最近，硅谷最火的是哪个词？
Loop。
一打开X，全网铺天盖地都在讲Loop Engineering。
硅谷一众大佬，都在纷纷放弃提示词，转向自主循环！
黄仁勋给我们划出下一阶段的新重点（也是烧token的新方法）：
Nobody writes prompts anymore. The new job is to write and handle loops.
（没人再写提示词了，新工作是写Loop，搞Loop。）
最近，Anthropic工程师透露：
Anthropic内部80%以上工程师已在使用自改进循环（self-improving loops），3-6 个月将达 100%。
吴恩达断言：3到6个月后，prompt将消亡！Loop取代prompt，已成定局。
Karpathy此前在讲解自己的AutoResearch项目时，就讨论AI agents 闭环（generation → execution → evaluation → improve），呼吁要把人类从loop中部分移除。
Karpathy在3月在访谈里，专门深入谈了 AutoResearch / Karpathy Loop
OpenClaw之父Peter Steinberger直言：每月一提醒，别再手写提示词了，设计循环才是王道。
Claude Code之父Boris Cherny直接豪言：Loop循环就是未来！
两年前，我们还在手动写代码。后来开始过渡到让智能体来写代码。
而现在，我们正迈向这样一个阶段：由智能体来提示其他智能体，再由后者生成代码。
从源代码到智能体这一步虽然很大，但引入循环机制的意义和影响，丝毫不亚于前一步。
没想到，提示工程火了两年，顶流AI工程师已经不玩了。
01、为什么硅谷大佬，都纷纷看好Loop？
传统 prompting 的本质是：人类就是loop本身。
你写prompt → Agent输出 → 你review → 你再写下一个prompt → 循环往复。
每一步都依赖人类注意力、上下文记忆和决策带宽。一个人一天能有效驱动的token量和任务复杂度是有限的。
Loop Engineering的本质是：系统自己成为loop。
因此，循环工程比提示词工程更重要。
人类只做一次高价值设计：
1、定义目标与停止条件
2、搭建验证机制（最关键）
3、建立持久化记忆（markdown / 外部状态）
4、 配置发现与调度
之后， AI循环系统可以自主发现任务 → 执行 → 验证 → 持久化 → 再次发现，24/7 运行，人类只在必要时介入。
这就是硅谷大佬，都纷纷看好Loop的原因。
他们是基于这个判断：一旦loop成熟，手动提示词的性价比会直接崩盘！
02、Loop Engineering 11页白皮书，全网疯转
所以，循环过程到底是什么？
最近几天，X上开始疯转这样一份关于Loop Engineering的白皮书。
这个11页PDF，本质上是一份流行总结/现场指南，汇集了相关公开讨论和实践经验。
其中的核心想法，源于 Peter Steinberger、Boris Cherny和Addy Osmani的公开表述。
什么是循环工程？
Loop Engineering（循环工程），由 Google Chrome 工程师 Addy Osmani 在 2026 年 6 月命名。
它是提示词工程、上下文工程、工具链工程之上的第四层：前三层都假设你坐在键盘前逐行指挥 AI；Loop Engineering 要把你从这个位置上移走，彻底将你从干活的位置上解放出来。
从此，你不再是驱动AI的引擎，而是设计这台引擎的架构师。
系统将在设定好的时间自动唤醒、衍生子智能体进行工作，并将输出结果反馈给自身作为下一轮的输入。
文章将一个完整的Loop拆解为五个关键动作 ：
发现：AI利用固化的技能库自己去寻找有价值的工作，比如读取最新的CI失败记录或未解决的Issue。
交接：为每个任务开启独立的沙盒，让多个智能体并行且互不干扰 。
验证：这是最核心的一步。让写代码的AI给自己打分，它只会盲目自我赞美。因此，必须引入一个完全独立的、默认持怀疑态度的「评估者」智能体来挑错。
持久化：AI的记忆不能只停留在随时会被清空的上下文窗口中，必须将其状态和进度固化到磁盘上，以便第二天能接着干。
调度：通过自动化脚本让系统周期性地自主运转，闭合整个循环。
其中，最难、也最容易被偷懒跳过的是验证。
让 AI 自己给自己打分，它几乎总会夸自己，因为它脑子里装着自我说服链条。而解法，就是引入一个独立的评估 Agent，默认假设代码是坏的。
然而，系统全自动运行并不意味着你可以高枕无忧。作者警告：当循环在深夜狂奔时，可能会悄悄积累四大隐性成本。
验证债务：未经验证的细微错误被悄悄合并入库。
理解腐化：AI写代码太快，导致人类对代码库的理解严重脱节。
认知投降：人类懒得再审查，全盘接受AI的结果。
Token失控：AI在死循环中彻夜重试，烧光预算。
同一个Loop，两个人来建，可能会得出截然相反的结果。带进去判断力，就放大判断力；带进去懒惰，就放大懒惰。
总之， 这篇报告揭示了一个深刻的行业变化：循环工程让代码的生成几乎免费，而人类的判断力，则成了唯 一的稀缺资源！
另外，同时全网疯转的还有Codez发出的一份14步的实操手册，目前已经有百万转发。
文章大意如下：Prompt已经过时了，杠杆点已经上移了一层——从「写给AI看的话」，变成「设计一套自动喂给AI的系统」。
这个转变可以拆成14步、3个阶段——
先判断你是否真的需要一个循环（任务是否重复？验证是否可以自动化？预算能否承受？），再学会五个构件（调度、隔离工作目录、技能文件、外部连接器、独立评估子 Agent），最后搭出最小可用的循环。
其中最关键的一点是：让写代码的 Agent 和审代码的 Agent 分开。同一个模型既当运动员又当裁判，结果永远是给自己打满分。
没有客观验证门控的循环只是「两个乐观主义者互相点头」，跑得越好的循环，越容易让工程师停止真正理解代码。
Loop Engineering诞生时间线
如果要给循环工程理一条时间线，大致如下。
前期基础阶段
2022 年：姚顺雨等人提出ReAct框架，奠定理论基石。
2025 年：Geoffrey Huntley 提出 「Ralph」 。
2025–2026 年初：Andrej Karpathy 发布 AutoResearch 项目，形成经典的自主实验循环，这是一大里程碑。
概念爆发与命名阶段
2026 年 6 月初，Peter Steinberger发声：你不应该再手动提示编码智能体，而应该设计提示它们的循环。
Boris Cherny表示：我不再直接提示 Claude，我的工作是编写运行 Claude 的循环。
2026 年 6 月 7 日：Addy Osmani发布博客《Loop Engineering》，正式将之命名，提供4层栈框架：Prompt → Context → Harness → Loop Engineering）。
随后，在整个6月，Loop Engineering开始在全网病毒式传播。
03、Claude「无限循环」，自动化Agent接管一切
在内部播客中，Anthropic的工程师吐露了一个令人毛骨悚然的细节：
当你点击运行，让 Claude 执行 8 小时，你其实是在进行一场 500 美元的算力豪赌。
如果你还在纠结怎么写提示词，你就已经输了。
在 Anthropic 的逻辑里，工程师正在进化为「算力分配师」。
你的核心工作不再是写逻辑，而是决定每一美分的算力投向哪里。
正如OpenAI研究员Noam Brown本月早些时候指出的，当代模型只要你肯砸足够的算力，几乎能解决任何问题。
循环工程是「测试时计算」大趋势的一部分。
有趣的是，让智能体循环工作的点子其实早就有雏形了。
至少去年夏天，澳大利亚放羊大叔Geoffrey Huntley就在博客里提过类似做法，他管这叫「Ralph循环」。
一年前，如果你想实现一个循环，你得写一堆 bash 脚本，然后永远维护那堆代码，它只属于你一个人。
而现在，这些组件直接内置在产品中。
你就不会再争论该用Codex或Claude Code，而是直接设计无论你身处哪个工具都能正常运行的循环。
原谷歌工程与开发者关系负责人Addy Osmani指出，循环工程需要的各个部分，这些AI工具都已具备。
他还断言，循环工程可能导致工程师「认知投降」：
当循环自行运转时，你很容易停止思考，只是被动接受它反馈的一切。
这也是正是软件工程Armin Ronacher所忧心的。
这也正是橙皮书中所说的，Addy Osmani鼓励大家带着判断力去设计循环：
设计循环，若带着判断力去做便是解药，若为了逃避思考而做则是催化剂——同样的动作，截然相反的结果。
循环不止，工程不死
在四月的AI工程师大会上，Anthropic的工程师说，他们让Claude开发复古小游戏的App，分别用了两种方式：一种是只用极简的提示词，另一种是用智能体循环。
结果对比很鲜明： 极简提示词那版花了20分钟、耗费9美元就搞定了；而循环方式花了6小时、耗费200美元。
但后者做出来的App质量高出一大截。
前者游戏跑不起来，App很简陋；而循环版则丰富得多，包含了游戏设计师想要的很多功能。
循环不会怜悯放弃思考的人。它只会用更快的速度，把你的无知变成代码里的债务。
而那些愿意继续保持笨拙理解、持续定义规则、并为最终结果负责的人，将在这一次范式迁移中，获得比以往更大的杠杆。
Build the loop. Stay the engineer.
Prompt已死，Loop在运行。
而你，依然是那个决定它意义的人。
