别急着搞 Loop——大多数人还没到需要它的阶段

最近半个月，我的信息流里全是 Loop Engineering。

每篇文章都在告诉你 Loop 多厉害：AI 自己跑、自己检查、自己迭代，你只要定个目标就能去睡觉了。有人用它六天重写了整个代码库，有人一个月自动提交 259 个 PR。

听起来像超能力。

但我自己跑了一个多月 Loop 之后，最大的感受是——大多数场景下你根本不该用它。

先说 Loop 是什么，三句话够了

Prompt 是一条指令，AI 答完就停。

Loop 是一个目标，AI 自己跑”执行→验证→修正”的循环，直到达标或触发退出条件。

核心区别：你从操作者变成了设计者。你不再一步步推着它走，而是定好规则让它自己转。

但问题是——

90% 的人搞 Loop 是在烧钱

我见过（也自己犯过）的典型错误：

错误 1：任务本身不重复

一次性的事情，一个好 prompt 就够了。花两小时设计一个 Loop 去做你下周不会再做的事，这叫工程自嗨。

Loop 的设置成本只有在重复执行中才能摊薄。如果一个任务每周出现不到一次，prompt 永远比 Loop 划算。

错误 2：没有硬性验证手段

这是最致命的。

Loop 的灵魂是验证环节——每轮迭代后，有东西能客观判断”这次做对了没”。测试通过没？类型对了没？lint 干净没？

如果你的任务没有这种硬判据——比如”帮我写一篇有洞见的文章”——那 Loop 里的验证环节就变成了 AI 给自己打分。

自检是无效检测。

我踩过这个坑：让 compile agent 自己判断是否需要更新已有 wiki 条目。它每次都说”不用”——因为”不更新”是最安全的答案，不会犯错。后来拆成独立的 checker agent，更新率从 5% 跳到 30%。

但如果你连一个独立 checker 都很难定义（因为”好”本身就是主观的），那这个任务就不适合 Loop。

错误 3：Agent 无法端到端完成

如果工作做到一半要停下来等你拍板，那它不是 Loop，是一个带暂停键的 prompt。

Loop 的价值在于你不在的时候它还在转。如果每轮都得把球传回给你，你省下的时间全花在了检查中间产物上。

错误 4：“完成”是品味判断

代码能不能跑，有客观答案。文章写得好不好，没有。

凡是最终需要人类品味来拍板的任务，Loop 只能帮你到 80 分，最后 20 分你还得自己来。而那 80 分，一个精心写的 prompt 通常也能到 70。

Loop 带来的边际提升，不值得它的复杂度和成本。

Loop 的成本是复利增长的

这是所有鼓吹 Loop 的文章都轻描淡写的部分。

每次迭代，Agent 要重新读整个上下文：目标、历史、上轮结果、失败记录。这堆东西每轮都在膨胀。

跑 10 轮的 Loop 不是花 10 个 prompt 的钱——是花 10 个越来越胖的 prompt 的钱。加上 Maker/Checker 双模型，账单再翻一倍。

一个中等任务单次跑完大约 5-20 万 tokens。但如果 Loop 迭代 6 轮才收敛，实际消耗可能是 80-150 万 tokens。

真正该看的指标：每个被接受的产出的成本。

如果你的 Loop 产出 10 个结果，你丢掉 6 个，你在做它本该替你省掉的审查工作。这不叫自动化，这叫用更贵的方式做同样的事。

“Ralph Wiggum Loop”——静默失败

还有一种更阴险的情况：Agent 跑了两轮就宣布完成，在半成品上退出。Loop 框架没有觉察到（因为 Agent 说了”done”），继续按节奏触发下一个周期。

结果：Loop 持续运行、持续计费，但什么有价值的都没产出。

静默失败是 Loop 最大的敌人——它不会崩溃报错，它会安静地花你的钱。

没有硬门控的 Loop，不是在帮你，是在骗你。

那什么时候该用？

四个条件必须同时满足：

#	条件	反面
1	每周至少重复一次	一次性任务 → 用 prompt
2	有硬性验证手段能自动拒绝坏输出	品味判断 → 人类来
3	Agent 能端到端完成，不需要中途交还	需要你拍板 → 不是 Loop
4	”完成”有客观定义	主观标准 → prompt + 人工润色

少一条都不要搞。

满足这四条的典型场景：修复测试、lint cleanup、依赖升级、重复性代码迁移、定时数据处理。

不满足的典型场景：写文章、做设计决策、探索性研究、产品规划、任何需要”审美”的事。

我的建议：从不用 Loop 开始

逆向思考：

第一步，把你现在所有用 AI 做的事列出来。

第二步，划掉所有不满足四个条件的。

剩下的那 2-3 个，才是你真正值得投入 Loop 设计的地方。

对于剩下的大多数任务，一个写得好的 prompt（甚至一个 prompt 模板文件），效果已经够了。

如果你还是想试试

有一个零成本的方式可以感受 Loop 的思维模式。把这个粘贴到任何 LLM 里：

你将在循环中工作直到达标。

你将在循环中工作直到达标。

任务：[你要什么]

成功标准（严格）：
- [标准 1]
- [标准 2]
- [标准 3]

每轮：
1. 执行——生产或改进
2. 验证——对每个标准打分 1-10，列出薄弱点
3. 决定——每项 8+ 输出"最终版本"；否则修最弱项继续

规则：
- 8 分前不能说完成
- 不要问我问题
- 最多 5 轮

开始。

这不是 Loop——你还是触发者，关掉窗口它就消失。但它能让你体会到”给 AI 一个目标+验证标准，让它自己迭代”的效果。

体会到了，再决定要不要往真正的自动化方向走。

最后

Loop Engineering 是真实的技术演进，但它被过度营销了。

大部分人此刻需要的是：

一个好的 CLAUDE.md 让 Agent 理解你的项目
几个写得好的 prompt 模板
清楚什么该让 AI 做、什么不该

这些基本功没做好，Loop 只会帮你更快地把事情搞砸。