条件为止。但如果停止条件定义得不好——或者说，如果你没有把「情境优势」编码到验证机制里——Agent 会安静地变成一台非常昂贵的垃圾生成器。
AI Builder Club 在 6 月发布的 Loop 工程指南里一针见血：「在任何 Loop 中，验证者是瓶颈，不是模型。」
这在工程上意味着什么？
- 如果你依赖人工目测验证——你在把第二层 Loop 的节奏拖到分钟级。人成了最慢的一环。
- 如果你用测试用例自动验证——你只能验证「对不对」，不能验证「好不好」。
- 如果你用另一个模型做验证者——你引入了级联幻觉的风险。
- 如果你把验证完全交给用户——你在把最外层的数周节奏拉到最内层，整个系统失速。
这也是「情境优势」概念如此重要的原因：它告诉你验证者的瓶颈不在模型能力，而在你没有把你知道的东西写出来。
你比模型更了解你的用户为什么会在第三步放弃注册流程。如果你不把这个知识写进验证条件，Agent 永远不知道哪里出了问题。
五、推演：这个框架在别处也好使
三层 Loop 模型不只适用于 Coding Agent。把它套到其他场景，一样有解释力。
场景一：数据分析 Agent。 最内层，Agent 自己跑 SQL、出图表、做描述统计（秒级）。第二层，数据科学家审结果、问「这个异常值你考虑了吗」、调分析方向（小时级）。最外层，业务部门用分析报告做决策，反馈分析框架本身要不要调整（天到周级）。很多数据分析产品死在第二层——科学家成了人工审核流水线。
场景二：客服 Agent。 最内层，Agent 直接处理常见问题（秒级）。第二层，质检团队 review 对话记录，迭代知识库（小时级）。最外层，用户满意度调研 + NPS 数据迭代客服策略（周级）。这里致命的陷阱是：如果没有外部反馈 Loop 的输入，知识库迭代会越来越脱离真实用户诉求。
场景三：销售内容生成 Agent。 最内层，Agent 按模板生成个性化邮件（分钟级）。第二层，销售负责人审内容风格与合规性（小时级）。最外层，客户回复率数据调整话术方向（天到周级）。这里最常见的问题是：团队试图把所有验证都塞到第一层 Loop 里自动完成，结果生成了一堆合规但没人回复的邮件。
这三个场景的共同模式：凡是试图把第二层、第三层的验证自动化塞进第一层的，都做不深；凡是清晰划分了三层 Loop 的节奏，让人和 AI 各守其位的，都能持续迭代。
那不是技术问题，是系统设计问题。
六、对你来说，这意味着什么
Loop 工程不是又一个技术概念，它是人机关系的一次结构性重组。
过去三年，我们使用 AI 的方式经历了几次变化，但底层逻辑没变——都是人发指令，AI 执行，人再判断结果。人一直在循环里，是驱动整个系统的核心。Loop 工程第一次把人从循环的中心移到了循环的外面。从司机变成了导航。
这个变化对三类人有不同的含义：
- 如果你是开发者——你的核心竞争力不再是写多好的提示词，而是定义问题、设计验收标准、把你「知道而模型不知道」的情境优势写进验证机制的能力。你应该停止问「模型能不能写这个功能」，开始问「这个 Loop 应该怎么设计，才能让 Agent 自己把它跑通」。
- 如果你是产品经理——你需要重新理解迭代速度。最内层的编码 Loop 会被加速到秒级，但第二层的产品判断和第三层的用户反馈不会变快。产品团队的压力会从前端移到抽象层——规格定义和验收标准的质量，将直接决定 Agent 产出的质量。
- 如果你是业务方——你掌握的那个具体的、未被模型编码的业务知识，比以前更值钱了。「情境优势」不会自动被 AI 取代——只要你还知道一些模型不知道的事，你就需要在循环里。你需要的不是学会写提示词，而是学会把你脑子里的业务知识结构化成「验证规则」。
回到开头那个几乎每个人都有的直觉——「AI 像个聪明但没经验的实习生，我得看着它。」Loop 工程的设计目标，就是让这个「看着」从微观管理变成目标管理。
你不是在管 Agent 每一步做什么了。你是在设计让它能有效工作的系统。
这是 2026 年最重要的 AI 认知升级——不是关于模型，是关于我们和模型的关系。
来源：
- 36氪《全球Agent都在卷的「Loop工程」：AI自己干活、监工和返工》
- Anthropic Blog: Getting Started with Loops (claude.com/blog/getting-started-with-loops)
- Andrew Ng, The Batch, June 30, 2026
- AI Builder Club: Loop Engineering Guide (2026)
- Addy Osmani / Peter Steinberger 社交媒体推文