循环工程

本文介绍了AI工程领域从提示工程到循环工程的转变。两位顶级AI工程师指出，不应再直接提示编码代理，而应设计循环来驱动代理。文章详细解释了循环工程的核心理念、单代理与多代理循环、开放与封闭循环的区别，以及构建有效循环的6个关键组件（自动化、工作树、技能、插件、子代理、记忆）。还探讨了成本问题，指出DeepSeek等低成本模型使循环工程更可行。最后总结了循环工程与提示工程的根本差异：从追求单次输出到设计产生可验证结果的系统。

本文强调在构建AI代理循环（loop）时，底层的运行环境（harness）更为关键。作者提出14步路线图，从基础的单代理配置到自改进系统，详细介绍了CLAUDE.md、settings.json、子代理、技能、Hook、记忆等组件的设计与优化，指出一个糟糕的harness上运行再好的循环也会产生垃圾。

文章介绍了'循环工程'（Loop Engineering）的概念，即通过设计自动化的反馈系统，让AI代理能够持续发现任务、执行、验证并改进，而无需人工逐个提示。

本文深入探讨了AI代理循环工程（Loop Engineering），区分了/goal（直到条件满足）、/loop（定时重复）和/schedule（云例程）三种命令，并列举了来自X、TikTok、Reddit等平台的15个实用循环示例，如构建-测试-修复对、Boris的验证器循环、五小时仓库维护者等。

文章介绍了Loop Engineering（循环工程）的概念，强调在AI代理中，循环设计比提示工程更重要。核心循环是模型、工具、上下文之间的重复交互，但真正的工程挑战在于：何时停止（避免虚假完成）、保持上下文清洁（防止上下文腐烂）、设计工具（让模型正确使用）以及加入批评者（避免自我认可）。作者指出，循环工程不是框架或工具，而是一种思维转变，即从“告诉模型做什么”转向“设计一个能自动完成目标的系统”。

本文提出了从手动提示AI编程代理到设计自动化循环的14步路线图，分为三部分：为何需要循环及测试条件、五个构建块（自动化、工作树、技能、连接器、子代理）、正确构建循环的方法。文章强调循环工程能大幅提升效率，但只有在任务重复、验证可自动化、预算允许且代理拥有高级工具时才值得投入。同时指出了常见失败模式（如无客观门控、状态丢失）和安全风险，并建议从最小可行循环开始，逐步迭代。