本文探讨了使用AI写代码的新方法——Loop Engineering由谷歌云AI总监Addy Osmani提出。这种方法要求开发者设计能自动运转的小系统而非直接指挥AI。Loop Engineering的核心在于“闭环”通过调度、隔离、知识传递、信息接入、验证和记忆等环节实现自动化工作流。尽管这种方法能提高效率但也存在成本高、边界限制等问题。适合使用Loop Engineering的工作包括编程、内容选题、运营、研究等。最终人与AI的协作方式从轮一轮对话升级为闭环系统。一个能帮你写代码的 AI到底让活变轻松了还是变难了?大部分人第一反应是这下轻松了。以前一行行敲代码现在动动嘴以前自己 debug现在丢给 Agent。但谷歌云 AI 总监 Addy Osmani 最近一篇刷屏长文,结论正相反想把这东西真用明白比过去写提示词还难。他还打了个比方你可以让自己当个全程在场的工程师也可以当个只管按启动键的人。这种新的干活方式AI 圈最近给它起了个名字Loop Engineering循环工程。这件事的起点是 Claude Code 负责人 Boris Cherny 说自己现在基本不直接给 AI 下指令了而是写好一个个 loop让 loop 去驱动 AI。用他的原话说:「我的工作就是写循环。」一个大厂核心产品的负责人说自己主要的工作就是写 loop一个大厂 AI 总监说这事比写提示词还难。问题就来了这个让一圈大佬都改了干活方式的 loop到底是什么它凭什么被说得这么重要又难在哪一、从写提示词到 Loop Engineering先看看大家平时是怎么用 Agent 的。你说一句它做一点你看一眼不对再补一句它再改你再看。上下文不够你还得重新交代背景、提醒它别动哪里。AI 是在干活但一直盯着进度、一步步往前推的人还是你。所以那个阶段大家最在意的是提示词怎么写怎么把第一句话说得准、说得全。但用久了会碰到另一个问题真正花时间的往往不是第一句提示词而是后面那一长串重复动作。发现问题、拆任务、并行处理、回头检查、记录这轮做到哪、决定是继续还是交还给人。这些动作每天都在发生加起来才是大头。于是重点变了。以前是“怎么写一句好提示词”现在变成“怎么把这一串反复发生的动作设计成一个能自己转起来的 loop”。这就是 Loop Engineering 想做的事。它把提示词定义成了一个零件而真正决定结果的变成了那个 loop。二、Loop Engineering 到底是什么用一句不绕的话讲Loop Engineering就是你不再亲自一轮一轮指挥 Agent而是把“发现问题、执行、检查、记录、继续下一步”这条链路做成一个能自动运转的小系统。重点不在“自动”在“闭环”。有人会把 loop 理解成定时跑个任务。定时只是开始。一个真正能用的 loop至少要做到这几件事它能自己启动知道去哪找信息做完一轮知道怎么检查结果失败了知道要不要重试每轮知道把进展记到哪也知道什么时候该停下来交给人。这本质还是一套工作流。Addy 在原文里的说法是loop 不是你去给 Agent 写提示词而是你设计一个系统让这个系统替你去写。人的位置往后退了一层从执行者变成了调度者。三、一个完整的 loop 长什么样Addy 把它拆成“五个积木加一个记忆机制”。换成更直白的问法一个 loop 得同时回答六个问题。第一谁来把它叫醒不会自己启动的不叫 loop只能算“你手动点一次”。所以第一件事是调度定时、按事件触发或者跑到目标完成才停。比如每天扫一遍昨晚失败的 CI每半小时看一次新 issue测试不过就一直改。这一层决定的是你在用工具还是在运行系统。第二多个 Agent 一起干活怎么解决并行问题 只要并行就迟早会出现改同一处文件、彼此覆盖的情况。所以要隔离。代码场景里这就是 worktree给每个 Agent 一个独立工作空间各改各的最后再合并。没有隔离的并行常常不是提效而是批量制造冲突。第三AI 怎么知道你们平时怎么干活这是 skill或者说项目知识。模型每次开工都很容易重新变回一个不熟悉你项目的新同事。所以得把知识写到外面项目怎么启动、哪些目录别碰、命名规范是什么、踩过哪些坑。提示词是当场的临时指令skill 是长期的固定规则。没有这层规则loop 每转一圈都要重新认识你一遍。第四它能不能碰到本地资料只能看本地文件的 Agent还是半封闭的它能给建议但推不动真正的工作。有用的 loop 往往要接出去issue 系统、数据库、CI、测试环境、PR、通知工具。这一步决定了 AI 是“说”还是“做”——是告诉你“这里可能有 bug建议这么改”还是直接开分支、跑测试、开 PR、关联工单把结果丢进你的待审列表。第五谁来检查它进行结果的验收写代码的 Agent 往往高估自己的答案它写完再问自己“行吗”答案大概率是“行”。所以越来越多 loop 把执行和验证拆开一个负责做一个专门挑错必要时换不同模型、不同视角来查。道理跟团队里那条老规矩一样——写代码的人最好别自己给自己 review。在无人盯着的 loop 里这条更要紧因为它一旦犯错会顺着 loop 越跑越远。第六它怎么记住昨天做到哪了这是最不起眼、却几乎所有长期 loop 都离不开的部件记忆。可能只是一个 markdown 文件、一张看板、一份外部记录但它必须存在。Agent 最大的麻烦之一是每次启动都太像重新来过昨天验证过的结论今天再查一遍上周否掉的方案这周又端上来。所以得有个对话之外的载体记下做过什么、失败过什么、哪些已确认、哪些还得人来处理。Addy 在原文里有句话适合做总结模型会忘但仓库不会忘。四、Loop Engineering 的成本和边界Addy 原文里没有把 Loop Engineering 讲成一个无脑乐观的方案他一直在提醒两件事成本和边界。先说成本。loop 一旦跑起来就不是问一次答一次的计费方式了。它会反复读上下文、反复试错、反复验证有时还拉好几个 Agent 一起干token 消耗可能非常大。如果任务不值得反复跑、没有稳定的反馈或者只是一次性的小事loop 很可能还没帮你省时间先把成本烧光了。再说边界。loop 能替你推进流程但不能替你担责任。AI 说“完成了”不等于真没问题说“测试通过了”也不等于业务逻辑对。一个没人盯着的 loop也会没人盯着地犯错。还有一个更隐蔽的代价AI 干得越多人越容易不再去看过程时间一长代码越堆越多自己真正理解的却越来越少。所以 loop 的用法从来不是把人拿掉而是把人从重复劳动里抽出来但把判断、验收和刹车这三样权力留在自己手里。五、哪些工作适合用 loop代码是 loop 最先爆发的地方因为它天然有反馈测试过没过、程序跑不跑、日志报不报错都能直接验证。但把这个思路抽象一下它适合的工作远不止编程。比如内容选题。一个 loop 可以这样跑每天定时去扫新闻源、X、博客、论文站先挑出值得看的补上来源、摘出核心观点、标出有争议的地方资料不够的地方标红最后把一份选题清单交给编辑。运营、研究、客服、产品分析也类似很多流程都满足同一个条件任务会重复、流程相对稳定、结果有一部分能检查。满足这几点loop 就有落地空间。写在最后人和 AI 的协作方式已经升级把 Loop Engineering 当成一个新词它很快会被下一个词替代。但它背后的人与 AI 的协作模式是很多大佬在思考的当 AI 能够处理更长链路的任务时人和 AI 的协作方式也得从一轮一轮的对话升级成一个能自己运转的闭环。过去大家比的是谁的提示词写得好。接下来比的可能是谁的 loop 设计得好怎么调度、怎么验证、怎么记录、什么时候该停。回到开头 Addy 那句话这件事不会让你的工作变简单它只是把发力点挪了个位置。你可以选择做那个始终在场、清楚每一步在发生什么的工程师也可以做那个只负责按下开始键、然后看着代码越堆越多的人。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取
-安装Redis客户端)
