最近有一个概念在硅谷是越来越火，叫"循环工程"（Loop Engineering）。简单来说，就是你不再亲自一句一句地给AI编程助手下指令了，而是设计一套系统，让这套系统替你去指挥AI干活。

这个想法来自几位业内大佬。Anthropic 负责 Claude Code 的工程师 Boris Cherny 说："我已经不自己写提示词了，我写的是循环，让循环去指挥 Claude。" OpenClaw 的作者 Peter Steinberger 也表达了类似观点：你应该停止手动提示AI，转而去设计能自动提示 AI 的循环系统。

过去两年，我们用 AI 写代码的方式是：你打一段话，AI 回你一段代码，你再打一段话，再回一段。整个过程你得全程盯着，一轮接一轮。现在思路变了，你搭建一个小系统，它自己去发现任务、分配任务、检查结果、记录进度，然后决定下一步做什么，全程不需要你坐在电脑前。

一个完整的循环需要五个组件。第一是自动化调度，比如每天早上自动跑一遍，看看有没有新bug或者CI失败。第二是工作树隔离，让多个AI同时干活时不会互相踩文件。第三是技能文件，把项目的规范和知识写下来，AI每次启动都能读到，不用你反复解释。第四是连接器，让AI能操作你的issue系统、数据库、Slack这些工具。第五是子代理，一个负责写代码，另一个负责检查代码，写代码的那个不能自己给自己打分。

还有一个关键要素是外部记忆。因为AI每次对话结束就什么都忘了，所以你得把进度写在一个markdown文件或者项目管理工具里，让下一次运行能接着上次的进度继续。

但是，这里也需要注意如下几点：

第一，验证这件事永远是你的责任，循环无人值守地跑，也意味着它可能无人值守地犯错。

第二，如果你不去读循环产出的代码，你对自己项目的理解会越来越浅，这叫"理解力负债"。

第三，最舒服的姿态往往最危险，当循环自己跑得很顺的时候，你很容易放弃思考，全盘接受它给的东西，这就是"认知投降"。

去搭建自己的循环工程可能确实是未来的一个趋势，但是，也不要忘了直接提示AI依然有效，关键是在其中如何找到平衡。同样的循环，一个深度理解业务的人用它来加速，和一个逃避思考的人用它来偷懒，结果会完全相反。循环工程比提示词工程更难，因为杠杆的位置变了，你要像一个真正的工程师那样去设计它，而不只是按下启动键就走开。

#科技先锋官##How I AI#