ENZOMEGA.
Clipping 微信公众号

Loop Engineering，下一代 Agent 工程理念

by 唐霜 原文 ↗
Created: 2026-06-12
#公众号文章

公众号名称：唐霜

作者名称：唐霜

发布时间：2026-06-12 23:52

原文链接：https://www.tangshuang.net/9786

从最早的Prompt Engineering，到后来的Context Engineering，再到现在的Harness Engineering，Agent领域现在正在经历向Loop Engineering发展的步调，迈向智能，可能就在2027年。

演进阶段核心关注点核心理念
Prompt Engineering(～2024)单次输入输出“如何向模型提一个好问题”
Context Engineering(2025)上下文窗口管理“如何为模型精准喂入所需的数据、记忆与历史”
Harness Engineering(Early 2026)单任务的环境封装“Agent = Model + Harness（工具、限制、MCP 协议等外围设施）”
Loop Engineering(Mid-2026)持续自主的编排层“不再手动提示 Agent，而是设计一套能自行流转、验证和触发的循环系统”

由 Peter Steinberger（openclaw创始人）发出的提醒：别再搞 coding agent 了，去设计能提示 agent 的 loop。​他提出了 agent loop 这个概念，这和以前出现过的 loop 概念并不相同，这里的 loop 是建立在 Harness 基础上的，Harness 帮你搭建好了特定领域的完整 agent 基础设施，而 loop 则是帮你自动去使用一整套 Harness Agent，而你只需要在最顶层指挥 Loop Agent。

这里面融合了 Agent Team（多Agent模式）、自动化、上下文、工具设施、Skills 等等一系列的已有的 Agent 思想基础上，注重 Agent 的编排，通过巧妙的设计（也就是 loop 的理念），构建一整套自主自动化生产线。

从用户体验的角度讲，Loop Engineering 让用户完全脱离“设计提示词”的工作模式。​过去很长时间，为了让 AI 或 coding agent 能够按照我们的预期工作，我们必须设计够好的 prompt 来驱动它们，从而才能确保任务质量。​而在 Loop Engineering 范式下，“设计提示词”变成了 AI 的工作，作为用户，我们要做的是用自然语言表达清楚自己的需求，而非用 prompt 去驱动 AI 干活。

而对于开发者们来说，Loop Engineering 时代，我们不再关注 prompting 和 context，当然，如果条件允许，我们甚至不关注 Harness，我们要转换自己的开发理念，把精力集中在设计 loops 上。从我个人的理解来讲，我们可以设计一个 loop agent 来作为主驱动 agent，并为它设计一套有标准工作流程的系统，由这个 agent 代替人完成 loops。

什么是 loops？

在过去我们使用 claude code 或 codex 中，我们的工作方式是什么？​是我们发一条 prompt，coding agent 工作，回复，然后我们基于这个回复，再发一条 prompt，如此循环，最终把目标完成。​这就是 loop。​而 Loop Engineering，就是要用 AI 来顶替你在这个过程中所要做的是，由 AI 来完成 loops。​当然，Loop Engineering 比这更复杂，因为它还强调 sub-agents，也就是说，它需要在多个智能体之间进行对话，把 A 智能体的结果，作为 B 智能体的输入，或者对 A B C 的结果做综合判断之后，提炼出有用信息，交给 D 去进行下一步处理。​总而言之，言而总之，之前需要人来进行 prompting 的部分，现在我们需要设计一套系统，让 AI 来完成，从而彻底解放人在这个过程中的消耗。

不过，想让 AI 完成 loops 可不是一件轻松的事。

一个 loop 需要 5 样东西：

  1. Automations，自动化，自主决策运行

  2. Worktrees，工作分支（避免不同 agent 相互串改）

  3. Skills，作用有很多，比如提供知识，作为记忆等等

  4. Plugins & connectors，万能插口，把 agent 和你要用的工具连接起来，比如 MCP 或 Skills 中的脚本

  5. Sub-agents，子智能体，不是说要有，而是说必须以子智能体团队的形式完成一个任务

此外，几乎所有人都提到了一个不可忽视的东西，就是 memory（记忆）。当我们的 loop agent 在运行时，我们必然会令它在不同的子智能体之间进行调度，同时，多个任务可能同时并行。记忆，是确保 agent 不迷路，知道“我是谁，我在干嘛”的核心关键。

关于这 5 点，你可以阅读这篇文章，该作者有非常详细的展开，他列举了在 claude code 或 codex 中，如何去完成这些要素。

文章也提到一点非常关键，Loop Engineering，并不代表你可以当甩手掌柜，你需要做到：

  • 清新的目标和验收标准

  • 参与验证

  • 参与重点环节的决策

  • 你的理解能力或者深度更加重要

  • AI 给的最终代码可能并不符合你的 smell

  • Loop agent 的结果最终可能还是取决于你，两个人构建完全一样的 loop，但是也可能得到完全相反的家结果

读到这里，你可能还是想要一个确定的定义，Loop Engineering 到底是个什么东西？

从便于理解的角度，你可以认为 Loop Engineering 就是设计和实现一个系统（一般是一个垂类系统，包含标准的工作流程），代替你作为提示者（prompter）的角色，帮你自主化自动化的完成生成目标。

文章中缺失的链接，可打开我的博客 www.tangshuang.net 搜索同名文章，在博客页面可正常打开。

Claude code / codex / openclaw / Hermes，这些能够完成编程的 agent，都可以在经过配置和设计之后，用于实现 Loop Engineering。

维度Claude CodeOpenAI CodexOpenClawHermes Agent (Nous Research)
层级定位商业级协同终端 (Loop 层)云原生工坊 (Loop 层)智能体操作系统 (Harness 层)开源自提升智能体 (Loop 层)
回路触发与控制通过 /loop (定时/钩子) 或 /goal (验证条件) 终止通过 Automations 定时触发 Triage，/goal 检查退出偏向单次任务的自动化拆解、执行与环境门控内置 Cron 调度与事件驱动，支持无人值守后台流转
记忆与状态沉淀CLAUDE.md固化项目规范与架构决策SKILL.md沉淀领域知识，避免意图债务SQLite/Redis 存储事务型和情景记忆SOUL.md结合跨 Session 学习回路，自动将成功经验转化为技能
子智能体协作支持 Agent 团队在多阶段之间流转与验证支持基于 TOML 配置的 Maker/Checker 动态协作较弱，主要依赖单个智能体串行拆解任务强，支持通过 RPC 产生隔离的并行子智能体管道
环境与生态隔离深度集成 MCP 协议，支持 --worktree 命令行隔离原生内置背景工作树（Worktree）多线程并进提供开箱即用的 Docker 容器与 15+ 平台连接开源 MIT 协议，支持本地/VPS 运行，零隐私追踪

为什么 Loop Engineering 会在 2026 年的 6 月突然又开始火起来。​核心原因是模型能力的提升，特别是现在 claude 已经发布了 fable-5，codex 也成为了普通人都在玩的主流 agent。​在 2025 年初的时候，我就已经看到 claude code 团队的工程师讲，通过 plugin 机制，在 claude code 执行完一轮之后，在 stop 这个 hook 上挂一个逻辑，让它继续执行，持续的完成任务，本质上和 Loop Engineering 是一个理念。​但是，在过去的这一年里，模型的能力，还不足以让我们放心的将控制整个编程的决定性操作交给 AI，直到今天，模型的能力再上一个台阶之后，这种担心可以被放下。

最近，我也正在设计一个 agent，不仅符合 Loop Engineering 的理念，而且针对我们中国的小伙伴所面临的 tokens 刚需，设计更加灵活智能的模型调用控制。你可以关注我的 aicodeswitch 这个项目，我已经将文档发到了仓库中，你可以在仓库的 docs 目录下找到。

关于 Loop Engineering，你还有什么想要讨论的，不妨在下方留言，我们一起探讨。

关注我，持续获得 Agent 前沿讨论

内容效果不满意？点此反馈

输入关键词开始搜索