Loop Engineering：从喂 Prompt 到设计让 Agent 自己干活的系统

本文是对花叔所著《Loop Engineering 橙皮书》(v260615) 的完整总结，原书发布于 2026 年 6 月。

一、什么是 Loop Engineering

一句话定义

Loop engineering is replacing yourself as the person who prompts the agent. You design the system that does it instead.

循环工程，就是把「那个负责 prompt agent 的人」从你自己换成一套系统。你不再亲自一句句喂，而是设计那套替你喂的系统。

这个词由 Google Chrome 团队工程师 Addy Osmani 在 2026 年 6 月命名。但几乎同一周，三个人分别撞到了同一件事：

三个人互不通气，一周内指向同一个词——不是巧合，是大家各自做着类似的事，做到一定程度发现需要一个共同的名字。

核心转变

旧世界：你坐在那儿，一句句 prompt agent。它干完一件，停下，等你下一句。你是循环里的人肉时钟。

新世界：你设计一套东西，让它自己一拍一拍地敲。它在定时器上跑、自己孵化小帮手去干活、自己把结果喂回给自己。你不在循环里了，你在循环外面看着它转。

二、四层栈：从 Prompt 到 Loop

过去两年 AI 圈造的那串「XX Engineering」，不是互相替代的，是叠起来的：

每往上一层，你操心的东西就大一号。从「一句话」到「一个窗口」，再到「一次运行」，最后到「一整套自动跑的循环」。

为什么非得分这么细？ 因为每一层的失败方式不一样。Prompt 错了你当场看见；Context 装错了模型答偏，也容易察觉；但到了 Loop 这层，它在你睡觉时自己跑、自己改你没看过的代码、自己把错误也一并喂给下一轮——出问题你可能几天后才发现。

层次越高，你离现场越远，犯的错就攒得越久。

三、一个循环的五个动作

Loop 里的「循环」不是空转。每转一圈，都在干一件具体的活：

1. 发现（Discovery）

搞清楚「这一圈该干什么」。关键是让 agent 自己去找活，而不是你把活喂给它。

Addy 的 triage loop 里，一个 triage skill 去读 CI 失败、open issues、最近 commits——合起来就是「昨天到今天，系统里出了哪些值得管的事」。

发现这一步做得好不好，决定了整个 loop 的质量上限。

2. 交付（Handoff）

把任务从调度系统交到干活的 agent 手里。不是简单喊一声「去修这个」，而是每个发现单独开一个隔离的 worktree，让多个 agent 各改各的，互不踩脚。

3. 验证（Verification）

最不能省的一步。 第一个子 agent 起草修复后，第二个子 agent 来审查——对照项目的 skill 和测试，instructions 跟第一个不一样，有时候连模型都换一个。

一个 loop 难的不是 loop 本身，难的是往里面塞一个能说「不」的东西。

4. 持久化（Persistence）

结果得落到一个能活过这次对话的地方。改动通过 connector 自动开 PR、更新 ticket；处理不了的进收件箱等人；还有一个贯穿始终的状态文件，记着「转到哪了」。

Agent 会忘，仓库不会。记忆得待在磁盘上，不能待在上下文里。

5. 调度（Scheduling）

前四个动作合起来是「转一圈」，但转一圈不等于一个 loop。真正让它成为「循环」的，是调度——让它在定时器上不停地转，替你把这件事一直做下去。

Automations are what make a loop an actual loop and not just one run you did once.

四、六个零件：搭一个 Loop 需要什么

六个零件齐了，一个能自己转的 loop 就有了骨架：Automation 让它动，Worktree 让它不打架，Skill 让它不重复劳动，Connector 让它看得见外面，子 agent 让它能自我纠错，Memory 让它记得住。

五、生成器与评判器：为什么写代码的 AI 不能给自己打分

它总夸自己

Anthropic 工程师 Prithvi Rajasekaran 观察到一个稳定现象：

When asked to evaluate work they've produced, agents tend to respond by confidently praising the work—even when, to a human observer, the quality is obviously mediocre.

让 agent 评价自己产出的东西，它往往会自信地夸一通，哪怕在人看来质量明显很一般。这不是模型不够聪明，是它在给自己的作业打分——写代码的上下文里已经塞满了「我为什么这么写」的理由。

改一个怀疑论者，比改一个谦虚的作者容易

Tuning a standalone evaluator to be skeptical turns out to be far more tractable than making a generator critical of its own work.

调一个独立的评判器让它变得怀疑，比让生成器自我批判要容易得多。区别在结构，不在措辞——你没法靠一句「请严格一点」让作者跳出自己的视角，但你可以换一个 agent，给它完全不同的指令，让它从零开始看这段代码。

评判器要会动手，不只是会读

Rajasekaran 在前端任务中的做法：evaluator 接上 Playwright MCP，自己打开页面、点按钮、截图、查 DOM，像一个真人 QA 那样去用这个东西。判断依据从「我觉得这段 JSX 没问题」变成了「我点了登录按钮，页面跳转了，截图在这」。

产品落地：/goal

Claude Code 的 /goal 命令把 maker-checker 原则用在了停止条件上：

/goal all tests in test/auth pass and the lint step is clean

每跑完一轮，一个又小又快的模型来检查条件成立没有。不成立，Claude 就再跑一轮，而不是把控制权交还给你。是否完成，由一个全新的模型判定，不是由干活的那个判定。

一个 loop 的下限，是它的评判器。Generator 的水平决定 loop 能产出什么，Evaluator 的水平决定 loop 不会产出什么。

六、三个真实的 Loop

案例一：Addy 的早晨 — 个人 triage loop

每天早上 automation 自动醒来，读 CI 和 issue，开 worktree，子 agent 起草和审查，过了就自动开 PR，没把握的丢进收件箱等人，状态写进文件留给第二天。

关键细节：automation 调用的是 $skill-name，不是把一大段指令贴死在日程里。

You fire $skill-name instead of pasting a giant wall of instructions into a schedule that nobody will ever update.

案例二：Stripe 的 Minions — 每周 1300 个 PR

每周合并 1300 多个 PR，没有一行是人手写的。触发方式很轻——Slack 里 @ 一下或加个 emoji 反应。

真正让它靠谱的，是 LLM 醒来之前那一段：一个确定性的 orchestrator 先把上下文备齐（扫链接、拉 Jira、找文档、用 Sourcegraph + MCP 搜代码），等 agent 上场，桌上已经摆好了它要的所有材料。

能用确定性逻辑解决的，绝不交给概率模型。

架构是六层，确定性的 gate 和 LLM 的创造步骤交替咬合。沙箱用 Devbox 跑在 EC2 上，"cattle not pets"，用完即弃。底层是开源工具 Goose 的一个 fork——AI 的可靠性来自约束的质量，不是模型的大小。

注意最后一行：人没退场，人换了工位。1300 个 PR 仍然由工程师 review，时间从「写」挪到了「审」。

案例三：「睡觉时跑」到底靠什么

本地 /loop 是「我在场时让它替我多跑几轮」，云端调度才是「我不在场它也照跑」。两件事，别混。

七、代价：四笔账

A loop running unattended is also a loop making mistakes unattended.

一个没人看着的循环，也是一个没人看着犯错的循环。

1. 验证债（Verification Debt）

循环自动开 PR、改代码、合并，每一步都省了你的时间。但省下来的时间不是白来的，它变成了一堆「还没人验证过」的产出，堆在那儿等你还。

问题藏在测试没覆盖到的地方，藏在「能跑」和「对」之间的缝里。它们安静地躺着，攒到某个上线的早上一起爆。

2. 理解腐烂（Understanding Rot）

循环每天替你写一堆你没写过的代码。代码能跑、测试能过、PR 能合。但有个东西在背后慢慢变质：你对这个项目的理解。

The faster the loop ships code you did not write, the bigger the gap between what exists and what you actually get.

代码库在长大，你脑子里的那张地图却停在三个月前。等出事的那天，你打开文件，发现自己像在看别人的项目。

3. 认知投降（Cognitive Surrender）

When the loop runs itself it's very tempting to stop having an opinion and just take whatever it gives back.

循环越可靠，你越容易把判断这件事整个外包出去。验证债和理解腐烂还是技术问题，认知投降是态度问题。前两个是你没时间管，这个是你不想管了。

4. Token 失控（Token Runaway）

一个自主跑的循环，消耗有多少，很难提前算准。循环会自己孵化小帮手、自己重试、自己在定时器上一遍遍跑。你写的是逻辑，跑出来的是次数，而次数乘以单价才是钱。

循环工程最迷人的地方，是它让一个人能干一个团队的活。最危险的地方，也是同一处——团队会互相 review、互相提醒、互相吵架，一个人加一堆循环，很容易变成没人吵架的回音壁。

八、当工程师，不只是按下启动键

Two people can build the same loop and get opposite outcomes.

同样的循环，两个人造，结果可以截然相反。区别不在循环里，在造它的人手上。

一个人用循环，是为了在自己已经吃透的事情上跑得更快。循环帮他扩大的，是他本来就有的判断。

另一个人用同样的循环，是为了不必再去理解。看不懂没关系，循环会写；判断不了没关系，循环会合。他用循环把「理解」这件麻烦事整个绕过去了。

循环本身不偏向任何一边，它只是个忠实的乘号，乘的是你。

不稀缺的和稀缺的

循环让「生成」变得极其廉价。代码、方案、PR、修复，都能批量造出来。当一样东西可以被无限生成，它就不再值钱。

什么还稀缺？判断力。 知道哪个方案是对的、哪行代码该拦下来、哪个产出虽然能跑但根上错了——这件事循环替不了你。

循环工程不是让判断力贬值，恰恰相反。它把所有不需要判断的活都拿走了，剩下的全是判断。

Addy 的收尾

Build the loop. But build it like someone who intends to stay the engineer, not just the person who presses go.

造那个循环。但要像一个打算继续当工程师的人去造它，而不是一个只负责按下启动键的人。

九、今天就动手：搭你的第一个 Loop

五步走

第一步：跑一个 /loop

/loop 5m check the deploy          # 固定 5 分钟一次
/loop check the deploy             # Claude 自己决定节奏
/loop                              # 裸跑，执行 .claude/loop.md

时间单位 s/m/h/d，最小间隔 1 分钟。Session-scoped，7 天后过期，机器关了就停。

第二步：让它读 CI 和 issue，先做 triage

给它一个 prompt，让它每天早上去看 CI 失败、新开 issue、最近 commit，挑出值得处理的，列个清单。

第三步：加一个状态文件，让它有记忆

开一个 markdown 文件，把每次的发现、处理到哪一步都写进去。这就是 loop 的记忆——今天没处理完的，明天醒来还能接着干。

第四步：加一个 evaluator，让它能说不

/goal all tests in test/auth pass and the lint step is clean

判断条件成立的，是另一个 fresh 模型，不是干活的那个。

第五步：加 worktree，让它并行

--worktree  # 或 -w，给每个后台 agent 开独立 worktree

工具速查（2026 年 6 月）

第一个 Loop 检查清单

前两条决定你的 loop 能不能跑，后四条决定它跑起来会不会闯祸。

第一个 loop，宁可小，也要把那个会说「不」的检查和人工复核点装齐。

总结

Loop Engineering 标记的是一次身份变化：从操作 agent 的人，变成调度 agent 的人。

• Prompt 管一句话，Context 管一窗户，Harness 管一次跑，Loop 管让它自己跑下去
• 一个循环 = 发现 + 交付 + 验证 + 持久化 + 调度
• 六个零件：Automations、Worktrees、Skills、Connectors、Sub-agents、Memory
• 最难的不是搭循环，是往里面放一个能说「不」的东西
• 四笔账：验证债、理解腐烂、认知投降、Token 失控——都不会在当下报警
• 造循环，但要像一个打算留下来的人去造

这本书到这儿就讲完了。原理、零件、案例、代价，能说的都说了。剩下的不在书里，在你的终端里。现在就去搭你的第一个 loop。

原书作者：花叔 · AI Native Coder
橙皮书免费下载：huasheng.ai/orange-books

参考文章

loop-engineering-orange-book
loop-engineering

• Previous
  张小珺对话杨植麟｜K2时代AI：走出缸中之脑，走向Agent自进化