从Prompt到loopAI范式四次跃迁解放人类双手却也引发担忧最近网上热传老黄黄仁勋为AI新趋势画重点“Prompt已死loop当立”即“现在根本没有人写Prompt了新时代的核心工作是编写和管理loop”。loop直译是“循环”在AI圈指设计一个系统让系统替人给AI下指令、验收不合格就重来直到完成任务。有人疑惑这和如今的Agent有何区别暂且按下不表环顾发现除老黄外“龙虾之父”Peter、“Claude Code之父”Boris Cherny、吴恩达等大佬都在大力推广loop。Peter表示别再给编程Agent写提示词去设计循环Boris称自己已不给Claude写提示词而是让循环给Claude下指令自己的工作就是写循环。当“写loop”成为大佬们新日常loop显然已越过“新概念”阶段剩下的问题是它具体是什么为何突然火了loop到底是什么要理解loop需回顾之前的旧范式。过去两年AI编程的标准动作是人写promptAI吐代码不满意就再写AI再改人需全程盯着。卡帕西曾吐槽“人就是瓶颈”劝告大家把自己从流程中抽离。而loop的核心逻辑是人定义目标AI自己运行、验收不合格就带着报错重来直到通过或撞上预算上限才停止。此时人的角色从“传话人”变成“规则设计者”。显而易见Agent是干活的loop是让Agent不用人盯着也能持续干活的管理机制。没有loop的Agent需人提一句动一下本质上还是工具套上loop的Agent才成为能自转的系统。原理虽不复杂但有点抽象。实际上loop已藏在熟悉的系统里产品落地层形成了“双雄对峙”格局。一是Claude Code围绕loop做了三件套/loop负责定时循环/goal负责目标驱动/schedule负责云端定时任务。其中/goal最精妙它遵循“自己不能判自己的卷子”原则写代码的是大模型验收的是独立小模型Haiku确保验收有真实约束力。二是OpenAI Codex玩法接近“自动化流水线目标驱动多个子Agent”组合最多8个Agent可在各自云端沙箱并行工作最后汇总结果。两家实现路径不同但形态相似都是拆碎任务分给多个Agent并行处理再统一汇总。公开评测和社区口碑显示两者表现接近说明模型差距不大真正的差距在上层的loop编排。“Claude Code之父”Boris Cherny自述去年11月卸载IDE如今手下几百个小Agent同时工作有的扫GitHub issue有的读用户反馈有的监控CI失败。每个Agent在隔离代码分支干活一个写代码另一个跑测试验收搞不定的才进他的收件箱。自Opus 4.5以来他的代码都由Claude Code写大部分在手机上完成。Agent之间互相提示无需人工审核。可见loop的终极形态是人不写代码和prompt只写规则和判断其余交给loop。怎么loop起来X上的博主Codez总结了14步实操roadmap以下是一些干货-step 1先做“4条件测试”loop不是什么活儿都能做动手前需回答四个问题任务是否重复发生、有无自动化验收手段、Token预算是否扛得住、Agent有无“高级工程师”的工具。四个全通过才值得建loop。-step 2从最小可行loop开始第一次建loop做一个四件套触发器如Claude Code的/loop、Codex的Automations面板、技能将项目上下文写进STATE.md、状态文件用Markdown记录进度、门禁能自动拦住坏结果的测试、类型检查等。顺序很关键要先手动跑通一次再写成Skill包进loop最后上定时。跳步是loop在生产环境失败的主要原因。-step 3做“拆卷子”的人别做“判卷子”的loop设计的重要原则是写代码和验代码的分开用不同模型或子Agent负责且验收的不能看到写代码的推理过程。因为模型给自己的代码打分往往“手太松”独立验收器能挑出毛病。-step 4避免踩坑一是设Token上限、迭代次数上限、时间限制防止loop无限制运行二是将Agent学到的东西写进状态文件避免遗忘三是不让loop碰架构重写、鉴权代码等需要判断的活它适合干对错清晰、机器可验证的活四是读Diff避免“理解力债务”。-step 5衡量指标唯一有用的指标是每个被接受的改动平均成本。若“被接受率”低于50%说明loop在亏钱。从提示词到loop四次范式跃迁loop Engineering概念不到三周但它并非凭空出现有清晰的演化路径从Prompt→Context→Harness→loop共四次。2023 - 2024年是Prompt Engineering阶段人们关注提示词怎么写才能让AI好好干活“会不会写prompt”基本等于“会不会用AI”人和AI关系表面指令需人亲自敲。2024 - 2025年行业强调“Context Engineering”关注点从“怎么问”变成“给AI看什么”AI依赖整个背景信息组织能力比写prompt更重要控制粒度上移到“一堆信息”。2025 - 2026年Agent系统进入真实开发流程人们发现光给信息和上下文不够AI要能接工具、跑代码等“Harness Engineering”应运而生为AI搭建运行环境。在Harness基础上“loop Engineering”成为最新进化方向。Harness解决“AI能不能在真实环境里干活”loop解决“AI能不能持续干活、自己推进任务、不需要人盯着”核心是闭环系统运行能力。从Prompt到loop本质是人类对AI控制粒度不断上移逐渐解放双手的过程。实际上学术界早有类似理念姚顺雨腾讯2022年的ReAct框架Reason Act是大模型Agent方向的代表性工作该工作在ICLR 2023获Oral级别后续有上万引用量。ReAct将“推理”和“行动”绑定成循环过程是最早被系统化表达的“agent loop”雏形。之后Reflexion引入反馈机制Tree of Thoughts扩展成多路径搜索式推理一系列tool - use agent工作完善“规划执行反馈”链路最终在工程界收敛成“loop系统”。AI发展太快有人兴奋有人担忧。loop Engineering的命名者、Google工程主管Addy Osmani持保留态度提醒要小心token成本。卡帕西引用的话“你可以外包你的思考但你没法外包你的理解”或许是loop热潮里最清醒的声音。