迴圈工程學
Loop Engineering

引言與趨勢：

大家好，歡迎來到靈姐說AI。最近有一組概念在矽谷非常的火，叫做 Loop，Loop 循環。Openclaw 的創始人 Peter Steinberger 在 6 月初發布了一條消息，他是這麼說的：他說 here is your monthly reminder that you shouldn't be promoting coding agents anymore. 他說提醒大家一下，你不應該再主動地去提示（prompt）你的 coding agent 了。你現在要幹的事情是什麼呢？You should be designing loops that prompts your agents. 你應該為你的 agent 去設計一些循環。這個帖子發布後有 830 萬的觀看。

另外 Boris Cherny，他作為 Claude Code 的創始人和負責人之一，他在最近的一次訪談中說：My job is writing loops. 我的工作就是寫 Loop。

還有 Google 的 Addy Osmani 寫了一篇叫做 Loop Engineering 的文章，專門闡述了 Loop 相關的概念。這期視頻會進一步分享 Loop 思維怎麼運用和實踐，這涉及兩層概念：一層是 Agent Loop，這是底層的機制；另一層是 Loop Engineering，也就是機制化、產品化和工程化。

為什麼是現在？

它最近這麼火也是有原因的，它剛好跟幾個趨勢疊加在了一起：第一是像 Claude Code 和 Codex 這種 coding agent，它已經能夠做長任務了；第二是模型調用工具的能力日漸增強，背後的工具 skill 越來越多；第三是當這些應用到企業端，企業會慢慢開始關心這些可重複、可測試、可審計的 agent工作流；第四是當 AI 模型跑在真實企業任務中時，TOKEN 成本、任務失敗率 and 權限風險都會成為真實的問題，所以必須升級為可控的 Loop。

Agent Loop 底層機制：

我們有目標設定，然後規劃任務步驟，進行執行。在執行階段會輸出結果，大部分人就停在這一步，它不是閉環的。這時你應該對執行的結果與過程進行觀察（observe），反思（reflect）復盤，看看有沒有值得改進的地方，最後再基於要達成的目標，不斷地循環往復。

演進的四個階段：

一慢提示詞工程（Prompt Engineering），核心槓桿是單次輸入理解力。然後演進到工作流工程（Workflow Engineering），解決任務流串聯的問題。第三階段是 Harness Engineering（運行層工程），提供沙箱、權限與可驗證信號。現在我們到了第四層：Loop Engineering（循環工程），設計自我演進閉環，讓系統替代人去提示、檢查並糾偏。

Addy 的五模組與記憶：

Addy 把 Loop 拆成 5 個模組和 1 個記憶機制：
1. Automation（自動化/心跳）：解決誰來啟動循環。讓 agent 定時或事件觸發醒來。
2. Worktree（工作區隔離/隔離艙）：解決多 agent 並行工作衝突。共享 Git 歷史但文件副本獨立。
3. Skills（技能庫/經驗庫）：沉淀專案規則。Skill 是經驗，Loop 是讓經驗循環執行的系統。
4. Connector（手腳/連接器）：基於 MCP 接入真實環境（Linear/Slack/PR）。
5. Sub-agents（審查機制/子代理）：Maker 與 Checker 分離（Explorer/Reviewer 協作），實現自動糾偏。
6. Memory（長期狀態/狀態記憶）：『模型會忘，倉庫不會』。將進度與報告持久化。

控制系統運作流程：

定時啟動 ➔ 讀取外部輸入 ➔ 調用 Skill ➔ 創建 Worktree ➔ 主 Agent 執行 ➔ 子 Agent 審查 ➔ 工具/測試驗證 ➔ 通過則開 PR/更新任務 ➔ 失敗則記錄/重試/交給人類 ➔ 寫入 Memory ➔ 下一輪繼續。

我的實戰補遺：

我覺得還有四個板塊非常重要：
1. 驗收標準 (Eval)：明確的停止條件，知道何時停。
2. 權限邊界 (Permission)：企業級 loop 必須有最小權限原則，規定能不能改、刪、支付。
3. 可觀察性 (Observability)：過程記錄、動作分析必須透明。
4. 人工審查 (Human Gate/Review)：超出權限邊界時人工介入拍板。

總結：

現在真正高級的玩家，不再是寫多漂亮多長的 prompt，而是把你的任務設計為一個可以循環、可以迭代、可以沉淀的生產機制系統。把瞬間的靈感變成一個長效的工作機制，把單次的對話轉向一個自動化複利的過程。