本文來自微信公眾號： 碳基智 ，作者：碳基智
我真的是麻了，AI圈拜托能別這么每天造詞嗎：
Prompt Engineering-Context Engineering-Harness Engineering-Loop Engineering
兩年不到，范式都特么「進化」到第四個了，我看還有哪些舊酒可以裝到你們這些新瓶里。
1
先說說Loop Engineering怎么來的，它的橫空出世要得益于這三位AI仙人：
6月，Boris Cherny（Claude Code創(chuàng)造者）演講展示他"6個月沒打開IDE、一個人靠AI循環(huán)產(chǎn)出259個PR、497次提交、4萬行代碼"的實戰(zhàn)模式。Peter Steinberger（OpenClaw作者）發(fā)文推廣AI循環(huán)編程方法。Addy Osmani（Google工程師）2026年6月7日發(fā)表系統(tǒng)性博客正式命名。
Addy Osmani的定義：
Loop engineering is replacing yourself as the person who prompts the agent.You design the system that does it instead.
翻譯成人話就是：
以前你要人肉去寫提示詞調(diào)教Agent，現(xiàn)在你搞個Loop工程讓AI自己去驅動、評估、修正、執(zhí)行。
他們把Loop分成了6個階段：
Input Capture：自己找到下一件要做的事（cron、事件監(jiān)聽、上一輪輸出觸發(fā)）
Context Assembly：自動從文件、向量索引、上一輪摘要中組裝上下文
Model Inference：Prompt是Harness自動生成的，不是人寫的
Action Execution：寫文件、跑測試、調(diào)API、開PR
Observation&Logging：捕獲結果并結構化記錄
Memory Update：將本輪學到的信息寫回持久存儲
639b5c929a225e787a02545e1e37bfa0.png
坦率講，Loop的每一項技術構件都不新：
自動化調(diào)度→cron job（1975年）
工作樹隔離→git worktree（2015年）
子Agent分工→多Agent協(xié)作（2022年ReAct論文）
反饋閉環(huán)→控制論（1948年Norbert Wiener）
Maker-Checker分離→四眼原則（金融行業(yè)用了幾十年）
我是真的不想再說一次，但很遺憾，AI圈現(xiàn)在新造的這些工程范式，依舊在套《控制論》的公式，就像我之前寫的那篇一樣。
2
Prompt Engineering-Context Engineering-Harness Engineering-Loop Engineering，這所謂的四次躍遷背后，其實也沒多少新的變化，每次都遵循幾乎完全相同的模式：
觸發(fā)條件：上一層范式的局限性被實踐暴露。Prompt的局限催生Context；Context的局限催生Harness；Harness的局限催生Loop。
躍遷方向：人的工作從「直接操作」升級為「”」設計操作規(guī)則」。本質上是控制論里的抽象層級躍遷：從直接施加力，到設計施力系統(tǒng)，到設計施力系統(tǒng)的調(diào)度規(guī)則。
疊加關系：四者不是替代關系，是層疊嵌套關系。Loop建立在Harness之上，Harness建立在Context之上，Context建立在Prompt之上。沒有Harness的Loop=沒裝剎車的自動駕駛；沒有Loop的Harness=停在車庫里的好車。
變與不變：技術底座始終沒變，依然是Prompt+LLM+工具調(diào)用。改變的只是人與系統(tǒng)的交互界面所處的抽象層級。
就這些東西，翻來覆去吹了兩年，什么眩暈癱瘓啦，什么核彈爆炸啦，什么顛覆世界啦，什么XX已死啦，煩得很。
3
要我說，Loop Engineering解決的最大問題，就是AI仙人們token多得花不完的現(xiàn)象。當我們每天還在肉疼那token消耗量的時候，一群一天干掉幾千上萬（沒那么少？）美刀的人，分享著何不食肉糜的所謂實戰(zhàn)經(jīng)驗，我問你食不食油餅？
這套東西背后最大的問題，首先就是成本的失控。Boris和Peter的4萬行AI代碼背后，是Anthropic和OpenAI近乎無限的Token額度。實測數(shù)據(jù)：Loop模式的總Token消耗是手動Prompt模式的3-8倍。單段自動化任務的成本是人工完成同類任務的2-4倍。我一個20美刀的Codex你讓我跑自循環(huán)？
好，假設你真有這么多token。那我請問了，Loop一天幫你ship 20個PR，你真正理解其中幾個？Addy Osmani自己都說：Loop越快交付你沒寫過的代碼，倉庫里存在的和你實際理解之間的差距就越大。代碼庫里有30%的代碼你從未仔細看過，這個比例只會隨Loop運行時間線性增長。
更典的是，當Loop穩(wěn)定運行幾周后，你，還能有啥自己的想法？Loop給你啥你就接受啥，一坨巧克力味的粑粑你吃不吃？Osmani的原話："The danger is stopping having an opinion when loops run autonomously."兩個人搭建完全相同的Loop，可能得到完全相反的結果：一個用它加速自己深入理解的工作，另一個用它逃避理解工作這件事情。
程序員花了很多年做可觀測性的事情，一Loop就全玩完。當Loop在凌晨3點跑了47輪輸出一坨垃圾代碼，你怎么debug？當下沒有成熟的Loop Observability方案。傳統(tǒng)APM監(jiān)控的是確定性請求鏈路，Loop的鏈路是動態(tài)生成的、非確定性的、跨多個Agent的。難搞??！
Prompt Engineering有benchmark和eval框架，Loop Engineering連什么算一個好的Loop都還在爭論。沒有一個量化的標準去評估，也沒有像Harness那樣的腳手架，你這玩意兒怎么整呢。
消停會吧，別吹了。