2026年6月中旬，AI圈悄然出现一个新概念——Loop Engineering（循环工程）。它并非营销号造词，而是由开源Agent项目OpenClaw作者Peter Steinberger、Google Cloud AI总监Addy Osmani以及Claude Code创始人Boris Cherny几乎在同一周共同提及。核心主张是：你不该再给coding agent写prompt，而应该设计那个给agent写prompt的循环。
从prompt到loop：瓶颈迁移史
理解Loop Engineering，需要回溯过去三年的工程范式跃迁。2023年，模型只会一问一答，瓶颈卡在「怎么说」，于是Prompt Engineering流行——角色扮演、思维链、少样本示例，本质是跟一个聪明但一根筋的实习生说话的技巧。
到了2025年，模型变强并开始以Agent形态干活，话术解决不了「没资料」的问题，瓶颈移到「喂什么」：Context Engineering（上下文工程）出现——把对的代码、文档、工具、历史记忆在对的时机塞进上下文窗口。Shopify CEO和Karpathy先后带火了这个说法。
2026年初，模型已能连续干几小时活，卡脖子的变成了「干活的环境」——工具执行权限、沙箱安全、子Agent分头探索、上下文管理……这一整套运行装备被称为Harness（马具/驾驶舱）。Anthropic、OpenAI、LangChain几乎同时讨论了Agent = 模型 + Harness 的公式。
现在，话术、材料、驾驶舱都已到位，最后的瓶颈是：人。模型在等你布置任务，Harness在等你启动。你睡觉，它就停工。Loop Engineering要解决的正是这个问题——把人类从「单个prompt的敲击者」变成「循环的设计者」。
循环里有什么？
一个典型的loop由以下组件构成： - 触发器（Trigger）：事件、时间、外部信号（如Git提交、文件变化）自动启动； - 状态感知（State Awareness）：循环每次运行时知道前一次的结果、上下文摘要； - 决策节点（Decision Node）：判断下一步是继续、重试、上报人类还是结束； - 动作单元（Action Unit）：执行具体操作（写代码、读数据、跑测试）； - 反馈回路（Feedback Loop）：结果写回状态，调整下一轮行为。
Boris Cherny在访谈中直言：「我已经不prompt Claude了。是loop在运行着prompt Claude、决定做什么。我的工作是写loop。」这暗示了Agent开发的重心正从「单次交互质量」转向「闭环系统的健壮性与自动化能力」。
冷水：循环好用，但问题尖锐
Loop Engineering并非万能。作者在原文中提到三盆冷水： 1. 循环越自动化，越难调试——当Agent在夜里连续执行10轮后才出错，你很难复盘每一轮决策； 2. 循环依赖良好的环境基建——Harness本身必须稳定，否则循环在错误基础上放大错误； 3. 循环可能让人类「甩手」过度——一旦信任循环，人类容易忽略异常信号，导致自动化灾难。
尽管如此，从Prompt到Context到Harness再到Loop，每个新词背后都是工程瓶颈的转移。Loop Engineering不是又一个营销名词，而是Agent开发走向「系统化」的必然产物。
编注：信源为知乎专栏作者，材料梳理了2023-2026年AI工程范式演进，主线为Loop Engineering概念解读；未涉及具体实现代码或工具评测。