Loop Engineering：我們與 AI 協作方式的靜默革命

"I don't prompt Claude anymore. I have loops running that prompt Claude and figuring out what to do. My job is to write loops." — Boris Cherny, Head of Claude Code, Anthropic (2026)

---

提示詞時代的終結

過去幾年，人們與 AI 協作的主流模式非常簡單：你輸入，它回應。 你精心撰寫提示詞，貼上一些背景資訊，閱讀輸出結果，然後再輸入下一輪。人類始終坐在駕駛座上，一來一往，像打網球一樣。這個模式有效——但只到某個程度。

那個時代，正在悄悄落幕。

歡迎來到 Loop Engineering（循環工程） 的世界——這或許是自 2022 年 GitHub Copilot 問世以來，AI 輔助開發領域最重要的典範轉移。它的核心不是「如何寫出更好的提示詞」，而是讓你自己不再需要親自提示。

---

什麼是「Loop（循環）」？

在智能體 AI 的語境中，loop 是一個不斷重複的循環：模型採取行動、從環境中獲得反饋、再根據反饋決定下一步——直到目標條件真正達成為止。它不是線性的鏈條（A → B → C），而是動態的：智能體可能從 A 到 B，發現 B 失敗了，修正方法，重新嘗試——全程無需你在旁監督。

這個概念源自 ReAct 模式（Reason + Act，推理加行動），由普林斯頓大學與 Google 的研究共同提出。循環的流程如下：

1. 理解目標
2. 撰寫程式碼 / 採取行動
3. 執行並觀察輸出（或錯誤）
4. 推理出錯原因
5. 修正並重新執行
6. 重複直到完成

這個反饋迴路——推理、行動、觀察、重複——正是 Loop Engineering 的核心跳動。 (2)

---

從提示詞 → 情境 → 框架 → 循環

要理解 Loop Engineering 的重要性，你需要看清我們是如何走到這一步的。AI 開發典範在短短四年內已經轉移了三次：

有個精妙的比喻是這樣說的：「2022 年，我們研究如何寫出完美的電子郵件。2025 年，我們學會管理收件匣。2026 年，我們正在設計整個電子郵件系統。」 工程嚴謹性從未消失——它只是搬家了，從提示詞搬到情境，再從情境搬到系統架構。 (4)

Loop Engineering 就坐落在這個堆疊的頂端。Peter Steinberger 一語道破：「你不應該再親自提示編程智能體了。你應該設計能提示智能體的循環。」 (1)

---

一個優良循環的五大支柱

並非所有循環都生而平等。設計不良的循環會浪費 token、無限運行，或虛報進度。一個紮實的循環由五個核心組件構成——加上一個至關重要的記憶層：

自動化（心跳）

按排程自主執行探索與分類的觸發器——可以是計時器、git 事件或 CI 信號。這才是讓循環成為真正循環而非一次性執行的關鍵。Claude Code 的 /loop 和 /goal 指令，或 Codex 的 Automations 分頁，都是這個概念的具體實現。 (1)

工作樹（並行而不混亂）

當多個智能體同時工作時，它們需要隔離的環境。Git worktree 讓每個智能體擁有獨立的工作目錄，避免互相覆蓋——這是人類協作中同樣存在的協調問題，在系統層面得到了解決。

技能（編碼的知識）

與其在每個提示詞中貼上龐大的指令區塊，不如將專案知識編碼進可重複使用的 SKILL.md 檔案，讓智能體按名稱調用。這讓循環長期保持可維護性與一致性。

插件與連接器（工具存取）

只有當智能體能與真實世界互動時，循環才能運作——執行測試、讀取檔案、呼叫 API、寫入 Linear 或 GitHub。工具集的品質直接決定循環的效能。如果智能體無法執行自己的程式碼，循環不過是在猜測。 (2)

子智能體（構思與驗證）

一個智能體提出方案；另一個智能體負責審查。這種關注點分離——撰寫程式碼的智能體，不是評分的那個——是智能體系統中最強大的可靠性模式之一。 (3)

記憶（黏合劑）

一個 Markdown 檔案、一個 Linear 看板，任何存在於單一對話之外的東西。模型在每次執行之間會忘記一切。但程式碼倉庫不會。這個外部記憶，是串聯多次 session 循環的那條線。

---

為何這改變了一切

其影響是深遠的。Loop Engineering 將開發者的角色從操作者轉變為架構師。你不再是那個轉動曲柄的人——你是設計那台轉動曲柄的機器的人。

這對軟體開發尤其強大，因為程式設計本質上就是迭代的。即使是經驗豐富的工程師，也不會第一次就寫出完美的程式碼。他們執行、看到錯誤、修正、再執行。Loop Engineering 賦予 AI 智能體同樣的反饋循環——並從中間移除了人類的瓶頸。 (2)

Claude Code 和 Codex 中的 /goal 原語就是最好的例子：你定義一個可驗證的停止條件，例如*「test/auth 中的所有測試通過且 lint 乾淨」*——然後離開去做別的事。每輪結束後，一個獨立的小型模型會檢查你是否完成，所以撰寫程式碼的智能體不是那個評分的智能體。 (1)

---

誠實的警告

Loop Engineering 確實令人振奮——但它需要我們對風險保持誠實：

• Token 成本可能急劇攀升。 自主循環如果沒有謹慎設定邊界，可能消耗大量 token。「token 充裕」與「token 匱乏」的團隊，使用模式差異懸殊。
• 模糊的目標會產生無限循環。 「讓應用更好」不是循環條件。「讓所有單元測試通過」才是。
• 可審計性從程式碼轉移到執行軌跡。 確定性工作流程中，每個步驟都可在原始碼中追蹤。智能體循環中，軌跡存在於執行過程中——這迫使我們建立新的日誌記錄和人工審批檢查點模式。 (3)
• 一切仍在早期階段。 正如 Addy Osmani 在其關於此主題的奠基性文章中所說：「我持懷疑態度，你絕對必須小心。」 工具正在快速成熟，但最佳實踐仍在書寫之中。 (1)

---

結語

Loop Engineering 不是炒作。它是一次真實的架構轉變——是我們窮盡單次提示詞所能做到的一切之後，自然而然的下一步。在 2026 年及以後蓬勃發展的工程師，不是那些寫出最聰明提示詞的人。而是那些設計出最優雅、最可靠、能自我修正的系統的人。

循環，是新的工作單元。學會設計它。

---

資料來源

1. Addy Osmani, "Loop Engineering", addyosmani.com, June 7, 2026 — addyosmani.com
2. MindStudio Team, "What Is Loop Engineering? The New Meta for AI Coding Agents", mindstudio.ai, June 9, 2026 — mindstudio.ai
3. Molisha Shah, "What Are Agentic Design Patterns? 2026 Pattern Catalog", augmentcode.com, May 18, 2026 — augmentcode.com
4. "From Prompts to Harnesses — Four Years of AI Agentic Patterns", bits-bytes-nn.github.io, April 5, 2026 — bits-bytes-nn.github.io