核心内容总结
这篇文章吐槽AI圈近两年频繁造新工程范式（从Prompt到Loop），认为这些所谓“新突破”本质是老技术的组合包装，且Loop Engineering存在成本高、代码理解脱节、可观测性差等实际问题，批评行业过度吹嘘、脱离普通开发者的现实情况。
一、Loop Engineering到底是啥？——让AI自己“闭环干活”
简单说，以前你得手动写提示词（比如“帮我写个登录功能代码”）让AI干活；现在Loop Engineering是设计一套系统，让AI自己完成“找活→准备资料→生成提示→执行→记录→更新记忆”的循环，不用你插手。
它的6个阶段用大白话讲：
- 找活干（Input Capture）：AI自己触发任务（比如定时做，或上一步完成了自动接下一个）；
- 备资料（Context Assembly）：自动从文件、历史记录里找相关信息；
- 自己写提示（Model Inference）：AI生成给模型的指令（不用你写）；
- 动手干（Action Execution）：写代码、跑测试、调用API等；
- 记结果（Observation&Logging）：把干成啥样记录下来；
- 存经验（Memory Update）：把这次学到的东西存起来下次用。
二、四次范式跃迁的真相——都是“人的角色升级”
从Prompt到Loop这四次所谓“进化”，其实没那么玄：
- 触发原因：上一个范式不够用了。比如Prompt只能手动写→催生Context（管理更多资料）→Context需要更规范→催生Harness（统一调度工具）→Harness需要自动循环→催生Loop。
- 核心变化：人的工作从“直接操作AI”变成“设计AI干活的规则”。就像从自己开车→设计自动驾驶系统→设计自动驾驶的调度规则。
- 关系：四个范式不是替代，是一层套一层。比如Loop得基于Harness，没有Harness的Loop就像没刹车的自动驾驶，危险；没有Loop的Harness就是停在车库的车，没用。
- 不变的是啥：底层还是“提示词+大模型+工具调用”，换汤不换药。
三、Loop是新瓶旧酒——技术构件全是老东西
作者说Loop的每个技术都是几十年前就有的：
- 自动触发任务→1975年的cron job（定时任务工具）；
- 代码隔离→2015年的git worktree（版本控制工具）；
- 多AI分工→2022年的多Agent协作（比如ReAct论文）；
- 反馈闭环→1948年的控制论（诺伯特·维纳提出的）；
- 双人审核→金融行业用了几十年的“四眼原则”。
说白了，就是把这些老技术拼起来，换个新名字叫“Loop Engineering”。
四、Loop的现实坑——好看不好用
作者列出了Loop的几个大问题：
1. 成本爆炸：Loop模式用的AI费用（token消耗）是手动模式的3-8倍，做同样任务成本高2-4倍。那些分享经验的人有公司无限额度，普通人根本用不起。
2. 代码看不懂：AI自动生成的代码越来越多，你可能连自己项目里30%的代码都没看过，时间长了完全失控。
3. 出问题难查：AI凌晨跑错了，你不知道哪里出问题——因为它的运行链路是动态的，传统监控工具管不了。
4. 没标准没工具：连“什么样的Loop算好的”都没定论，也没有成熟的工具支持，落地很难。
五、作者的吐槽：别再造词吹牛皮了
AI圈两年造了四个新范式，每次都吹“颠覆世界”，但本质都是旧技术包装。作者觉得这些人脱离实际：拿着无限额度的token分享经验，就像“何不食肉糜”；过度吹嘘让行业虚火旺盛，普通开发者根本用不上。最后呼吁：消停点，别再吹了。
总的来说，这篇文章戳破了AI圈“新范式”的泡沫，提醒大家看清楚技术本质和实际问题，别被花哨的名词忽悠。
（全文用大白话拆解，避免专业术语，非财经/技术背景也能轻松看懂～）