AI 开发的新玩法：Loop Engineering

大多数人在用 AI 编程助手的时候，都是这么操作的：写提示词，看输出，再打字，再看输出，周而复始。

如果你也是这么用的，今天这篇文章可能会让你重新思考一下。

这种方式，这几年下来大家已经很熟悉了。但是，对于正经做开发的人来说，这套玩法可能已经开始过时了。

新的玩法叫什么？Loop Engineering。这东西，可能会彻底改变我们写代码的方式。

什么是 Loop Engineering？

说白了很简单：以前你是那个给 AI 下指令的人，现在你是设计系统的人——这个系统会自己给 AI 下指令。

这里的"loop"，本质上就是一个递归目标。你告诉 AI 你想要什么结果，然后它自己反复迭代，直到完成。你只需要设置一次，剩下的事情它自己跑：检查进度、发现下一步、反馈给下一个环节——整个过程你一个字都不用打。

这可不是什么学术圈纸上谈兵的概念。Anthropic 的 Boris Cherny，Claude Code 的负责人，说得很直接："我不再手动提示 Claude 了。我写好循环，让它们自己跑，自己决定下一步做什么。我的工作就是写这些循环。"

这句话挺值得琢磨的。核心技能变了——不再是对话话术，而是系统架构能力。

为什么这对你的团队很重要？

我们来看看实际意味着什么。现在大多数 AI 辅助项目，最大的瓶颈是什么？是人。

你得审每一处改动，抓每一个幻觉，引导每一次重构。一个人能 review 的东西就那么多，做到最后，你自己又成了那个卡脖子的环节。

Loop Engineering 把你从这个瓶颈里解放出来了。

当你设计好一个 loop，你实际上是在搭建一个小型自主开发团队。一个模块负责发现问题，一个模块负责干活，一个模块负责检查。循环跑着，你只需要在真正需要人做判断的时候介入一下。

这就是为什么我们在 NameOcean 聊 Vibe Hosting 和 AI 辅助开发的时候，不光想的是开发者用什么工具——我们更关心他们用这些工具搭出了什么系统。未来的重点，不是选哪个 AI 助手，而是搭好 AI 基础设施。

每个 Loop 都需要的五样东西

分析一下 OpenAI 的 Codex 和 Claude Code 这些产品是怎么运作的，一个规律浮现出来了。每个能跑起来的 loop，都有五个核心组件，外加一个共享内存：

1. 定时自动化

这是让 loop 真正"动"起来的关键。没有定时触发，系统就跑一次就停了。自动化就是心跳——定时检查新问题、监控 CI 失败、排查上周引入的 bug，都是它干的事。

核心思路是：自动化帮你找东西，主动送到你面前。你不用再到处巡查，检测工作自己找上门来。

2. Worktree 实现并行

两个 agent 在同一个代码库里干活，没有隔离的话就是灾难。Worktree 让多个 agent 可以在不同分支里同时运行，互不干扰。对于稍微复杂一点的自动化来说，这是标配。

3. Skills（知识库）

这就是你把那些 AI 靠猜的内容固化下来的地方。项目规范、代码风格、架构决策——这些存在你脑子里或者 README 里，但 agent 每次对话完就忘的东西。好的 skills 定义，意味着你的 agent 每次表现都跟团队的实际工作方式一致。

4. 插件和连接器

你的 agent 得能接入你现有的工具链。Jira、Linear、GitHub、Slack，你团队日常用什么，它就得能跟什么对接。Loop 不是空中楼阁，得跟真实工作的系统打交道。

5. 角色明确的子 Agent

这里有意思了：出主意的是一个模块，检查工作的不是同一个模块。一个 agent 负责执行任务，另一个 agent（通常是小模型，速度快）负责 review。这种分离，保证了 loop 不会没完没了地产出，质量和进度都有人盯着。

第六样：共享内存

这个很容易被忽略，但特别关键。模型每次跑完就全忘了。Agent 需要记住的东西，必须存在对话外面——磁盘上、Linear 看板里、md 文件里。Agent 会忘，代码仓库不会。

成本这事儿得心里有数

在你一头扎进去之前，有个提醒：token 消耗可能比你想象的快。

传统提示词模式，你一直在线，对花多少有感觉。Loop 是自主跑的，如果你的自动化一次扫出 50 个问题，token 消耗分分钟超预算。

解决方式不是不用 loop，而是好好设计。加入防止失控的检查点，验证步骤用小模型，设置预算和告警。Loop Engineering 省的是人的时间，但确实需要人在前期花点心思做设计。

接下来会往哪走

好消息是，Loop Engineering 不再是极客专属、需要一堆 bash 脚本和胶水代码的玩法了。这些能力已经开始内置到产品里了。OpenAI 的 Codex app 有内置自动化，Claude Code 有 /loop 和 /goal 原语。工具链在成熟。

一旦你发现不同产品的套路是一样的，思路就打开了：你不再争论哪个工具"更好"，而是开始设计能跨 agent 用的 loop。架构是通用的。你学的那套 loop 设计思路，在下一个 AI 编程工具上同样管用。

你的角色在变

最重要的一点：接下来几年最值钱的开发者，不是提示词写得最好的那批人，而是系统设计得最漂亮的那批人。

如果你已经习惯了用 AI 编程助手，那这一步你其实已经准备好了。Loop Engineering 不比你现在做的更难——只是思维方式不一样。从战术层面（"写这个函数"），升级到战略层面（"我们怎么建这套东西，然后让它自己跑"）。

在 NameOcean，我们相信能拥抱这个转变的人——学会设计 AI 系统，而不只是用 AI——会产生远超常人的影响。工具在成熟，模式在成型。问题是你准备好了没有。

停止跟 AI 要答案，开始搭让它自己跑起来的系统。

开发的未来，不是找到最合适的话术去问 AI。而是搭出最合适的 loop，把 AI 的能力真正释放出来。