面试官坏笑：“你怎么看 Loop Engineering？”我反问：“不就是 /loop 吗？让 Agent 循环干活”，他摇了摇头...

📌 一句话摘要

本文系统梳理了从 Prompt Engineering 到 Loop Engineering 的 AI 工程范式演进，指出瓶颈从「怎么说」迁移到「设计让 Agent 自主运转的循环」，并拆解了 Loop 的五大核心组件与实操路径。

📝 详细摘要

文章以「面试官问 Loop Engineering」的叙事开场，引出 AI 工程领域最新概念。作者首先厘清 Prompt、Context、Harness、Loop 四个 Engineering 的演进逻辑，指出每个新词对应瓶颈的外移：从「怎么说」到「喂什么」到「干活环境」再到「亲自按回车的人」。核心部分详细拆解 Loop Engineering 的定义（设计代替你写 Prompt 的系统）和五大组件：自动化（心跳）、Worktree（并行隔离）、Skill（项目知识固化）、Connector（MCP 协议连接外部系统）、Sub-agent（写查分离），以及磁盘记忆作为命根子。文章给出 Osmani 的晨间 Triage Loop 全流程示例，并对比 Codex 与 Claude Code 的产品化支持，展示 30 秒搭建最小 Loop 的实操。最后以三盆冷水收尾：验证责任仍在人、理解债随顺滑增长、认知投降是最危险的姿势，强调工具是中性的，关键在于使用者的判断力。

💡 主要观点

- AI 工程范式的演进本质是瓶颈迁移：模型越强，瓶颈越往外移。 从 Prompt（怎么说）到 Context（喂什么）到 Harness（干活环境）再到 Loop（亲自按回车的人），每个新概念都对应上一个瓶颈被解决后暴露的新短板。

Loop Engineering 的核心是设计一个代替你写 Prompt 的系统。 你不再是 Prompt 的作者，而是 Prompt 生产系统的设计师。目标是让「下一次回车」不再由你按，实现从回合制协作到循环制自主运转的转变。

一个完整的 Loop 由五大件加磁盘记忆组成。 自动化是心跳，Worktree 防并行冲突，Skill 固化项目知识实现复利，Connector 通过 MCP 连接外部系统，Sub-agent 实现写查分离。磁盘上的状态文件让循环跨会话接续。

Loop 改变了工作杠杆，但验证、理解债、认知投降三笔账也随之变大。 Loop 无人值守运行也意味着无人值守犯错；顺滑交付加速理解债积累；最危险的是认知投降——不再对产出有自己的观点。工具是中性的，使用者的判断力决定结果。

💬 文章金句

- agent 会忘，但 repo 不会。

• 两个人可以搭一模一样的 loop，得到完全相反的结果。一个用它在自己深刻理解的工作上加速，另一个用它彻底逃避理解工作。loop 分不出区别，你分得出。
• 带着判断力去设计 loop，它是解药；为了逃避思考去设计 loop，它是助燃剂。同一个动作，相反的结果。

📊 文章信息

AI 初评：87

来源：小林coding

作者：小林coding

分类：人工智能

语言：中文

阅读时间：31 分钟

字数：7625

标签： AI 编程, AI Agent, Loop Engineering, Prompt Engineering, Context Engineering

阅读完整文章