文章目录
- AI圈造词速度，比我掉头发还快
- 从手动挡到自动驾驶，四代工程演进史
- Loop 的六大组件，缺一个都转不动
- 定时任务：AI 的闹钟
- Worktree：AI 的独立工位
- Skill：AI 的职业技能证书
- MCP：AI 的万能转接头
- Sub-agent：AI 的小弟军团
- Memory：AI 的记事本
- Loop 到底怎么转？
- 写在最后
P.S. 无意间发现了一个巨牛的人工智能教程，非常通俗易懂，对AI感兴趣的朋友强烈推荐去看看，传送门https://blog.csdn.net/HHX_01
AI圈造词速度，比我掉头发还快
Prompt Engineering、Context Engineering、Harness Engineering，现在又来了个 Loop Engineering。
我怀疑这帮大佬是不是每天起床第一件事，就是打开词典找个新词，然后宣布这是下一代革命。
上个月还在教你怎么写 Prompt，这个月告诉你 Prompt 过时了，得玩 Loop。
我寻思这发展速度，明年是不是该出 Quantum Engineering 了？后年直接 Warp Drive Engineering？
不过话说回来，Loop Engineering 这玩意儿确实有点东西，不是那种为了发论文硬造的概念。
从手动挡到自动驾驶，四代工程演进史
Prompt Engineering 时期，大家就像学车的第一天，死死盯着方向盘，琢磨每一个词的措辞。
"请"字放前面还是放后面？加几个示例？温度调 0.7 还是 0.8？
那时候写 Prompt 跟写情书似的，改八遍，发出去，心跳加速等回复。
后来 Context Engineering 来了，大家发现光会写情书没用，你得让模型知道前因后果。
就像你约会不能只发一句"在吗"，你得把你们怎么认识的、上次聊了什么、对方喜欢啥全带上。
于是 CLAUDE.md、RAG、摘要压缩全上了，上下文窗口管理成了新战场。
再到 Harness Engineering，终于有人意识到：光会说话不行，你得让 Agent 动手干活。
工具集成、状态持久化、Sub-agent 编排，相当于给 AI 配了个工具箱和助理团队。
但问题来了，配了工具箱，每次还得你亲自去按开关。
Loop Engineering 就是来解决这个问题的：让系统自己转起来，自己找信息，自己验证，自己调整，直到干完活。
Prompt 是指令层，Context 是信息层，Harness 是执行层，Loop 是反馈与自治层。
说白了，就是从"你指挥 AI 干活"进化到"你告诉 AI 要啥，AI 自己想办法搞定"。
这感觉就像从请了个实习生，升级成了请了个项目经理，还是自带团队的那种。
核心逻辑：Loop 能自己启动，知道去哪找信息，做完一轮会检查结果，失败了知道重试，每轮把进展记到指定位置，也知道什么时候该停下来交给人。
Harness 是基础设施，Loop 是让基础设施自动运转的设计方式。
Loop 的六大组件，缺一个都转不动
Loop Engineering 有六大组件：定时任务、Worktree、Skill、MCP、Sub-agent、Memory。
这六个就像火锅的六个必点菜，少了毛肚还能勉强吃，少了锅底你直接干瞪眼。
定时任务：AI 的闹钟
在 Claude Code 里，/loop 命令就是定时任务触发器。
你可以让它每 5 分钟检查一次代码更新，每 10 分钟扫描一次测试报告。
相当于给 AI 设了个闹钟，到点了就起来干活，不用你天天喊。
以前是你追着 AI 问"好了没"，现在是 AI 自己定时汇报"我又干完了一轮"。
这感觉就像养了个自律的猫，到点自己吃饭，自己上厕所，你只需要偶尔撸一把确认还活着。
用法示例：/loop 5m /foo 表示每 5 分钟执行一次 /foo 命令，默认间隔 10 分钟。
Worktree：AI 的独立工位
Worktree 就是给 AI 一个独立的工作空间，让它随便折腾，不会把你主分支搞崩。
相当于你在公司给实习生单独开了一间实验室，随便炸，炸完了把门一关，主业务不受影响。
没有 Worktree 的话，AI 改着改着把你生产环境配置文件删了，你哭都来不及。
有了 Worktree，AI 就像戴了安全帽进工地，随便抡大锤，砸不到路人。
Skill：AI 的职业技能证书
Skill 是 Agent 的能力定义，告诉它你会啥、能干啥。
就像你去面试，简历上写"精通 Python"，HR 一看就知道你能干啥。
AI 有了 Skill，就知道自己是来写代码的、还是来写文档的、还是来画架构图的。
不然你招个前端工程师，它天天给你写 SQL，你血压能不高吗？
MCP：AI 的万能转接头
MCP 全称 Model Context Protocol，是 AI 跟外部世界打交道的标准接口。
以前每个工具都要单独适配，就像你去国外旅游，得带一捆转换插头。
MCP 相当于一个万能插座，插上去就能用，不管是连数据库、查文档还是调 API。
没有 MCP，AI 就像个有手机没充电线的人，满格电也只能干瞪眼。
Sub-agent：AI 的小弟军团
Sub-agent 就是给主 Agent 配的小弟，专门干脏活累活。
主 Agent 负责统筹全局，Sub-agent 负责具体执行，一个查资料、一个写代码、一个跑测试。
这就像你是个项目经理，手下有三个实习生，一个去打印、一个去订咖啡、一个去写 PPT。
你啥也不用干，就负责验收成果，顺便在群里发"收到，辛苦"。
而且 Sub-agent 不会抱怨加班，不会要求涨薪，不会突然提离职。
这大概就是老板们最理想的员工形态吧。
Memory：AI 的记事本
Memory 是 Loop 的记忆系统，每轮循环干了啥、遇到啥问题、怎么解决的，全记下来。
没有 Memory 的 AI 就像金鱼，七秒记忆，上一轮刚踩过的坑，下一轮接着踩。
有了 Memory，AI 会记笔记：“此处有坑，已踩，勿再踩。”
下次再遇到类似情况，它直接绕过去，比你对象记你生日还牢。
而且 Memory 不会记仇，你骂它代码写得烂，它只会默默记下来改进，不会第二天在茶水间说你坏话。
六大组件关系：定时任务是触发器，Worktree 是隔离区，Skill 是能力定义，MCP 是接口标准，Sub-agent 是执行单元，Memory 是经验沉淀。
六个凑齐，Loop 才能自己转起来；缺一个，就是台缺了零件的永动机，看着很酷，动不了。
Loop 到底怎么转？
Loop 的核心运转逻辑就四个步骤：目标 → 执行 → 观察 → 修正。
你告诉 AI 要干啥，AI 开始干，干完看看效果，不行就调整，再干，再看，再调。
这跟程序员改 Bug 一模一样：写代码 → 跑测试 → 报错 → 改代码 → 再跑 → 再报错 → 再改。
区别在于，以前是你自己在这死循环里挣扎，现在是 AI 替你挣扎。
你坐在旁边喝咖啡，看着 AI 在循环里忙得团团转，偶尔发个"加油"。
等它终于跑通了，你点点头：“不错，今晚加鸡腿。”
AI 没有感情，但它会记到 Memory 里：“用户说加鸡腿，下次争取再跑通。”
虽然它永远吃不到鸡腿，但这不妨碍它越干越起劲。
这就是 Loop Engineering 的魅力：你把目标设好，系统自己找路，自己碰壁，自己绕坑，直到搞定。
而你，终于可以从重复劳动里解放出来，去干点真正需要人类智慧的事。
比如思考中午吃什么。
写在最后
有人说 Loop Engineering 是 Prompt Engineering 的自动挡。
要我说，这哪是自动挡，这简直是自动驾驶。
你设个目的地，车自己导航、自己加油、自己避开堵车，到了还给你发消息：“亲，已到达，记得五星好评哦。”
当然，现在的 Loop 还没那么完美，有时候也会迷路，有时候也会撞墙。
但方向是对的，趋势是明确的。
与其每天写一百条 Prompt 跟 AI 斗智斗勇，不如花点时间设计一个 Loop，让 AI 自己斗自己。
毕竟，看 AI 内卷，比看人类内卷有意思多了。
P.S. 无意间发现了一个巨牛的人工智能教程，非常通俗易懂，对AI感兴趣的朋友强烈推荐去看看，传送门https://blog.csdn.net/HHX_01
