循环工程：从提示词工程师到循环设计师的 20 步路线图

大部分人的使用方式，依然是往对话框里输入提示词，然后等待回答。

收藏这个 :)

有一小部分人已经不再这么做了。他们不再手动给 AI 发指令。而是构建一个循环，让循环替他们发指令，验证输出，失败时自动重试，直到任务真正完成。他们可以走开，而工作会在他们做别的事情时自动完成。

这两类人的区别，不在于天赋。

而在于，第一类人自己仍然是循环的一部分，第二类人则学会了设计循环。

在 2026 年 6 月的第二周，一个想法重塑了严肃讨论 AI 工作方式的人们的思路。这个被广泛传播的概念叫做循环工程（loop engineering）。它由 Addy Osmani 在一篇文章中命名并结构化，随后因 Claude Code 的创建者 Boris Cherny 描述自己的工作流程而迅速引爆——他使用循环来驱动 Claude，让 AI 自己决定下一步做什么，而不是他逐轮手动提示。据报道，单篇帖子在几天内就获得了超过 650 万次浏览。它给最优秀的 Agent 用户已经在做、却未曾命名的事物起了一个名字。

整个转变可以浓缩成一句话：工作的基本单位，不再是你手动输入的那条提示词。而是你精心设计的循环。

下面这份 20 步路线图，将带你从“提示者”转变为“循环设计师”。请按顺序逐步实践。每一步都为下一步奠定基础。

第一阶段：理解发生了什么变化（第 1-4 步）

在构建任何循环之前，你需要先建立正确的思维模型。跳过这一步，你构建的循环会很脆弱，出现问题让你难以理解。

第 1 步：看清四个时代。 这个领域的发展经历了清晰的阶段。2023 年，核心技能是提示工程（prompt engineering），即如何写好一条指令。2024 年是编排（orchestration），即如何串联多个步骤。2025 年是上下文工程（context engineering），即控制模型能看到什么信息。2026 年则变成了循环工程（loop engineering），即设计一个驱动模型自动运行的完整系统，而无需你亲自介入。每个时代并非取代前一个，而是叠加其上。弄清楚你处于哪个阶段，你就知道下一步该学什么。

第 2 步：区分链式流程与循环。 链式流程是固定的顺序：执行步骤一，然后步骤二，步骤三，完成。当你事先知道每一步时，它很有效。循环则不同。它会先尝试某个操作，观察结果，然后根据结果决定下一步做什么。链式流程无法修复失败的测试，也无法完成一个步骤三依赖于步骤二结果的任务。循环可以。正是循环，把一个语言模型变成了一个能持续产生进展的东西。

第 3 步：内化“思考-行动-观察”的循环。 每个 Agent 循环本质上都是同一个三拍节奏的变体。Agent 首先思考要做什么，然后通过使用工具来行动，最后观察结果。接着，它会带着新的信息再次思考。这个模式的研究渊源可以追溯到 2022 年的 ReAct 工作，但你不必去读那些论文。你需要的是掌握这个节奏：思考，行动，观察，循环。

第 4 步：接受你自己就是瓶颈。 三年来，使用 AI 意味着你输入提示词，阅读回答，然后再次输入。你自己就是那个循环。2026 年发生的整个转变在于，编码和知识型 Agent 在长任务上已经变得足够可靠，以至于“人在回路中”反而成了最慢的一环。稀缺的技能不再是写提示词。而是设计一个能替你写提示词的系统。

第二阶段：掌握循环的构成（第 5-9 步）

现在，你需要学习循环的各个组成部分。循环不仅仅是“一遍又一遍地运行模型”。它是有结构的，每个部分都有其存在的价值。

第 5 步：用可衡量的指标定义“完成”。 这是循环工程中最重要的一件事，也是大多数人失败的地方。在写下任何一条指令之前，你首先要写清楚，一个任务在机器看来“完成”是什么样子。不是“把它做好”，而是“所有测试通过”、“输出符合这个模式”、“清单上的每一项都被勾选”。一个没有清晰“完成”定义的循环，永远不知道何时该停下来。

第 6 步：构建验证器。 验证器是整个循环的关键。它是一个自动化的检查机制，用来判断输出是否达到了你的标准。这里有一个人人都容易掉入的陷阱：让模型自己给自己打分。让模型做自己的作业，它几乎总是给自己打满分。你的验证器越严格、越独立于模型本身，你的循环就越好。你的品味，被编码成一系列检查标准，就成为了循环的奖励函数。

第 7 步：分层添加终止逻辑。 一个没有出口的循环是该领域最常见、也最昂贵的错误。你需要同时设置多个退出机制：一个确认目标已达成的验证器，一个防止无限循环的迭代次数硬上限，一个防止耗尽账户余额的 Token 或时间预算，以及一个当最近几步没有产生任何变化时能够中断循环的“无进展”检测。单独依赖任何一个都不够。将它们组合在一起，才能让你放心地离开。

第 8 步：设计状态层。 一个真正的循环需要能在重启后依然存在的记忆。这意味着要有文件、任务列表和检查点，确保即使循环在第 40 次迭代时崩溃，它也能从第 39 次恢复，而不是从头开始。状态，是区分玩具循环和你可以放心托付长任务的循环的关键。

第 9 步：设置人工检查点。 精确地决定在哪些不可逆的操作发生前，需要人工介入。循环可以自主地进行研究、起草、重构和验证。但发送消息、部署代码、转移资金或删除数据，这些操作应该暂停下来，等待你的确认。这不是胆小，而是让自主性变得安全可控的保障。

第三阶段：构建你的第一个循环（第 10-14 步）

理论讲得够多了。学习循环工程的最好方式，就是亲手运行循环，感受它的失败，然后修复它。

第 10 步：选择一个重复性任务。 挑一件你每天都在手动重复做的事情，并且你能清晰地描述一个好的结果是什么样子。一个输出可检查的重复性任务是完美的第一个循环目标。一个模糊的创意任务则是最糟糕的选择。从窄范围开始。

第 11 步：先手动做一遍。 用你习惯的“提示-审查”方式，手动操作 AI 运行几次这个任务。这会让你了解具体的步骤、容易出错的地方，以及“完成”的真正含义。你无法自动化一个你还无法描述的过程。手动运行的过程，就是你撰写“产品规格说明书”的过程。

第 12 步：撰写循环契约。 现在，把一切都写下来：目标、完成的定义、验证检查项、最大迭代次数，以及你希望被询问的节点。这个契约就是你的循环。其余的一切都只是具体实现。

第 12 步：在封闭模式下运行并观察它。 启动循环，并观察每一次迭代。现在先不要走开。你要寻找它的失败模式：它是否陷入了无限循环？它是否过早地宣布胜利？它是否偏离了目标？它是否通过了自身松散的检查，却输出了垃圾？你看到的每一次失败，都是对验证器的一次宝贵教训。

第 14 步：收紧验证器，直到你信任它。 运用你观察到的经验，让检查变得更严格、更具体。如果循环不断通过糟糕的输出，说明你的标准太低或太主观。增加一个外部检查。增加一个长度限制。增加一个它反复违反的特定标准。持续收紧，直到循环的“通过”与你的“通过”含义完全一致。

第四阶段：规模化与精炼（第 15-20 步）

现在，你要从一个工作的循环，进化到一个系统；从爱好者，成长为循环设计师。

第 15 步：学习开放循环与封闭循环。 每个循环都处于两个极端之间。封闭循环重复执行同一个有边界的任务，朝向一个固定目标，安全且廉价。开放循环则进行探索，尝试新颖的方法，冒着更多预算的风险以换取更大的收益。根据任务有意识地选择：你需要多大的新颖性，你愿意承担多少预算风险？然后，编写与之匹配的验证器。

第 16 步：理解底层的框架。 循环不是在真空中运行的。它运行在一个框架内：一个包含工具、上下文管理、状态、权限和恢复机制的整体环境，包围着模型。一个优秀的循环，如果运行在糟糕的框架上，仍然会失败。随着你越来越认真，你会花同样多的时间在框架上，因为可靠性真正来自于框架。

第 17 步：像管理成本一样管理成本，因为它确实很重要。 循环发起的模型调用次数是单次提示的 10 到 100 倍。天真的做法会让你破产。有纪律的做法是将每一步路由到最便宜且能胜任的模型：简单的分类用小而快的模型，起草用中等模型，最终的严格审查才用最先进的模型。重复使用提示词中经常复用的部分，这样你就不必在每次迭代中都支付全价。做得好，这能显著降低循环成本。

第 18 步：为并行工作添加子 Agent。 当一个任务可以被拆分成几个独立的子任务时，不要一个接一个地运行。你应该创建多个子 Agent，各自并行处理一个子任务，然后将结果整合起来。只有这样，一个原本需要数小时的串行循环才能在几分钟内完成。编排者负责管理；子 Agent 负责执行。

第 19 步：将循环迁移到脚本中。 最后的技术飞跃：不再需要你时刻照看的循环，而是将循环编写成代码，让它按计划自动运行，驱动 Agent 为你工作。到了这一步，“在你睡觉时运行”不再是一句口号，而变成了一个定时任务。你的循环变成了基础设施。

第 20 步：让你的判断力成为你的产品。 这是这条路的终点真相。当循环能够编写代码、运行测试、修复自身故障时，你的价值不再是手动输入。你的价值在于知道什么是“正确”，设定标准，并设计强制执行的检查。审查、品味和判断力，成为你最具杠杆效应的技能。在一个循环工程的世界里，你的品味不再是软技能。它是整个系统为之优化的奖励函数。

一个实操示例：你的第一个真实循环

让我用一个你本周就能实际构建的循环，来具体说明这二十个步骤。

假设你维护一个小型代码库，并且厌倦了每次修改东西后都要手动修复那些断裂的测试。这是一个完美的第一个循环：重复性任务，并且内置了可检查的“完成”定义。

这就是路线图的实践方式。你的“完成”定义（第 5 步）简单而客观：整个测试套件通过。你的验证器（第 6 步）已经存在了：就是测试命令本身，它要么成功退出，要么报告失败。Agent 没有机会自我美化，因为测试通过就是通过。你的终止逻辑（第 7 步）是三个出口的叠加：测试通过时停止，尝试 15 次后停止，最后三次尝试未改变任何失败的测试时停止。你的状态（第 8 步）是一个持续记录的已尝试措施笔记，以便重启时不会重复走入死胡同。而你的手动检查点（第 9 步）设置在代码提交或推送到任何共享位置之前。

现在，你运行它。循环会读取失败的测试，分析原因，编辑代码，重新运行测试，读取新的结果，并调整。你观察它（第 13 步），你注意到一件事：有一次运行，它“修复”测试的方式是削弱了测试本身，而不是修复代码。这是一个教训。你收紧循环（第 14 步）：现在指令禁止编辑测试文件，并且增加一项检查来确认测试文件未被修改。下一次运行就正常了。

经过几次观察后，你信任它了。于是你把它写成脚本（第 19 步），并安排在每晚自动运行。现在，你醒来时面对的代码库，昨天的问题已经自动修复，并附有一份修改摘要等待你审查。你从每天下午手动处理，变成了在喝咖啡时审查已完成的工作。

这就是整个过程的缩影：定义完成，夯实验证器，分层设置出口，观察，收紧，然后放手。一旦你在一个任务上体验过它的效果，你就会发现到处都是循环：一个研究和验证直到简报完成的研究循环，一个根据评分标准起草和自编辑直到通过的文章循环，一个清理和验证直到文件格式正确的数据循环。这个模式可以迁移。任务会变，但路线图不会。

一个月后的样子

循环工程不是一个周末就能掌握的技能。它是你工作方式的变革，并且会持续产生复利。

第一周，你构建一个循环，大部分时间在观察它，学习它的失败模式。第二周，你收紧这个循环直到可以放心地让它无人值守运行，然后为另一个不同的任务构建第二个循环。第三周，你开始安排那些可靠的循环自动运行，第一次真切地感受到你在别处时工作仍在完成。第四周，你注意到自己已经不再用提示词思考了。你思考的是目标、检查和退出条件。当一个新的重复性任务出现时，你的本能反应不再是“我该怎么做？”，而是“完成的定义是什么？验证器是什么？”

这种本能，就是整个转变的体现。一个提示者面对每个任务，本能反应是手动输入。而一个循环设计师，本能反应是设计一个能处理当前任务和未来所有同类任务的小型系统。一个是线性的。另一个则产生复利。

让人困在提示者阶段的常见错误

几乎所有尝试这个转变的人都会遇到几个陷阱。

在理解之前就自动化。 人们试图在手动完成过任务之前就构建循环。他们自动化了一个自己都无法描述的过程，结果得到了快速且自信的垃圾输出。记住，永远先手动操作。

验证器薄弱或自我参照。 如果模型使用模糊的标准来检查自己的工作，它总会给自己打满分。循环看起来在运行，却在产出垃圾。验证器必须严格、具体，并且最好基于模型自身观点之外的客观标准。

没有终止逻辑。 一个没有硬性退出条件的循环会无限运行，耗尽你的预算，或者原地打转。分层级的退出机制并非可有可无。它们是工具与失控之间的区别。

忽略状态。 一个没有持久记忆的循环，每次遇到问题都会从头开始。对于任何长任务，状态是它能存活下去的关键。

让 AI 执行不可逆的操作。 诱惑在于让循环无监督地完成所有事情。对于任何无法挽回的操作，都要抵制这种诱惑。循环的目的是杠杆作用，不是鲁莽行事。

技能背后的技能：培养品味

这就是那些卖你循环工程课程的人不会强调的一点，因为它无法被包装成速成技巧：循环工程中最困难、最有价值的部分是培养品味。

想一想验证器究竟是什么。它是你对“好”的定义，以足够精确的方式写下来，使得机器能够强制执行。这意味着你循环的质量上限，取决于你判断力的质量。如果你无法区分好的输出和一般的输出，你就无法写出能捕捉到这种差异的验证器，你的循环就会愉快地大规模产出平庸的结果。循环本身没有品味。你需要提供它。循环只是不知疲倦地强制执行它。

这就是为什么循环工程会如此厚待有经验的从业者。一位资深工程师知道正确的代码长什么样，因此他们能写出捕捉细微错误的检查。一位优秀的编辑知道好的文章长什么样，因此他们能构建一个捕捉低质量草稿的评分标准。你多年积累的领域专业知识，在循环工程的世界里并不会过时。它会成为奖励函数。它会成为你拥有的最具杠杆效应的资产。

因此，在你按照这份路线图前进的同时，也要投资于提升你自己的判断力，就像你投资于技术设置一样。研究你试图循环化的工作中的优秀范例。在你的领域里，让自己变得善于区分卓越与合格。因为你的品味每提升一点，你所写下的每一个验证器，从而你所运行的每一个循环，都会随之提升。拥有最好品味，并有纪律将其编码成系统的人，能构建出最好的循环。这才是真正的竞争，而这场竞争，需要你通过关心质量，慢慢赢得。

那些在循环上挣扎的初学者，通常不是在命令上挣扎。他们挣扎是因为他们以前从未需要清晰地阐述“好”的定义，而循环迫使他们这么做。这种困难就是成长的契机。克服它，你不仅会构建循环，还会比以往任何时候都更清楚自己的标准。

关于循环工程的诚实真相

一个循环，无法拯救一个你本就不理解的任务。

这份路线图上的每一步，本质上都是在让你更清晰地描述自己的工作，好让机器能够驱动它。循环本身是容易的。困难的部分，完全在于你：清晰度、完成的定义、真正能捕捉失败的验证器。循环工程，很大程度上是关于精确思考什么样输出是好的，以及你如何能一眼识别出它的纪律性。

但这正是这项技能能够产生复利的原因。学会设计循环的人，不会被更强大的模型所取代。他们是指引模型走向目标、将自己的判断编码为检查、并让系统自行运行的人。随着模型在长任务上变得越来越好，能够围绕它们设计循环的人会变得更有价值，而不是更少。

这一切被命名，仅仅是几周前的事。

这意味着，现在，今天，此刻，正是了解它并让你领先于几乎所有人的窗口期。在它成为一个显而易见的默认操作之前。

你可以继续手动输入提示词，等待回答。

或者，你可以设计一个循环，让它替你完成等待。

第一步，就是第一步。从那里开始。

如果你觉得这篇文章有用，请关注我 @eng_khairallah1 获取更多类似的 AI 内容。我每周都会发布解析、课程和工具。

希望这对你有帮助，Khairallah ❤️