大人，AI 编程又变天了！Claude Code 之父、龙虾创始人同时力捧新范式，杀死提示词工程？

📌 一句话摘要

本文报道了 Claude Code 创建者与龙虾之父等 AI 领域关键人物提出的「Loop Engineering」新范式，即从手动编写提示词转向设计让 Agent 自主循环执行的系统，并探讨了其原理、实践、成本与挑战。

📝 详细摘要

文章围绕 AI 编程领域正在兴起的新范式「Loop Engineering」展开报道。核心观点来自 Anthropic 工程师、Claude Code 创建者 Boris Cherny 和 OpenAI 员工、龙虾之父 Peter Steinberger，他们认为开发者不应再手动为编程 Agent 编写提示词，而应设计一套循环机制（Loops）来提示和调度 Agent。文章详细介绍了这一转变的背景：从 IDE 到提示词工程，再到现在的循环工程。它解释了 Loop 并非机械重复，而是需要包含反馈闭环、清晰目标和停止条件的工程系统。文章引用了 Claude Code 的 /loops 和 Routines 功能作为具体实现案例，并深入探讨了该范式面临的核心挑战，包括高昂的 token 消耗（只有拥有无限 token 的公司才能随意使用）、调试复杂性、以及模型在长时运行中的上下文管理和自我判断问题。最后，文章介绍了 Anthropic 内部为应对这些挑战而探索的「生成器-评估器-规划器」架构等前沿实践。

💡 主要观点

- AI 编程正从「提示词工程」向「循环工程」范式转变。 Claude Code 创建者 Boris Cherny 和龙虾之父 Peter Steinberger 等关键人物提出，开发者应设计让 Agent 自主循环执行的系统，而非手动编写提示词，这被视为下一层抽象。

有效的 Loop Engineering 需要反馈闭环和明确的停止条件。 Loop 不是简单的 cron job 或机械重复，它需要包含测试、类型检查等反馈机制来验证输出，并定义何时继续、停止或回滚，否则 Agent 的错误会在循环中被放大。

高昂的 token 消耗是 Loop Engineering 落地的最大现实障碍。 频繁的 API 调用会产生巨额成本，只有拥有无限 token 预算的公司才能随意使用。对于个人开发者和小团队，成本是难以逾越的门槛，社区对此反应强烈。

Anthropic 通过「生成器-评估器-规划器」架构解决长时运行 Agent 的稳定性问题。 为应对 Agent 在长时间运行中的上下文丢失、任务漂移和自我判断偏差，Anthropic 借鉴 GAN 思想，将构建、批判和规划角色分离，让独立的评估器进行更严格的验收。

💬 文章金句

- 你不该再给编程 Agent 写提示词了。你应该设计一套循环机制，让这些循环去提示你的 Agent。

• 我们已经从'学会写代码'，走到了'学会编写那个会写代码的东西'。不知为什么，这听起来既像进步，又像一场金字塔骗局。
• 所有人都在冲向 loops，但调试一个已经跑了 47 轮的状态机，比修好一个 prompt 难 10 倍。

📊 文章信息

AI 初评：87

来源：AI前线

作者：AI前线

分类：人工智能

语言：中文

阅读时间：23 分钟

字数：5549

标签： AI 编程, AI Agent, Loop Engineering, Claude Code, 提示词工程

阅读完整文章