循环工程取代提示词？AI 自主干活的四种循环姿势

Claude Opus 5 原定本周末正式退出订阅套餐，并由 GPT-5.6 接档——这个剧本最终没能上演。Anthropic 官宣将 Opus 5 的下架时间推迟 5 天至当地 12 号，并同步上线了 Claude Cowork 移动端，让用户在关掉笔记本后也能继续推进任务。延期让一部分用户措手不及，也让另一部分用户重新面对一个现实问题：手里还没用完的额度，怎么花才不亏？

围绕这一问题，ClaudeDevs 近日发布了一份关于「循环工程（Loop Engineering）」的指南，恰好给出了一套让 AI 持续产出、人类退居验收位的方法论。Claude Code 创造者 Boris Cherny 上月公开表示「我早就不写提示词了」，转而只写「循环」，把目标扔给 Claude，让 AI 自我迭代；开源项目 OpenClaw 作者 Peter Steinberger 也呼吁开发者「别再给 AI 写提示词，去设计能自动生成提示词的系统」；Google Cloud 工程总监 Addy Osmani 更将其称为 AI 时代的新一代软件架构。

官方认证的四种循环姿势

循环工程的核心，是把人类从「下指令—等结果—再下指令」的循环中抽离出来。ClaudeDevs 列出了自动化程度递进的四种模式。

回合制循环：一步一验收

这是最基础的形态，本质上仍是「你下一条指令、AI 干一件事」，但人类会提前写一份 SKILL.md，把验收标准白纸黑字定下来——比如「先启动本地测试服务器、到浏览器里真点一下按钮、截图、检查控制台无报错、再跑一遍 Lighthouse 性能测试」，所有检查项全绿才准交作业。同一思路也适用于写作与办公场景：让 AI 每次改完稿后顺带检查标题吸引力、事实出处、段落连贯性等。

目标制循环：只认结果，不管过程

面对一轮对话搞不定的复杂任务，可以用 /goal 命令给 AI 设一个机器可验证的硬指标，例如「Lighthouse 评分达到 90 分以上」，并设定最大重试次数。AI 会在后台自行试错、自行测试，要么达标、要么撞到上限才停。模糊的审美判断在这里被收敛为确定的数字。

定时制循环：把杂活变成定时闹钟

代码审查、回复 PR 评论、修复跑崩的 CI——这些重复性杂活可以借助 /loop 命令转变为后台守护进程，例如「/loop 5m 检查我的 PR，回复审查意见，修复跑崩的 CI」。放到内容与办公场景中，则可用于每日行业新闻汇总、会议纪要整理、选题线索扫描等。

主动循环：事件驱动的自主工作流

这是自动化程度最高的形态，结合动态工作流与 Auto 模式。官方给出的典型场景是：系统每小时自动巡检 Bug 反馈区，在分发、处理、回复完所有新 Bug 之前不停下。修 Bug 时还可同时开 3 个相互隔离的 worktree，让 3 个 AI 各写一套方案，再拉来一个「裁判 AI」做对抗性审查后择优合并——赛马机制第一次以几行配置的形式变得触手可及。

循环工程的基础设施与风险

自动化程度越高，失控风险也越大。ClaudeDevs 给出三条保命建议：

引入独立验证者：大模型评估自己生成的代码时往往表现出「幻觉成功」，应使用 /code-review 技能，让一个全新上下文的 AI 专门负责审查。
确定性任务用脚本代替模型推理：填写 PDF 表单等流程固定的任务，最好让 AI 编写并运行固定脚本，比反复调用大模型推理更经济。
大规模运行前先小范围测试：动态工作流可能衍生大量子 Agent，上线前应先用 /usage 检查 Token 余额与花费，设定明确预算上限。

要让循环真正进入生产环境，Addy Osmani 指出至少需要五类基础组件：自动化机制（定时、hooks、事件触发）、Worktrees（多 Agent 隔离工作区）、Skills（把项目经验写进 SKILL.md）、插件与连接器（通过 MCP 等方式让 Agent 接入工单、数据库、CI、Slack），以及子 Agent（用制衡关系避免自我评分失真）。

Andrew Ng 曾把现代软件开发拆成左环、中环、右环：左环交给 Agent 快速写代码、跑测试，中环由工程师审架构、调方向，右环来自真实用户、线上数据与商业反馈。越靠近左环越适合自动化，越靠近右环越需要人的判断。

Anthropic 自己先吃了螃蟹

循环工程并非纸上谈兵。Anthropic 已在内部将 Claude Code 接入 Pull Request 处理流程，安排 Agent 在夜间执行跟进审查意见、清理废弃代码、处理重复性维护等长时间任务。官方数据显示，引入该流程后其内部人均代码交付量提升了约 70%。

效率提升的背后，隐藏成本同样不容忽视：技术「理解负债」会让团队在 AI 产出的代码面前失去排查能力；高速循环下的自动修补会让架构逐渐变形；多个 Agent 同时运行容易烧穿个人 Token 额度与企业账单；同一模型既写又审容易循环放大测试漏洞；接入真实系统的高权限也会放大注入、数据泄露与误操作风险。

从「提示词」到「岗位」

循环工程的讨论主要集中在 agentic coding，但它并不只属于软件工程师。ChatPRD 创始人 Claire Vo 给出的理解角度是：把自己想象成一个管理者，设计的不再是一句提示词，而是一个岗位——可以是软件工程师、客服、产品助理，也可以是每天自动整理信息、跟进事项、处理反馈的执行角色。

提示词时代，人类亲自分派每一步动作；循环时代，人类开始设计岗位、流程与验收标准。AI 不再只是回答问题，而是被安排进了一套持续运转的组织结构里。AI 抢走的不是工作，而是「执行」那部分工作；懂得设计目标、管理权限、理解大局的人，会因此变得更加不可或缺。