2026年，Prompt已经过时了——Loop Engineering正在重塑AI编程

一场悄然发生的范式转移

2026年6月第二周，Google Cloud AI总监 Addy Osmani 发布了一篇名为《Loop Engineering》的博客文章。几天之内，这篇文章突破了650万次阅读。

他在文章里说了一句话，让很多人停下来想了想：「你不再亲自向编程智能体发送指令，而是设计一套系统来自动执行这一过程。」

Claude Code 的负责人 Boris Cherny 说得更直白：「我不再直接向 Claude 发送指令了。我运行着一些循环程序，由它们负责向 Claude 发送指令并决定下一步做什么。我的工作变成了编写这些循环程序。」

这句话的冲击力在于：它宣告了一个时代的终结。Prompt 工程，这个两年前还是 AI 从业者核心竞争力的技能，正在被一种新的工作方式取代。

四次范式跃迁：人一步步交出操作权

要理解 Loop Engineering 为什么重要，需要先回顾 AI 编程过去两年的演进轨迹。这不是一个突变，而是一条清晰的递进线。

第一代：Prompt 工程

开发者手动编写每一条指令，一行一行告诉 AI 要做什么。瓶颈很快暴露——Prompt 写得好的人产出极高，写不好的人效率还不如不用 AI。AI 没有抹平人与人的差距，反而把它放大了。

第二代：Context 工程

开发者不再只写单条 Prompt，开始系统性地设计上下文：哪些文件读入、哪些规则注入、项目结构如何告知 AI。这一步的核心是把「教 AI 理解项目」这件事工程化。

第三代：Harness 工程

开发者开始把多个 AI 调用编排成工作流——一个 Agent 负责生成代码，另一个负责审查，第三个负责跑测试。前 Lightning AI 工程师 Akshay 有一个精准的比喻：「一个原始的 LLM 只是一个没有内存和硬盘的 CPU。Harness 就是操作系统——管理内存、I/O 和驱动程序。」

第四代：Loop 工程

Harness 是被动的：你触发它，它执行。Loop 是主动的：它自己决定什么时候触发自己，自己评估自己的输出，自己修复自己的错误，然后把学到的东西写回持久存储——等待下一次唤醒。

关键转变：人从操作台退到设计台。你不再直接操作 AI，而是设计「操作 AI 的规则」。

Loop Engineering 的五大要素

Addy Osmani 在文章中将 Loop 工程拆解为五个核心组件，外加一个记忆存储载体。Claude Code 和 OpenAI Codex 目前都已具备全部这些要素。

1. 自动化（Automations）

这是 Loop 的「心跳」。你可以创建一个自动化任务，指定项目、提示词、执行频率。它会在后台定时运行，发现问题自动归档或送入分类收件箱。

Claude Code 的 /loop 命令按固定间隔运行，/goal 命令则持续运行直到满足可验证的停止条件。Codex 也有完全相同的机制。

2. 工作树（Worktrees）

一旦运行多个智能体，文件冲突就会导致失败。Git Worktree 解决了这个问题：在同一仓库历史基础上创建独立分支上的独立工作目录。一个智能体的修改不会影响另一个。

3. 技能（Skills）

「技能」机制让你摆脱在每次会话中反复解释项目背景的困境。一个包含 SKILL.md 的文件夹，记录项目约定、构建步骤、经验教训。编写一次，每次运行自动加载。

4. 插件与连接器（Plugins & Connectors）

基于 MCP 标准构建的连接器让 Loop 能读取 Issue 追踪系统、查询数据库、调用 API、在 Slack 发消息。这让 Loop 从「只能操作文件系统」升级为「能与你的实际工具交互」。

5. 子智能体（Sub-agents）

最重要的结构性设计：将「执行者」与「检查者」分离。写代码的模型评估自己的作业时往往过于宽容；另一个拥有不同指令的智能体能发现前者因自我合理化而忽略的问题。

一个典型 Loop 的工作方式

将以上组件组合起来，单一的执行流就变成了一个小型控制面板。Addy Osmani 描述了他常用的模式：

每天早上运行一次自动化任务。它的提示词调用一个「分诊」技能，读取昨天的 CI 失败记录、未解决的问题和最近的代码提交，将分析结果写入文件。对于每一项值得处理的问题，创建独立的工作树，派遣子智能体起草修复方案，再由第二个子智能体根据项目规范审查该草案。

通过连接器，Loop 自动创建 PR 并更新工单状态。无法处理的事项进入收件箱等待人工介入。状态文件记录所有操作，确保明天的运行从今天中断的地方继续。

你只设计了一次，没有对后续每一步单独下达指令。

循环不能代劳的事

Loop 改变了工作方式，但没有把你从工作中剔除。Addy Osmani 特别指出了三个风险：

验证仍由你负责。 无人值守运行的 Loop 也可能在无人监督的情况下犯错。「已完成」是一种声明，不是证明。

理解债务（Comprehension Debt）。 Loop 交付非你亲手编写代码的速度越快，你与代码之间的理解鸿沟就越大。除非你亲自阅读 Loop 生成的代码，否则高效的 Loop 只会让债务积累更快。

认知投降（Cognitive Surrender）。 当 Loop 自动运行时，人容易放弃独立思考，全盘接受结果。同样的循环机制，一个人用来加速处理自己深刻理解的工作，另一个人用来彻底回避理解——Loop 本身无法区分这两者。

写在最后

Loop Engineering 不是一个更省力的捷径。它是一次工作重心的转移：从「写指令」到「设计系统」。

Addy Osmani 给出了最好的忠告：「去构建这个循环吧。但构建时，要怀着一种立志深耕工程领域的心态，而不仅仅是做一个只会按下启动键的人。」

这可能是 2026 年 AI 编程领域最重要的一次观念更新。Prompt 工程没有消失，但它不再是区分优秀开发者的核心能力。会设计循环的人，正在拿到新的入场券。