AI开发范式的第四次跃迁：从Prompt Engineering到Loop Engineering

AI开发范式的第四次跃迁从Prompt Engineering到Loop Engineering文章目录AI开发范式的第四次跃迁从Prompt Engineering到Loop Engineering引爆点Prompt已死Loop当立一、概念辨析Loop 到底是什么1.1 一句话定义1.2 Loop 和 Agent 的关系1.3 旧范式的痛点人肉瓶颈1.4 新范式的本质目标驱动 自动验收二、落地现状双雄对峙2.1 Claude Code 体系2.2 OpenAI Codex 体系2.3 结论模型卷不出差别了差距在 Loop 编排三、实操指南怎么 Loop 起来3.1 准入测试4 个灵魂拷问3.2 最小可行 Loop 的 5 个组件3.3 核心设计原则拆卷子3.4 避坑指南3.5 核心指标每个被接受改动的平均成本四、历史演进四次范式跃迁结语从操作员到架构师引爆点Prompt已死Loop当立2026年6月NVIDIA CEO 黄仁勋在一次访谈中扔下了一颗炸弹“Nobody writes prompts anymore. The new job is to write and handle loops.”翻译过来就是——现在根本没有人写Prompt了新时代的核心工作是编写和管理Loop。他称这是定义2026下半年格局的转折点。这句话不是危言耸听。就在同一周Claude Code 的负责人 Boris Cherny 在 CNBC 的采访中说了一句更狠的“I don’t write the prompt anymore. Claude writes the prompt, and now I’m talking to that new Claude that is kind of coordinating.”我已经不写提示词了。Claude 自己写提示词而我在跟那个负责协调的新 Claude对话。OpenAI 工程师、OpenClaw 作者 Peter Steinberger 更直接他在 X 上发了条月度提醒“Here’s your monthly reminder that you shouldn’t be prompting coding agents anymore. You should be designing loops that prompt your agents.”月度提醒别再给编程 Agent 写提示词了。你应该设计 Loop让 Loop 去给你的 Agent 写提示词。三句话三个不同阵营的顶级玩家指向同一个方向。当大众还在卷怎么写好提示词的时候顶级圈层已经在谈怎么设计自动化闭环了。这个认知差就是本文要拆解的东西。一、概念辨析Loop 到底是什么1.1 一句话定义Loop循环 你不再亲手给 AI 下指令而是设计一个系统让系统替你下指令、替你验收、不合格自己重来直到活干完。用 Claire VoChatPRD 创始人的话说“It’s really just reminding people that you don’t have to use your human fingers to type in a prompt in order for your agent to do work on your behalf.”这其实就是在提醒人们你不需要用你的人类手指去敲提示词你的 Agent 才能替你干活。1.2 Loop 和 Agent 的关系这是被问最多的问题。答案很简单概念比喻职责Agent干活的员工执行具体任务写代码、查资料、发消息Loop管理这套人的制度发现工作 → 分配任务 → 验收结果 → 不合格打回 → 记录状态 → 决定下一步Agent 是干活的人Loop 是让这个人不用盯着也能持续干活的管理机制。1.3 旧范式的痛点人肉瓶颈回顾过去两年我们跟 AI 编程工具的交互模式是这样的你写 Prompt → AI 出代码 → 你读 → 你改 Prompt → AI 再出 → 你再读 → ...这个循环里人全程卡在中间。AI 每吐一口你就得嚼一下。AI 快了但人成了瓶颈。Google Cloud 工程主管 Addy Osmani 在他的博客里精准描述了这个问题“For like two years the way you got something out of a coding agent was you wrote a good prompt and shared enough context. You type a thing, you read what came back, you type the next thing. The agent is a tool and you are holding it the entire time, one turn after the other.That part is kind of over.”过去两年你从编程 Agent 那里拿到东西的方式是写好提示词给足上下文。你敲一个东西读返回结果再敲下一个。Agent 是个工具而你全程握着它一轮接一轮。这种模式基本结束了。1.4 新范式的本质目标驱动 自动验收Loop 的核心是两个关键词目标驱动Goal-Driven你不再说怎么做你只说做到什么程度算完自动验收Auto-Verification有一个独立的裁判来判断工作是否合格而且这个裁判不能是干活的那个人Andrej Karpathy 最近反复引用的一句话精准概括了这层关系“You can outsource your thinking, but you cannot outsource your understanding.”你可以外包你的思考但你没法外包你的理解。Loop 不是让你撒手不管。它是让你从操作员变成架构师——你不再亲自拧螺丝但你设计了整条流水线并且知道什么时候该喊停。二、落地现状双雄对峙目前围绕 Loop 形成了两大产品阵营而且有趣的是它们的能力图谱惊人地一致。2.1 Claude Code 体系Claude Code 的 Loop 体系围绕三个核心原语展开原语功能本质/goal设定目标AI 持续工作直到验收条件满足“干到合格为止”/loop按时间间隔重复执行任务“每隔 X 分钟检查一次”/schedule定时任务 Cron 调度“每天早上 9 点跑一遍”最值得关注的设计是Evaluator Architecture验收器分离Claude Code 的/goal在每一轮工作后会用**一个独立的小模型Haiku**来检查目标达成了吗。这个设计哲学很关键——写代码的模型不能给自己的作业打分它会对自己太宽容。Boris Cherny 在 Anthropic 开发者大会上透露自 Opus 4.5 以来他个人的所有代码都是 Claude Code 写的。他说“接下来是循环——Agent 之间互相提示中间无需人工审核。”2.2 OpenAI Codex 体系Codex 的 Loop 体系更强调自动化流水线 多子 Agent 并行Automations自动化定时触发的工作流结果汇入 Triage 收件箱Subagents子 Agent定义在.codex/agents/中的专用 Agent可并行执行Worktrees工作树每个线程独立的 git 工作区互不干扰云端沙箱Agent 在云端并行工作不占用本地资源Peter Steinberger 分享了他的典型 Loop“Tell Codex to maintain your repos, wake up every 5 minutes and direct work to threads. That makes it easy to parallelize steer work as needed.”告诉 Codex 维护你的仓库每 5 分钟醒来一次把工作分发到不同线程。这让并行化和按需调度变得极其简单。2.3 结论模型卷不出差别了差距在 Loop 编排Addy Osmani 做了一个非常精辟的对比表揭示了两个阵营的能力完全对位能力CodexClaude Code定时触发Automations tab/loop, /schedule, cron目标驱动/goal/goal工作隔离内置 worktreegit worktree, --worktree项目知识Agent SkillsAgent Skills外部连接Connectors (MCP)MCP servers子 Agent.codex/agents/.claude/agents/状态管理Markdown / LinearAGENTS.md / progress files“The names are a bit different here and there but the capability is the same thing.”名字略有不同但能力完全一样。这意味着什么模型本身卷不出差别了。真正的差距在上层的 Loop 编排能力。谁能设计出更高效、更可靠、更省 Token 的 Loop谁就能在 AI 开发的下半场胜出。三、实操指南怎么 Loop 起来3.1 准入测试4 个灵魂拷问在动手搭 Loop 之前先问自己四个问题。如果任何一个答案是否就别 Loop——老老实实写 Prompt。拷问为什么重要任务重复发生吗Loop 的价值在于复用。一次性任务不值得搭系统有自动化验收手段吗没有测试套件/Linter/CILoop 就是盲飞Token 预算扛得住吗Loop 会持续消耗 Token。如果单次成本 × 循环次数 你的预算别搞Agent 有高级工程师权限吗读日志、跑测试、操作文件系统——没有这些工具Loop 就是残废3.2 最小可行 Loop 的 5 个组件Addy Osmani 总结了 Loop 必备的五个组件缺一不可┌─────────────────────────────────────────────────────────┐ │ Loop 五要素架构 │ ├─────────────────────────────────────────────────────────┤ │ │ │ ① Automations触发器 │ │ └─ 定时唤醒发现工作分诊归类 │ │ ↓ │ │ ② Worktrees工作区隔离 │ │ └─ 并行 Agent 互不踩脚 │ │ ↓ │ │ ③ Skills项目知识 │ │ └─ 一次写好每次复用不再重复解释项目背景 │ │ ↓ │ │ ④ Plugins/Connectors外部连接 │ │ └─ 连接 Issue Tracker、数据库、Slack、CI │ │ ↓ │ │ ⑤ Sub-agents子 Agent │ │ └─ 一个写一个验一个汇报 │ │ ↓ │ │ State File状态文件 │ │ └─ Markdown 文件或 Linear Board记录做了什么、下一步 │ │ │ └─────────────────────────────────────────────────────────┘搭建顺序先手动跑通 → 写成 Skill → 包进 Loop → 上定时。不要一上来就搭全自动 Loop。先手动跑一遍完整流程确认每一步都靠谱再逐步自动化。这是无数人用 Token 烧出来的教训。3.3 核心设计原则拆卷子Loop 工程最重要的设计原则只有一条写代码的和验代码的必须分开Evaluator Architecture。为什么Addy Osmani 的原话一针见血“The model that wrote the code is way too nice grading its own homework.”写代码的模型给自己的作业打分时太容易放水了。正确做法Generator Agent生成器 Evaluator Agent验收器 │ │ │ 写代码 │ 读代码 │ 跑测试 │ 独立跑测试 │ 自我感觉良好 │ 严格按 spec 验收 │ │ └──────── 提交 ──────────────────────→│ │ ←──── 通过 / 打回 ────────────┘两个 Agent 用不同的指令、甚至不同的模型。验收器只看结果是否符合 spec不看谁写的。3.4 避坑指南坑 1没有硬停止条件Loop 最怕死循环。必须设置硬停止条件# 示例Loop 停止条件hard_stop:max_iterations:10# 最多跑 10 轮max_tokens:500000# Token 上限max_wall_time:30min# 时间上限stop_on:[测试全部通过,无法修复]坑 2状态不落地Agent 每次运行都是失忆的。状态必须落盘!-- state.md -- ## 当前状态 - 已完成修复了 auth.py 的空指针 - 进行中user_test.py 第 42 行断言失败 - 阻塞需要确认 API 版本号 - 下一步修完 user_test.py 后跑全量回归坑 3让 Loop 处理需要人类判断的任务架构重写、安全策略决策、用户体验判断——这些需要人类判断的事情不要让 Loop 碰。Loop 擅长的是有明确验收标准的重复性工作不是我也不知道对不对的模糊任务。3.5 核心指标每个被接受改动的平均成本Loop 工程只有一个北极星指标每个被接受的改动平均花了多少 Token多少钱。如果被接受率低于 50%说明你的 Loop 在亏钱——一半的 Token 都烧在了被拒绝的改动上。适合 Loop 的场景 vs 不适合的场景✅ 适合 Loop❌ 不适合 LoopCI 失败自动修复一次性脚本依赖版本更新 回归测试“帮我看看这个 bug”无验收标准Flaky Test 排查与修复架构重写每日 Issue 分诊“你觉得这个设计怎么样”代码审查自动汇总需要人类判断的模糊任务文档自动同步更新探索性原型开发四、历史演进四次范式跃迁Loop Engineering 不是凭空出现的。它是 AI 开发范式持续进化的必然结果┌──────────────────────────────────────────────────────────────────┐ │ AI 开发范式的四次跃迁 │ ├──────────────────────────────────────────────────────────────────┤ │ │ │ ① Prompt Engineering (2023-2024) │ │ 关注怎么说 │ │ 核心技能写提示词、Few-shot、Chain-of-Thought │ │ 代表作GPT-4, Claude 3 │ │ ───────────────────────────────────────── │ │ │ │ ② Context Engineering (2024-2025) │ │ 关注给看什么 │ │ 核心技能RAG、长上下文管理、知识库构建 │ │ 代表作Claude 200K, Gemini 1M │ │ ───────────────────────────────────────── │ │ │ │ ③ Harness Engineering (2025-2026) │ │ 关注给什么工具/环境 │ │ 核心技能MCP、Function Calling、Sandbox、Agent Skills │ │ 代表作Claude Code, OpenAI Codex, Cursor │ │ ───────────────────────────────────────── │ │ │ │ ④ Loop Engineering (Now) │ │ 关注设计循环/系统 │ │ 核心技能自动化编排、验收器分离、状态管理、子 Agent 协作 │ │ 代表作/goal, /loop, Automations, Subagents │ │ │ └──────────────────────────────────────────────────────────────────┘从学术脉络来看Loop 是姚顺雨Shunyu Yao等人提出的ReAct 框架Reasoning Acting的工程化收敛。ReAct 的核心思想是思考→行动→观察→再思考的循环——而这正是 Loop 的底层逻辑。学术界在 2022 年就埋下了种子工业界在 2026 年把它变成了产品。结语从操作员到架构师Loop Engineering 不是为了让程序员失业。恰恰相反——它是为了让程序员从操作员进化为系统架构师。Google 的 Addy Osmani 在博客结尾写了一段警告值得每个人认真读“Loop engineering is replacing yourself as the person who prompts the agent. You design the system that does it instead.I’m skeptical and you absolutely have to be careful about token costs.”Loop 工程正在取代你作为提示词输入者的角色。你设计系统来代替你。我持怀疑态度而且你必须对 Token 成本极度小心。Karpathy 反复引用的那句话是最好的收束“You can outsource your thinking, but you cannot outsource your understanding.”你可以让 AI 替你写代码、替你跑测试、替你修 Bug、甚至替你写提示词。但你不能让 AI 替你理解——理解你的业务、理解你的架构、理解为什么这个设计是对的。Loop 不是让你躺平。它是让你把精力从操作上解放出来投入到理解和设计上。从 Prompt 到 Loop不是工具的升级是角色的跃迁。参考链接Business Insider: Forget prompt engineering: ‘Loop engineering’ is all the rage nowThe New Stack: The Anthropic leader who built Claude Code says he ditched promptingAddy Osmani: Loop EngineeringNDTV Profit: What Is Loop Engineering, And Why Does Jensen Huang Says You Must Learn ItKarpathy on X: “You can outsource your thinking, but you cannot outsource your understanding”本文基于 Business Insider、The New Stack、Addy Osmani 博客、NDTV Profit 等多家媒体的报道以及 Jensen Huang、Boris Cherny、Peter Steinberger、Andrej Karpathy 等核心人物的公开言论整理撰写。