Loop Engineering是什么？
Claude Code 负责人 Boris Cherny："I don't prompt Claude anymore. I have loops running that prompt Claude and figuring out what to do. My job is to write loops."
1. 三层工程栈
理解 Loop Engineering 要先搞清楚它在哪一层：
1）Prompt Engineering：优化单条指令的措辞
2）Context Engineering：管理 window 里放什么（文档/历史/工具定义）
3）Loop Engineering：设计控制结构——决定什么时候 prompt、prompt 什么、结果是否通过
Loop Engineering 在最外层。它不替代前两层，好的 Loop 里面还是需要好的 prompt 和 context，但它加了一个自动运行的控制结构。
2. Agent 的内层循环是什么
理解 Loop Engineering 之前要先理解 Agent 本来就在跑一个内层循环：
Observe → Plan → Act → Reflect → 循环
每一轮：感知当前 codebase 状态和 test 结果 → 决定下一步 → 执行（改文件/跑测试/提交）→ 评估结果 → 进下一轮。
Loop Engineering 做的事是在这个内层循环外面再套一层外层循环：自动触发、分配任务、验证结果、持久化状态、决定下一个任务——你不在座位上，系统在跑。
3. 五个模块 + 一个记忆层
一个能跑起来的 Loop 需要六个组件，Claude Code 和 OpenAI Codex 2026 年都原生支持：
1）Automations（自动）：定时触发，自动发现工作。Codex 有 Automations Tab，设置 project + prompt + cadence，结果进 Triage Inbox；Claude Code 用 /loop（设定间隔触发）或 /goal（跑到条件为真为止），加上 hooks 可以在 agent 生命周期的特定节点执行 shell 命令。/goal 的细节：每轮执行后由一个独立的小模型判断是否完成，写代码的 Agent 不自己打分。
2）Worktrees（并行隔离）：多个 Agent 并行时共享文件系统 = 死局。git worktree 让每个 Agent 在独立分支上操作。Codex 每个 thread 内建 worktree；Claude Code 用 --worktree flag 或子 agent 配置 isolation: worktree。
3）Skills（知识持久化）：把项目上下文写成 SKILL.md / AGENTS.md，Agent 不需要每轮会话重新猜项目规范。Codex 和 Claude Code 都用同一个格式（SKILL.md），可以用 $skill-name 调用，或让 Agent 自动识别。
4）Sub-agents（角色分工）：写代码的 Agent 和验证代码的 Agent 分开。Codex 在 .codex/agents/ 用 TOML 定义；Claude Code 在 .claude/agents/ 定义 agent teams，支持 orchestrator + specialist 分层。本质是：ideate 和 verify 不能是同一个模型实例。
5）Plugins / Connectors：通过 MCP 把 Agent 接进你现有的工具链——Linear、GitHub、Slack、数据库。这让 Loop 能直接读写任务板、创建 PR、发通知，而不是把结果输出到 stdout。
6）持久化记忆：Agent 每次跑完会遗忘上下文，状态必须写到对话外面——一个 Markdown 文件、Linear Board 或 GitHub Issue。这是最容易被忽视但最关键的一层。Karpathy 早就说过：LLM 不会忘记更新交叉引用，一次可以改 15 个文件，正是因为这些内容在文件里而不在记忆里。
4. 一个真实 Loop 长什么样
以"给 API 加 JWT 认证"为例，传统方式要手动往返 15-20 轮 prompt；
Loop 方式：
OBSERVE: 分析 codebase + 跑现有测试
PLAN: claude.breakdownFeature("Add JWT auth")
→ [add dependency, create middleware, write migration,
update routes, write tests, update docs]
ACT: 依次执行每个 sub-task
→ 每步执行后 run tests，失败则进 error recovery loop
REFLECT: 独立 validator 检查 "all auth tests pass + no regression"
→ 通过则 commit + 推下一个 task
→ 不通过则 claude.identifyGaps() 补充任务队列
整个过程不需要人介入，直到最后 review PR。
5. 需要注意的地方
Loop Engineering 放大的不只是产出，也放大了错误。一个设计糟糕的 Loop 会以 8x 的速度产出垃圾。几个真实的风险：
1）Token 消耗可以非常惊人。Loop 不受控运行一晚上，账单可以让你很不舒服。务必设置 maxTurns 和 cost ceiling。
2）验证比以前更难。你不在循环里，你得设计可验证的退出条件——不是"功能完成"，而是"所有 auth 测试通过 + lint clean + 无 regression"。模糊条件会让 Agent 自己认为完成了。
3）适用范围有限。任务边界模糊、需要频繁业务判断的工作，Loop 不适合。Loop 最适合：有明确 spec、有自动化测试、有版本控制的工程任务。
#HOW I AI# #程序员#
