A Promptolás Múlté: Üdv a Loop Engineering Korszakában

Ha eddig úgy használtad az AI kódolási asszisztenseket, ahogy a legtöbben — megfontolt promptok, kimenetek olvasása, következő utasítás gépelése, és kezdődik előröl —, akkor most kapaszkodj meg. Ez a munkafolyamat, amit az elmúlt években megszoktál, a komoly fejlesztői munkában már elavult lehet.

Az új paradigmaváltás neve? Loop engineering. És ez az egész szoftverfejlesztési munkát alapjaiban változtathatja meg.

Mi a Loop Engineering?

A legegyszerűbben így tudod elképzelni: nem te vagy az, aki promptolja az agentet. Te vagy az, aki megtervezi azt a rendszert, ami promptolja az agentet.

Egy „loop" gyakorlatilag egy rekurzív cél. Megmondod, mit akarsz elérni, és az AI addig iterál, amíg el nem készül. Egyszer beállítod, és a rendszer a háttérben fut, ellenőrzi a munkát, azonosítja a következő lépéseket, és visszajuttatja azokat az agentnek — miközben te egyetlen billentyűt sem ütsz.

Ez nem valami elméleti koncepció, amit AI-konferenciákon workshopolnak. Boris Cherny, az Anthropic-nél a Claude Code vezetője meglehetősen egyenesen fogalmazott: „Én már nem promptolom a Claude-ot. Vannak loopjaim, amik promptolják a Claude-ot, és kitalálják, mit kell csinálni. Az én munkám a loopok írása."

Ez komoly szemléletváltás. A készség már nem a promptolás — hanem az architektúra.

Miért Fontos Ez a Csapatod Számára?

Gondolkozz el azon, mit jelent ez a gyakorlatban. Jelenleg a legtöbb AI-támogatott projekt szűk keresztmetszete az emberi figyelem. Te ellenőrzöd minden változtatást, elkapod minden hallucinációt, irányítod minden refaktorálást. Egy ember csak korlátozott mennyiségű kimenetet tud átnézni, mielőtt ő válik a limitáló tényezővé.

A loop engineering kivesz ebből a szűk keresztmetszetből.

Amikor megfelelő loopot tervezel, gyakorlatilag egy kicsi autonóm fejlesztőcsapatot építesz. Az egyik komponens felfedezi a tennivalókat. A másik elvégzi a munkát. A harmadik ellenőrzi. A loop folyamatosan pörög, és te csak akkor avatkozol közbe, amikor valami ténylegesen a te döntésedet igényli.

Ezért van az, hogy a NameOcean-nél, amikor a Vibe Hosting-ról és az AI-támogatott fejlesztésről beszélünk, nem csak a fejlesztők által használt eszközökre gondolunk — hanem azokra a rendszerekre, amiket azokkal az eszközökkel építenek. A jövő nem az „igazi AI asszisztens" kiválasztásáról szól. A jövő a megfelelő AI infrastruktúra megépítéséről szól.

Az Öt Alapvető Komponens

Azokból a rendszerekből, amiket olyan termékekben építenek, mint az OpenAI Codex appja és a Claude Code, egyértelmű minta bontakozik ki. Minden működő loop öt alapvető komponenssel rendelkezik, plusz egy közös memóriával:

1. Ütemezett Automatizációk

Ez az, ami a loopot valóban looppá teszi. Automatizáció nélkül, ami rendszeres időközönként aktiválja a rendszert, egyszerűen csak egy szkriptet kapsz, ami egyszer lefut. Az automatizációk a szívverés — ellenőrzik az új hibákat, figyelik a CI-bukásokat, vadásznak a múlt héten bevezetett bugokra, bármit is terveztél nekik.

A kulcs itt az, hogy az automatizációk megtalálják a dolgokat és elhozák neked. Te már nem az vagy, aki körbejár és ellenőriz — a rendszer hozza el az ellenőrzést hozzád.

2. Worktree-ök a Párhuzamos Munkához

Két agent ugyanabban a kódbázisban dolgozni megfelelő izoláció nélkül katasztrófa receptje. A worktree-ök lehetővé teszik, hogy több agent egyszerre, külön branch-ekben dolgozzon anélkül, hogy egymás útjába állnának. Ez elengedhetetlen mindenhez, ami túlmutat a triviális automatizáláson.

3. Skills (vagy Tudásbázisok)

Itt kódolod azt, amit az agent egyébként csak tippelgetne. Projekt konvenciók, kódolási standardok, architekturális döntések — olyan dolgok, amik a fejédben vagy a README-dben élnek, de amiket az agent elfelejt a session-ök között. Egy jól dokumentált skill azt jelenti, hogy az agented konzisztensen úgy működik, ahogy a csapatod ténylegesen dolgozik.

4. Pluginek és Konnektorok

Az agentednek integrálódnia kell a már használt eszközökhöz. Jira, Linear, GitHub, Slack, bármi, amiben a csapatod él. A loop nem izoláltan létezik — interakcióba kell lépnie azokkal a rendszerekkel, ahol a munka ténylegesen zajlik.

5. Szub-agentek Különböző Szerepkörökkel

Itt válik igazán érdekessé: az a rendszer, aminek az ötlete van, nem ugyanaz a rendszer, ami ellenőrzi a munkát. Egy agent futtatja a feladatot; egy másik agent (gyakran egy kisebb, gyorsabb modell) review-olja. Ez a szétválasztás az, ami megakadályozza, hogy a loopok minőségellenőrzés nélkül végtelenül generáljanak.

A Hatodik: Közös Memória

Ezt könnyű figyelmen kívül hagyni, de kritikus. A modell mindent elfelejt a run-ok között. Bármi, amire az agentnek szüksége van, a konverzión kívül kell élnie — a diszken, egy Linear boardon, egy markdown fájlban. Az agent elfelejt; a repo nem.

A Tokenköltség Realitás

Mielőtt teljes gőzzel belevágnál a loop engineering-be, egy figyelmeztetés: a tokenköltségek gyorsan elszállhatnak.

A hagyományos promptolásnál tisztában vagy azzal, amit költesz, mert aktívan részt veszel minden cserében. A loopok autonóm módon futnak, és ha az automatizációd 50 problémát talál egyetlen átfutás alatt, a tokenek gyorsabban elfogyhatnak, mint vártad.

A megoldás nem az, hogy elkerülöd a loopokat — hanem az, hogy átgondoltan tervezed őket. építs be fékeket, amik megakadályozzák az elszabadult végrehajtást. Használj kisebb modelleket a verifikációs lépésekhez. Állíts be költségvetéseket és riasztásokat. A loop engineering emberi időt spórol, de megkövetel némi emberi idő befektetését előre a jó tervezésbe.

Merre Tart Ez?

Az izgalmas rész az, hogy a loop engineering már nem hobbi-űzérkedés, amihez egyedi bash scriptek és ragasztószalag kell. A képességek közvetlenül a termékekbe épülnek. Az OpenAI Codex appja beépített automatizációkkal rendelkezik. A Claude Code-nak van /loop és /goal primitívje. Az építőelemek érettebbek.

Amint meglátod, hogy az alakzat ugyanaz a különböző termékekben, valami bekattan: abbahagyod az érvelést, hogy melyik eszköz a „jobb", és elkezdesz olyan loopokat tervezni, amik függetlenül működnek attól, melyik agentet használod. Az architektúra hordozható. A looptervezésbe fektetett energia megtérül, bármilyen AI kódolási eszközt is adoptálj legközelebb.

a Munkád Változik

Talán a legfontosabb tanulság ez: a legértékesebb fejlesztők a következő években nem azok lesznek, akik a legjobb promptokat írják. Hanem azok, akik a legjobb rendszereket tervezik.

Ha már kényelmesen mozogsz az AI kódolási asszisztenseknél, valószínűleg készen állsz erre a következő lépésre. A loop engineering nem nehezebb, mint amit most csinálsz — csak másfajta gondolkodást igényel. Ahelyett, hogy taktikai lennél („írd meg ezt a függvényt"), stratégiai leszel („így építjük a dolgokat, most folytasd az építést").

A NameOcean-nél hisszük, hogy azok a fejlesztők, akik átveszik ezt a szemléletváltást — akik megtanulnak AI rendszereket tervezni, nem csak használni —, azoknak aránytalanul nagy hatásuk lesz. Az eszközök érettebbek. A minták kirajzolódnak. A kérdés az, hogy kész vagy-e abbahagyni a promptolást és elkezdeni építeni.

A fejlesztés jövője nem arról szól, hogy megtaláld a megfelelő szavakat az AI megkérdezéséhez. Hanem arról, hogy megépítsd a megfelelő loopokat a felszabadításához.