杀死提示词工程师？从写提示词到写循环：AI编程又双叒叕变天了！

TL;DR

曾经你写代码，后来你写提示词让AI写代码，现在你要写循环让AI自己提示自己写代码。Claude Code之父和龙虾之父同时“倒戈”，力推的新范式叫“Loop Engineering”——开发者不再是“提示词打字员”，而是“循环设计师”。不过，钱包准备好了吗？Token燃烧的速度比你的夜宵烧烤还快。

---

“一年前我写代码的方式，是在IDE里，配合某种自动补全功能。去年11月，我卸载了IDE，因为我已经用不到它了。那个时候，我可能同时跑着5到10个Claude，我所谓的写代码就是提示Claude去写代码。”Anthropic工程师、Claude Code创建者Boris Cherny最近在一次分享中坦言。

然后他话锋一转：“现在，我觉得又到了下一个层级：我不再提示Claude了，我有一堆循环（loops）在运行，它们才是在提示Claude并判断接下来该做什么。我的工作变成了写循环。”

就在同一天，现在OpenAI任职的“龙虾之父”Peter Steinberger也发推附和：“你不该再给编程Agent写提示词了。你应该设计一套循环机制，让这些循环去提示你的Agent。”该帖子迅速获得150万浏览量，引发开发者社区地震。

这些大佬的公开表态，把一个新范式推到了台前：Loop Engineering（循环工程）。简单说，就是开发者不再像伺候“AI主子”一样逐条写提示词，而是设计一套能持续提示、调度和约束Agent的循环系统——让Agent自己驱动自己干活。

有网友调侃：LinkedIn上很快会掀起一波“Loop Engineering”新潮流。Peter淡定回应：“不用担心，大概还需要3个月才会到那一步，之后人们将讨论‘设计你的loops的舰队’。”¹

翻译一下：提示词工程师的Title还没焐热，就要被“循环工程师”或“元提示词工程师”取代了。

提示词工程师，你被解雇了？

从“Prompt Engineer”到“Meta-Prompt Engineer”，听起来像从打工人变成了打工人他老板。实际上，这个概念确实是在做抽象层升级。

过去：你写提示词 → AI执行 → 你看结果 → 再写新提示词。 现在：你写一个循环 → 循环自动生成提示词 → AI执行 → 循环检查结果 → 不满意就再生成新提示词……直到完成。

Boris Cherny介绍自己的日常：他现在让大量AI Agent长时间并行工作，夜间通常运行“几千个”AI Agent，持续执行更深层次的开发任务，并通过Claude App用手机管理。² 他一天的PR可以飚到150个，且全部零行手写代码。

关键是，Claude Code已经原生内置了 /loops 和 Routines 两个面向持续自动化的功能。开发者可以用自然语言创建任务，比如：“每5分钟检查一次PR构建是否通过。如果失败，就读取错误日志，修复问题，并推送一个新commit。”³

而且，Loops会在持续存在的Claude Code会话中运行，保留上下文窗口、工具权限和MCP连接——Agent不会“失忆”，每一轮都能继承上一轮的状态。

循环不是跑圈，是建立反馈闭环

“Loop不基本就是一个cron job吗？他们只是反复告诉模型‘把这个应用做得更好’吗？”有开发者发出灵魂拷问。

Boris和Peter迅速打脸：真正有效的Loop Engineering，不是机械重复。YC CEO Garry Tan也提醒道，不要把Agent变成“富士康工厂”式的重复劳动机器。Agent可以是聪明的、有思考能力的，应该让它承担更多创造性工作。¹

那么什么样的循环才是有用的？答案：需要有反馈闭环的系统。

想想一个开发团队需要什么：

• 新功能是否按预期工作？
• 哪里还能改进？
• 用户还有哪些问题？
• 工作流怎么优化？

LLM可以直接访问数据，也可以自己生成数据（比如A/B测试、监控）。你需要一个清晰的目标，以及一个能验证输出结果的反馈机制。否则，Agent的错误会在循环中被不断放大。

有开发者指出，设计loop只完成了一半，另一半是在loop里放入能够说“不”的机制——比如测试、类型检查或真实错误。Peter表示他在项目中使用VISION.md文件来定义目标边界。⁴

理想很丰满，现实Token很骨感

“所有人都在冲向loops，但调试一个已经跑了47轮的状态机，比修好一个prompt难10倍。”有网友道出了很多人的心声。

而更大的痛点是——Token烧得飞快。

设想得很美好，但现实就是：这种循环工程的Token消耗量一点不低。Boris Cherny和Peter Steinberger背后都有近乎无限的Token支持，但对于普通开发者来说，20美元的套餐根本扛不住。

Developers Digest发文算了一笔账：每一次Loop迭代都是完整提示词执行。如果设置1分钟执行一次、连续运行8小时，就会产生480次API调用。⁵

有开发者半开玩笑地怼Peter：“多么虚伪啊，你在对拥有无限Token的人说这些吗？为什么把这事儿说得好像是技术问题，而不是资金问题？”

Peter的回答也挺“正确废话”的：“能卖出去的好创意，依然需要人类的巧思。”¹

还有开发者做了个精妙的比喻：“Loop可以是for循环，也可以是while循环。Token充裕的公司可以随意使用while循环；Token紧张的初创公司也能用for循环实现同样目标，只是花的时间更长。”

Claude Code本身也做了一些限制：Loops支持最小1分钟间隔，最长运行3天；绑定当前会话，关闭终端就自动停止；还提供禁用功能——这一切都是为了控（省）制（你）成（的）本（钱）。

更扎心的是，有已经使用Loop的开发者表示：“一开始什么都很容易设置，但之后你才会意识到，里面有一堆痛点，修起来又太费劲。现在想想，我都有点对不起同事，因为是我把Loop引进到我们组织里的。现在迁移到另一个方案，会耗费大量时间和资源……”⁶ ——这怎么听着有点像技术栈PUA？

Anthropic的进化：从20分钟到数天的“不死AI”

Loops工程的核心其实是“让Agent在长时间运行中持续不跑偏，并能可靠判断自己有没有做对”。在这方面，Claude Code自己就是最典型的案例。

过去一年，Claude Code已从“只能连续运行约20分钟、连Bash命令和字符串转义都容易出错”，进化到“几乎由Claude Code自己编写，并可连续运行数天”的阶段。⁷

Anthropic工程师Andrew指出，让Agent连续运行的核心难点有三类：

1. 上下文窗口有限：新会话会让Agent像失忆；长会话中还会出现“上下文腐烂”——模型越接近窗口末尾，越可能焦虑地匆忙结束任务。
2. 长期规划能力不足：模型可能试图一次完成所有任务，也可能只做完一半就停。
3. 自我判断不准：经常把半成品当成完工程，比如前端按钮已出现但后端逻辑不存在。

为了解决这些问题，Anthropic正在实验前沿的生成器—评估器—规划器结构，灵感来自生成对抗网络（GAN）：

• 生成器：负责构建应用
• 评估器：负责批判和打分（独立上下文窗口，使用Playwright真实打开网页、截图、测试）
• 规划器：把一句话需求拆成高层规格和冲刺阶段

这个设计中，评估器与生成器完全分离，避免模型“对自己的作品过于宽容”。Anthropic甚至将“品味”写成可评分的量规，比如前端设计被拆成设计、原创性、工艺和功能性四类标准，目的是避免常见的“紫色渐变”“AI味审美”。⁷

说白了，Anthropic正在训练AI不仅会干活，还会审美和挑刺。

更有意思的是，模型的自主性也在进化。Boris Cherny在红杉资本的活动上透露，Claude 4.7已经会自己启动loop——你只是叫它去跑一次数据查询，它会主动提议“我开一个loop，每30分钟给你一份报告”。²

当模型开始自己安排自己的工作，人类开发者的角色真的要从“写代码的人”变成“管理循环舰队的人”了。

所以，我们该慌吗？

有网友评价得很精辟：“我们已经从‘学会写代码’，走到了‘学会编写那个会写代码的东西’。不知为什么，这听起来既像进步，又像一场金字塔骗局。”

进步的一面：AI编程的效率确实在指数级提升。一个人一天150个PR，零行手写代码，这在一年前还被认为是科幻故事。

“金字塔骗局”的一面：目前只有少数大厂和拥有Token自由的人能享受到这种范式红利。普通开发者还在跟提示词死磕，你突然告诉他们“现在要写循环”——这就好比还在学骑自行车，突然被要求去开F1赛车。

但Boris Cherny的另一个观点值得玩味：“真正的竞争瓶颈，已经从技术转移到了组织。”Anthropic内部已经没有手写代码了，所有SQL都是模型写的，Agent之间在Slack上互相沟通互相问问题。他预测两年后模型会自己写所有代码、自己启动代理人、自己建置执行环境。²

也许，未来编程的门槛会继续降低，但设计循环的能力会成为新的核心竞争力。就像当年从“写汇编”到“写高级语言”的飞跃一样，每一次抽象层的提升，都会让一部分人焦虑，也会让另一部分人飞升。

至于现在你能不能玩转Loops？——先去检查一下你的Token余额吧。

---

参考文献

• AI编程
• Loop Engineering
• 提示词工程
• Claude Code
• 智能体