过去两周，有个词几乎躲不开。
在X平台、领英、油管、技术大会上，在所有工程师的博客里，所有人都在说同一件事："循环工程"。讨论风向突然变了，没人再聊怎么写更好的提示语。所有人都在设计能自己规划、执行、评估、持续改进AI工作的循环系统。有人甚至放话说，提示工程已经过时了，循环工程才是未来。
跟很多工程师一样，我起了好奇心。
接下来两周，我停掉了所有刷帖看观点的时间，开始动手实验。我搭建了自主学习工作流，尝试不同的协调调度模式，有意识地把编程智能体推到简单的一问一答之外互动。更关键的是，我仔细观察了这些工作流在什么地方开始崩盘。
注意到了一个意外发现。越实验，越觉得眼熟。
这篇文章不是又一篇循环工程入门。已经有很好的资料把概念本身讲透了，特别是Addy Osmani关于循环工程的文章，还有Kief Morris关于软件工程循环中人与智能体的那篇。如果你完全没接触过这个话题，我建议你先去看那些。
我只想回答另一个问题：当工程师真正开始用循环工程构建系统时，到底什么变了？这不是教程，也不是分步实现指南。这是我用这些工作流实操后的复盘：它们带来了什么优势，有哪些很少有人谈的权衡，以及为什么我认为，理解底层的工程原理，远比记一堆最新的AI术语重要得多。
先简单对齐一下，循环工程到底是个啥。从根上说，循环工程根本不是一个新的AI能力——它是一种工作流模式。你不再一次一个提示语地跟AI模型互动，而是定一个目标，给出必要的工具和约束条件，让系统自己朝那个目标迭代推进，直到触发停止条件。总体思路出奇地简单。以前得人工反复搞这一套：人→提示→AI→响应→人→提示→……现在你去设计一个系统，让它自己能规划、执行、评估、改进自己的工作，尽量少让人掺和。一个典型的循环工程工作流，包含几个核心组件。目标，定义要完成什么。规划器——
热门跟贴