Loop Engineering：从 Prompt 设计到循环设计
概述
Loop Engineering（循环工程）是 2026 年在 Agent 开发领域迅速流行起来的概念。核心思想是：
不再只设计 Prompt，而是设计 Agent 如何持续工作。
它被认为是 Prompt Engineering 之后的下一个重要能力。Claude Code 团队、OpenAI 社区以及 Google 工程师的讨论将其推向了前台。(Business Insider)
为什么需要 Loop Engineering？
传统模式：人在回路中
传统使用 LLM 的方式：
人 → Prompt → LLM → Answer例如：
人：帮我写一个爬虫
LLM：这里是代码
人：修改一下
LLM：修改后的代码整个过程是 Human → Prompt → LLM → Prompt → LLM，人一直在中间。
Agent 模式：机器自主循环
以 Claude Code、Codex 为代表的 Agent 工具改变了这一点：
Goal: 实现一个小说网站爬虫
Agent →
分析任务
生成代码
运行
测试
发现错误
修改
重新运行
...
直到完成人只说一句"完成这个项目"，剩下几十轮 Prompt 全是 Agent 自己生成。
结论：Prompt 不是不重要了，而是变成 Agent 内部自己生成。人真正要设计的是 Agent 怎么循环工作。
Loop 是什么？
本质就是一个工作循环：
while not Done:
Observe()
Think()
Use Tools()
Verify()
Update Memory()
Decide Next Step()用修复 Bug 来举例：
任务：修复仓库 Bug
Loop：
① 找 Bug
② 创建计划
③ 修改代码
④ 编译
⑤ 测试
⑥ 失败？→ 继续修改 → 回到 ③
⑦ 成功？→ 结束整个就是一个 Loop。
Prompt Engineering vs Loop Engineering
以前：
Prompt → 模型现在：
Loop → Prompt → 模型Prompt 只是 Loop 的一个节点。
Loop
├── Prompt
├── Tool
├── Memory
├── Judge
└── RetryPrompt 只占其中约 20%。
一个 Coding Agent Loop 实例
以 Cursor、Claude Code 的工作流程为例：
读取 TODO
↓
生成 Plan
↓
修改文件
↓
运行 pytest
↓
失败？ → 修复 → 再次 pytest
↓
成功 → Git Commit → 结束真正循环的核心是 Read → Code → Test → Fix → Repeat，而不是 Prompt → Answer。
Loop 的核心模块
一个完整的 Agent Loop 通常包含以下模块：
① Trigger（触发）
什么条件下启动 Loop：
Git Push
每天晚上定时
收到 Issue
收到邮件② Goal（目标）
Agent 一直执行，直到目标满足：
修复 Issue #123
更新 README
同步 RSS
整理小说数据库③ Planner（规划）
Agent 自主拆解任务：
任务 → 子任务1 → 子任务2 → 子任务3甚至派发到子 Agent：
Main Agent
├── SubAgent A
├── SubAgent B
└── SubAgent C④ Action（执行）
调用各类工具：
Shell / Python / Git / Browser / MCP / Database⑤ Verify（验证）— 最关键的一环
验证机制是整个 Loop 的瓶颈：
pytest
lint
benchmark
单元测试
截图比较
LLM Review模型不是瓶颈，Verifier 才是瓶颈。
如果不会判断结果是否正确，再聪明的 Agent 也可能无限循环或重复犯同样的错误。(AI Builder Club)
⑥ Retry（重试）
失败后的恢复策略：
失败 → 重新规划 → 继续执行 → 直到 Done为什么 Loop Engineering 最近突然火了？
三个主要原因：
- Claude Code 团队：负责人提到几乎不再亲自写 Prompt，而是写让 Agent 自己工作的 Loop。(Business Insider)
- 主流工具转型：OpenAI Codex、Claude Code 等工具越来越强调 Goal 驱动，让 Agent 自主完成任务，而非每一步等待人工输入。(Business Insider)
- 工程实践发现：Prompt 已不是主要瓶颈，真正影响效果的是任务拆解、工具调用、验证机制和停止条件——也就是整个控制流程。(LangChain)
举例：小说爬虫 Agent 的设计对比
Prompt Engineering 方式
Prompt：帮我写番茄小说爬虫结束。一次调用，一次结果。
Loop Engineering 方式
while True:
↓
获取任务
↓
读取配置
↓
发现平台
↓
调用对应 Spider
↓
下载小说
↓
去重
↓
存数据库
↓
校验章节
↓
缺章节？ → 重新抓
↓
更新 Index
↓
生成日志
↓
发送通知
↓
等待下一次这里真正设计的是整个工作流，而不是某一句 Prompt。