Loop Engineering：每个 AI 开发者现在都需要的最佳技能

Loop Engineering（循环工程）：每个 AI 构建者现在最需要的技能 2026年6月22日 · 9分钟阅读 · 查看来源 ↗ Claude AI 循环 营销 97% 的 AI 构建者都做错了。 他们不是提示词写得差。他们从根本上搭错了东西。 一个提示词给你一个答案。一个循环给你一个系统，它能找到答案、检查它、修正错误，并在完成时告诉你——全程不再需要你再碰它。 下面是你构建一个真正好用的循环所需的全部内容。 为什么循环胜过提示词 Claude Code 的创作者、Anthropic 的 Boris Cherny 说得很直白： "我不再直接提示 Claude 了。我有一堆循环在跑，它们提示 Claude 并搞清该做什么。我的工作就是写循环。" 一位工程师上个月提交了 259 个 pull request。每一个都是他的 AI 写的。他从没打开过代码编辑器。 另一个人让一个循环无人值守地跑了 11 天。等有人注意到时，它已经烧掉了 4.7 万美元。 同样的技术。同样的工具。唯一的不同：刹车。 一个循环到底是什么 剥掉行话。每一个真正的循环都有 4 个部分。 → 触发器（Trigger）——什么启动这个循环 → 过程（Process）——智能体每一轮做什么 → 验证（Verification）——循环如何检查自己的输出 → 停止条件（Stop condition）——什么时候才算真正完成 大多数失败的"自动化"完全缺了第 3 和第 4 项。 一个每 5 分钟跑一次却没有检查器的脚本不是循环。它是一个带观点的定时器。 一个把失败任务重试 200 次却不升级上报的智能体不是有韧性。它是卡住了——并且还在为此向你收费。 第 1 部分：触发器 有 3 种类型。只有一种能规模化。 固定间隔——无论状态如何都按时钟运行。适合每日摘要或每周依赖升级。什么都没变时也在浪费 token。 事件驱动——当某件特定的事发生时触发。开了新 PR。测试失败。来了 webhook。当工作只需要响应真实事件时才最好用。 动态间隔——智能体根据它发现的东西来决定等多久。没变化？下次等更久。发生了重要的事？5 分钟后再查。 # Claude Code /loop every 30 min: check src/auth for new failures # 如果发现失败，缩短到 5 分钟 # 如果最近 3 轮都没发现什么，拉长到 2 小时 大多数人挑个固定数字就再也不回头了。动态版本只是多花几个 token 去斟酌节奏，却省下几百个 token 来决定到底要不要跑。 第 2 部分：过程 窄范围总是赢。总是。 一个想在一次通过里干完所有事的过程步骤，更难验证、更难调试，几乎不可能做得可靠。4 个各做一件明确事情的窄步骤，胜过 1 个什么都要做的超大提示词。 这才是多智能体架构真正的理由——不是因为更多智能体天生更好，而是因为窄范围让验证变得可行。 一个只负责收集和标注来源的 Researcher 智能体，可以用单一标准来检查：每一条论断都有出处吗？ 一个只负责根据简报写代码的 Builder 智能体，可以用另一套标准来检查：输出符合规格吗？ 把这两者坍缩成一个同时干两件事的智能体，验证就从清单变成了主观判断。 # 差：一个智能体干所有事 agent.run("Research the competitor, write the analysis, and summarize findings with citations") # 更好：划定范围的接力 researcher.run("Find 5 recent sources on competitor pricing. Cite every claim. Output JSON.") builder.run(f"Summarize these findings for a founder: {research_output}") verifier.run(f"Check: does every claim in this summary trace to the source list? {summary}, {sources}") 第 3 部分：验证（人人都会跳过的一环） 正是这个组件，把"质量不断复利的循环"和"只是制造活动的循环"区分开来。 最天真的失败：产出输出的智能体也来评判输出好不好。制造了错误的那套推理，来审查同一个错误，然后说它看起来没问题。 一个编造了引用的智能体，不会在复查时抓到自己编造的东西。一个写出 bug 的开发者，也不会在自己的代码审查里抓到它。 3 个真正有效的模式： 独立的验证智能体——不同模型、不同上下文、明确的指令：去找失败，而不是确认成功。 # .claude/agents/verifier.md name: verifier description: Adversarial reviewer. Runs after every code change. developer_instructions: | Your job is to find what's wrong, not confirm what's right. Assume the previous agent missed something. Output: PASS or FAIL with specific evidence. model: opus 对真实依据做交叉核对——把具体论断拿去对可验证的来源核对。代码通过测试套件了吗？被引用的统计数字真的出现在文档里吗？输出符合 schema 吗？这是机械验证，不是主观判断。 更强的模型验证更弱的模型——快速智能体并行生成，一个更强的模型在输出到达人类之前逐条检查。验证者不和生成者共享同样的失败模式。 铁律：绝不能让一个循环仅仅因为"被验证的东西自己也说成功了"就宣布成功。 第 4 部分：停止条件 大多数自建系统只有 2 种状态：运行中和已完成。 真正的停止条件有 3 种。 成功——验证通过。循环停止。它应该明确说出来，说明通过了什么、为什么，而不是无声终止。 有界重试——验证失败，重试预算还没用完。循环带着验证者给出的具体纠错反馈再试一次，而不是从头再来。 # Claude Code /goal all tests in test/auth pass and lint is clean # 一直运行到条件为 TRUE，或达到 max_turns # 每次重试都使用上一次尝试的错误输出 升级上报——重试预算耗尽。这是几乎没人构建的状态，也是最重要的一种。 同一个窄任务失败 4 次，就是一个信号。它通常意味着任务定义本身错了，而不是系统需要第 5 次尝试。 # loop.config —— 在你走开之前就设好 max_turns: 50 max_budget_usd: 10 scope: [src/] circuit_breaker: 3 # 连续 3 次同一个调用 = 停机 heartbeat: STATUS.md # 本该有更新却沉默 = 报警 一个带升级上报的循环，把"这可能永远跑下去，而你永远不会知道"变成"它要么完成，要么在有限轮次内告诉你它为什么做不到"。 这一转变，正是"一个你敢让它无人值守的系统"和"一个你得全程盯着的系统"之间的全部差别。 第 5 部分：记忆（让循环复利的东西） 没有记忆的循环，在第 100 轮和第 1 轮做的是同等质量的工作。 有记忆的循环会明显越来越好——因为每一轮的输出，包括它的失败和纠正失败的办法，都会进入下一轮的上下文。 # STATUS.md —— 循环先读它，最后写它 ## Done - [x] auth: migrated to tokens v2, tests green ## In Progress - [ ] billing: webhook refactor (PR #214, tests red) ## Never Touch - do not modify infra/ without a human in the loop 这就是为什么有文档记录的上下文工程数字如此刺眼。在没有持久上下文文档时 41% 的错误率，跳到有全面文档时的 3%，并不是模型变聪明了，而是模型能接触到的上下文变好了。 循环会自动累积这些上下文，而不需要一个人每个会话都重新解释一遍。 一个真实的循环：从头到尾 这是把整套架构应用到一个任务上：监测一个竞争对手的内容，看它有没有战略转向。 触发器：每周两次，周一和周四早上 7 点 过程：搜索过去 3-4 天的公开内容 与累积 6 周的笔记对比 标记任何代表真正转向的东西 验证：对密切关注这个领域的人来说，这算新闻吗？ 有没有"模式"的证据，还是只是一个孤立数据点？ 记忆：把发现（包括空结果）写进 STATUS.md 6 周后：12 个已记录的循环轮次，只有在累积数据里才看得见的渐进式定位变化 停止：如果发现重大转向 → 发警报 如果连续 3 轮以上一无所获 → 扩大搜索范围并标记 一次例行的产品更新过不了验证器。一个横跨 4 周、3 个以上数据点持续保持的信息传递转向，能通过验证器。 单个循环轮次告诉你这一周发生了什么。12 个轮次告诉你什么才是真正在变化的。 循环真正死掉的 4 种方式 失控递归——2 个智能体无限地互相喂活。修复：步骤上限加金额上限，在第一次运行前就设好。 无声死亡——上下文窗口填满，循环停滞，却还在报告"进展中"。修复：一个每轮都必须更新的心跳文件，否则触发警报。 原地转圈——没有可验证的停止条件，所以智能体想怎么定义"完成"就怎么定义。绿色测试是一个循环能够达到的条件。"看起来更好"不是。 理解债务——一个循环写代码越快，你越不去读，你就离自己的项目越远。修复：一个永远不会被跳过的强制性人工审查步骤，不是因为你不信任循环，而是因为你需要继续当它的工程师。 真正的技能转变 现在正在交付生产级智能体系统的人，不是因为他们能用到别人没有的模型。 前沿模型差距正在收窄。GLM 5.2 在最难的智能体编码基准上距离 Claude Opus 4.8 只有 1%。开源权重模型现在几乎以每月一次的节奏缩小差距。 无法被商品化的，是模型周围的架构。触发器设计。验证逻辑。停止条件。记忆结构。 任何人都能换到本月基准分最高的模型。 但远没有多少人能看着一个卡住的多智能体系统，正确地诊断出问题不在模型，而在于少了一个验证步骤。 那种诊断能力，才是能规模化的东西。 用上面的框架，这周构建 1 个循环。 定义触发器。把过程缩小到 1 个窄任务。构建一个不信任"被验证对象自行验证"的验证器。在运行第一遍之前就封顶重试次数并写好升级上报路径。 就这些。 不是模型。不是提示词。 是围绕这两者的架构。 标签：# X # Claude # AI # Loops # Marketing 相关文章 How to Build an AI-Native Company: Hiring, Standards, and Cadence *We spent a year running hackathons, AI trainings, and office hours. But nothing changed until we made AI capability a requirement.* AI Loops Claude Marketing