上周，AI编程圈发生了一件被严重低估的事。
Claude Code团队发布了一篇官方博文，正式定义了"循环工程"（Loop Engineering），一口气拆出四种循环类型。同一天，谷歌工程师Addy Osmani开源了loop-engineering仓库，给出了七个开箱即用的循环模式。再往前推48小时，OpenAI新晋大将Peter Steinberger在X上说了一句话："别再给编程智能体写提示词了，你该设计喂给它们提示词的循环。"
三个人，三条线，同一个落点。
这不是巧合。这是一场范式迁移的序幕。
大佬们为什么集体抛弃提示词
Boris Cherny是Claude Code的创造者。他最近说了一句让整个圈子沉默的话："我现在几乎不亲手写提示词了。"
不是不跟AI打交道。是他有一个智能体在替他给Claude写提示词，他只跟那个"协调一切"的新Claude对话。提示词从人写给AI，变成了AI写给AI。
这个转换的本质是什么？
过去两年，AI编程的主流使用方式是一句话概括需求，等AI吐代码，然后人工审、人工改、人工提下一轮需求。这是一个线性的、单向的、人来启动和终止的过程。每一轮你都要重新告诉AI"我们要做什么"和"我们已经做了什么"。
循环工程颠覆的就是这个模式。在循环里，AI自己判断什么时候该动手、什么时候该停下来、什么时候该把结果反馈给下一轮。人类从"司机"变成了"调度员"——你不再是每一脚油门每一脚刹车的人，你设定目的地和交通规则，AI自己开。
Osmani在loop-engineering仓库里画了一张图，把这个过程拆解成六个标准构件：自动化调度触发、并行Worktree隔离执行、项目Skills知识沉淀、MCP插件连接外部系统、子智能体交叉验证、跨运行的状态记忆。六个构件不是平铺的，是嵌套的。外环负责方向——"做什么"和"为什么做"；内环负责执行——"怎么做"和"做对了吗"。
他特别强调了一个细节：做事的智能体和验收的智能体必须不是同一个。因为"模型给自己打分总是偏高"。这句话翻译过来就是：单智能体循环不可信，多智能体互查才是生产级循环的及格线。
四种循环正在吃下整个软件开发生命周期
Claude Code官方博文拆出了四种循环类型，不是空谈概念，而是直接给了工程分级。
第一层是"任务循环"（Task Loop）。单个任务内的反复尝试：AI写代码、跑测试、失败、自动修复、再跑、直到通过。这是最基础的循环，大多数程序员已经在这种模式下工作，只是没有给它一个正式的名称。
第二层是"工作流循环"（Workflow Loop）。跨任务的协同推进：写完代码自动触发Code Review，Review通过自动触发部署，部署失败自动回滚并生成修复方案。这是一个由多个任务组成的链条，AI在链条的每个节点上自主决策下一步。
第三层是"项目循环"（Project Loop）。跨天、跨版本的持续性工作。Osmani仓库里给出了最典型的例子——Daily Triage（每日分诊）：每天自动扫描新Issue、新PR、新CI失败，写一份分诊报告，标记优先级，甚至直接给部分问题自动提交修复PR。
第四层是"组织循环"（Organization Loop）。跨团队、跨系统的智能体网络。Steinberger演示过一个场景：Codex每5分钟醒来一次，检查代码仓库状态，分派任务给不同的子智能体，部分工作全自主落地——从发现Bug到修复到部署到通知团队，一整条链路上没有人碰过键盘。
这才是真正让人后背发凉的地方。
从"你会不会用AI"到"你会不会设计循环"
行业里一直有一个争议：AI编程到底让人更聪明还是更笨？
支持"更聪明"的人说：AI把机械劳动省掉了，人可以专注于架构和决策。反对"更笨"的人说：你不再亲手写代码，你的技术判断力会退化，因为你不再从第一性原理理解问题。
循环工程的出现，把这个争议推到了一个新的层面。它创造了一个全新的能力层级：不是"你会不会写代码"，也不是"你会不会用AI写代码"，而是"你会不会设计一个让AI自己写代码、自己验证、自己改进的系统"。
这个能力有三个核心要求。
第一个是"定义什么是对的"。在设计循环之前，你需要把项目的约定、规范、质量标准编码成Skills和Rules。Osmani管这个叫"偿还意图债"——你之前脑子里的那些"这个函数应该这么写""那个接口应该这么设计"的隐式知识，必须显式化，否则AI只会在循环里不断放大你的模糊意图。
第二个是"分诊能力"。在循环自动发现问题之后，AI必须判断哪些可以自己修、哪些必须升级给人。这个判断标准本身就是最难设计的部分。你给AI的自主权太大，它可能改崩系统；自主权太小，循环就变成了一个昂贵的通知系统。
第三个是"成本意识"。Osmani的七个循环模式里，Token成本从"低"到"极高"不等。PR Babysitter模式每5到15分钟触发一次，Token消耗极高，因为它要持续盯评审意见、盯CI状态、盯代码冲突。Daily Triage一天一次，成本极低。选型规律直接而残酷：节奏越快，越接近"自动动手改码"，Token越烧。你的循环设计方案最终是一条成本曲线。
循环工程最残酷的地方：你省了打字时间，但没省认知时间
很多人对循环工程的第一反应是"太好了，我不用写提示词了"。
这个反应完全正确，但也完全理解反了。循环工程省掉的是打字时间，但它强制你支付一种你从未支付过的时间——设计时间。过去你给AI发一条提示词，写错了重写，不满意再改，听起来很折腾，但实际上每一步的成本都很低。你不需要定义"什么是对的"，你只需要定义"我这次想要什么"。
循环工程反过来了。你必须在一开始就把"什么是对的"写死。因为AI不再每次都来问你，它在循环里自己跑。你定义的标准会在五个、十个、一百个循环里被反复执行，如果标准本身有偏差，偏差会被放大到不可逆转的规模。
这就像从手工烹饪变成了建中央厨房。手工烹饪你每道菜都可以尝一口再加盐，中央厨房你必须把配方精确到克。不是中央厨房更难，是出错成本变了——手工烹饪炒糊一盘菜，损失一盘；中央厨房配方出错，损失一整条产线。
Osmani的仓库里有一个容易被忽略的细节：他要求每个循环都必须有"STATE.md"——跨运行持久状态文件。因为他发现一个规律：AI模型在循环中每轮之间会遗忘。上一轮它改了三个文件，下一轮它只记得改了文件名，不记得自己为什么改、改了什么逻辑。STATE.md就是AI的"外部记忆"——你不仅要设计循环的起点和终点，还要设计循环的"记忆系统"。这是提示词时代你根本不需要考虑的问题。
一位率先在生产环境部署了Daily Triage循环的工程师在Hacker News上分享了一个数据：部署前两周，循环"捡出"了47个被团队遗漏的CI问题和23个未关联Issue，自动修复成功率达到了38%。但第三周，循环开始犯一个诡异的错误——它把自己的STATE.md文件当成了代码文件，在"清理死代码"的环节把自己删了一半。
状态管理不是锦上添花，是循环工程的第一性需求。没有可靠状态管理的循环，不是自动化系统，是自动化灾难。
这个成本，目前没有任何AI编程工具帮你省掉。它全部落在你身上。
十年之后回头看今天
Cherny还撂下一句话：十年之后，循环以及类似的功能将是他最为自豪的工作成果之一。
这句话的潜台词是什么？Claude Code和Cursor和Copilot，这些今天被我们当作AI编程代言词的产品，在Cherny眼里只是过渡形态。真正的终局不是"一个更聪明的编程助手"，而是"一个能够持续自主运转的软件工程系统"。
从2024年的"AI帮你补全代码"，到2025年的"AI帮你写整个文件"，到2026年的"AI在循环里自己管自己"。每一年都在往上跳一个抽象层级。而每跳一层，人类在软件生产中的角色就往后退一步。
但退一步不代表消失。调度的价值正在超过执行的价值。能设计好循环的人，将比只会写好提示词的人稀缺一百倍。
编程没有死。它只是不再长成你认识的样子了。
热门跟贴