共计 1084 个字符，预计需要花费 3 分钟才能阅读完成。
AI 编程圈最近被“Loop 工程”刷屏 。 一条关于“不要再只给编程 Agent 写提示词, 而要设计循环来提示 Agent”的观点, 引发了大量讨论。争议背后, 一个更值得关注的变化是:AI 编程正在从“写好一句提示词”, 转向“搭建一套可反复试错、自动验证的工作流程”。
📌 争议从一条推文开始
围绕 Loop 工程的讨论之所以迅速升温, 是因为它触碰到了提示词工程的边界。支持者认为, 单次提示词很难覆盖复杂任务中的所有变量; 质疑者则担心, 多轮循环会带来更高 token 消耗, 也可能制造新的概念泡沫。
从已知讨论看,Loop 工程并不是要否定提示词。更准确地说, 提示词仍是输入, 但它不再是全部。真正被强调的是:Agent 在拿到目标后, 如何行动、观察结果、评估成败, 并据此进入下一轮修正。
🔍 Loop 工程到底是什么
在传统编程里,循环通常意味着重复执行一段确定逻辑; 而在 Agent 场景中,Loop 更像是围绕目标展开的动态过程。它通常包含目标、行动、观察、评估、修正, 再进入下一轮。
这一区别很关键。传统代码需要开发者提前写出各种 if 和 else; 但开放式任务中, 很多问题只有在执行后才会暴露。例如写代码时,Bug 往往要跑测试才知道; 做页面时, 视觉问题可能要截图检查后才发现。
- 提示词工程:尽量一次性把需求描述清楚, 让模型给出结果。
- Loop 工程:先定义目标和验收方式, 再让 Agent 通过反馈不断修正。
- 核心变化:从追求“一次答对”, 变成允许“多轮逼近”。
💡 一个可运行 Loop 需要哪些组件
- 清晰目标:目标必须可验证, 例如性能指标、测试通过、功能保持一致等。
- 上下文管理:决定哪些代码、日志、文档、历史尝试需要保留, 避免上下文过脏或缺失。
- 工具调用:Agent 需要能运行测试、查看文件、执行命令, 但工具也不宜无限堆叠。
- 自动评估:没有评估, 循环只会空转; 测试、截图、日志分析都可能成为反馈来源。
- 停止条件:成功、失败、达到轮次上限或需要人工介入时, 都应让循环停下来。
📊 它会取代提示词工程吗
目前更稳妥的判断是: 不会取代,但会改变提示词的重要性。一个糟糕的提示词放进 Loop 里, 并不会自动变好; 但在复杂任务中, 单次提示词确实很难承担全部控制责任。
🚀 值得关注的行业影响
- 对开发者来说, 能力重心可能从“会写提示词”扩展到“会设计任务流程”。
- 对团队来说,AI Agent 更可能承担持续性工作, 如检查 issue、修复问题、跑测试、提交变更。
- 对产品来说, 简单聊天式交互之外, 长期运行、可监督、可回滚的 Agent 系统会更受关注。
