核心内容总结
最近AI编程领域刮起了“Loop Engineering”（循环工程）的新风潮：过去开发者手动给AI写提示词（Prompt）让它写代码，现在大佬们建议设计一套带反馈的循环系统，让AI自己提示自己、持续工作。两位行业专家——Claude Code之父Boris Cherny和“龙虾”创始人Peter Steinberger都力推这个新范式，但它也面临token成本高、调试难等现实问题，Claude Code已原生支持Loop功能并解决了部分长时运行的技术难题。
1. Loop Engineering：从“指挥AI”到“让AI自己指挥自己”
简单说，之前你写代码的方式是：打开AI工具，输入“帮我写个用户登录页面”，等AI输出后再调整。现在Loop Engineering是：你设计一个“工作循环规则”，比如“每小时检查登录页面有没有bug→如果有就修复→修复后自动测试→测试通过就提交代码”，让AI按照这个规则循环执行，不需要你每次手动发指令。
Boris Cherny说，他现在的工作已经从“写提示词”变成“写循环”——让一堆循环运行，它们去提示Claude、判断下一步做什么。Peter Steinberger也表示：“不该给编程AI写提示词了，要设计循环机制让循环提示AI。”这相当于给AI一套“自主工作手册”，让它从“临时工”变成“能持续干活的员工”。
2. Loop不是“无限重复”，得有“刹车”和“导航”
有人问：Loop不就是定时重复做一件事吗？比如每天自动发邮件？其实不是。有效的Loop必须带“反馈闭环”——就像你给员工布置任务，得告诉他“目标是什么、做得好不好、什么时候停”。
举个例子：如果做电商优化的Loop，目标是提升转化率。AI会循环做这些事：查看用户行为数据→调整商品页面布局→做A/B测试→看转化率有没有提升→如果没达到目标就继续优化，如果达到就停止。这里的“反馈”是转化率数据，“刹车”是目标达成，“导航”是调整方向。
YC CEO Garry Tan还提醒：别把AI变成“富士康式重复机器”，要让它做有思考的工作，比如自主发现问题、优化流程，而不是机械重复同一个动作。如果没有反馈，AI可能会一直重复错误，比如写个有bug的代码还反复提交。
3. 现实痛点：token烧钱太快，普通开发者玩不起
Loop的设想很美好，但最大的问题是“费钱”。每一次Loop迭代都是一次AI API调用，消耗token（可以理解为AI的“燃料”）。比如1分钟运行一次，8小时就有480次调用，成本很高。
大公司（比如Anthropic、OpenAI）有近乎无限的token供应，但普通开发者或小团队的预算有限。有人吐槽：“20美元的套餐根本不够用！”Peter Steinberger回应“时间比token值钱”，但网友反驳：“这是资金问题，不是技术问题！”
Claude Code为了控制成本，做了一些限制：Loop最小间隔1分钟，最长运行3天，关闭终端就停止。但这只是“治标不治本”——想让AI持续工作，还是得花钱。
4. Claude Code的进化：从20分钟到连续跑数天，它怎么解决问题？
Claude Code一年前只能连续运行20分钟（容易忘记之前的工作、出错），现在能跑数天。它解决了三个核心难题：
- 上下文失忆：过去每次循环都是“冷启动”，AI忘记之前做了什么。现在Loop保留会话上下文，AI能记住上一轮的操作（比如之前修复过的bug）。
- 规划能力差：AI以前要么想一次性做完所有事，要么做一半就停。现在用Opus模型做规划（比如把“做电商网站”拆成“首页→商品页→支付页”），Sonnet模型执行代码，分工明确。
- 自我判断不准：AI以前会把半成品当成完成品（比如前端按钮有了，但后端逻辑没写）。现在用“生成器+评估器+规划器”的结构：生成器写代码，评估器用工具（比如Playwright）实际测试（点击按钮、看是否能支付），规划器拆分任务。评估器还会和生成器先“签契约”——约定好验收标准（比如“按钮点击后必须跳转到支付页”），再开始写代码，避免理解偏差。
5. 落地没那么容易：调试难、迁移成本高
很多开发者尝试Loop后发现，实际操作比想象中麻烦：
- 调试难：调试一个跑了47轮的Loop，比调一个prompt难10倍。因为你要跟踪每一轮的状态，找出哪一步出错了。
- 迁移成本高：有些团队引入Loop后，发现它不适合自己的项目，但迁移到其他工具需要大量时间和资源，只能硬撑。有开发者吐槽：“我把Loop引进公司，现在想迁走都没人愿意干！”
- 基础不牢：很多人连写一个可靠的一次性prompt都做不好，就直接冲Loop，结果问题百出。
所以，Loop是未来方向，但现在还处于早期阶段，普通开发者需要谨慎尝试。
总结
Loop Engineering是AI编程的下一个阶段，它让AI从“被动执行”变成“主动工作”，但目前还面临成本、调试、落地等问题。对于大公司来说，这是提升效率的利器；对于普通开发者，可能需要等技术更成熟、成本更低后再入手。不过，这个趋势已经来了——也许再过几个月，LinkedIn上就会出现一堆“Loop工程师”的简历了。