作者：Addy Osmani，谷歌云 AI 总监
你是不是觉得AI写代码=解放双手？
大部分人第一反应都是：这下终于轻松了🤔
但谷歌云AI总监Addy的结论恰恰相反：想用明白AI，比写提示词还难。
这种新的AI协作模式，就是最近爆火的「Loop Engineering 循环工程」。
最早是Claude Code负责人Boris提出，他现在基本不直接给AI下指令，转而写loop驱动AI。
他说：「我的工作，就是写循环。」
大厂核心产品负责人说日常工作就是写loop，AI总监说它比写提示词难
这到底是什么？凭什么这么重要？我们慢慢说。
从逐句指挥AI，到设计自动循环
你平时用AI写代码是不是这样？
你说一句它改一点，不对还要重新交代背景，全程都得你盯着。
那时候大家都在琢磨：怎么把提示词写准写全。
但用久了你会发现，耗时间的从来不是第一句提示词
而是后面重复的拆任务、查问题、复盘，这些加起来才是大头。
所以现在重点变了：不再拼一句提示词好不好
而是拼能不能把这一整套重复动作，做成能自己转的循环
这就是Loop Engineering的核心：提示词只是零件，循环才决定结果。
一句话说清Loop Engineering是什么
简单讲：你不用亲自一轮轮指挥AI了
把「发现问题-执行-检查-记录-下一步」做成自动转的小系统
重点不是全自动化，而是能自己闭环。
很多人会把它误解成定时跑任务，其实不是。
一个能用的循环，本质是你设计一套工作流
你从执行者退到后面，变成整个系统的调度者。
一个合格的loop，要搞定这6件事
Addy把完整loop拆成5个核心模块加1个记忆机制，得回答6个问题：
1. 谁来启动它？
得能自己触发才行：定时扫失败的CI，每半小时看新issue
测试不通过就一直改，不用你每次手动点，这才叫系统。
2. 多个AI干活，怎么不打架？
多个AI并行改代码很容易覆盖文件，出冲突
所以必须给每个AI独立工作空间，改完再合并，不然反而添乱。
3. AI懂你们团队的规则吗？
AI每次开工都像新同事，很容易忘了项目规矩
所以要把规则写清楚：哪些目录不能碰、命名规范是什么、踩过什么坑
这是长期生效的固定规则，不用每次重新说。
4. 它能真动手干活，还是只会说？
只能看本地文件的AI，只能给你出建议
好用的loop能对接你的各种工具：issue系统、CI、测试环境、PR
改完直接开分支跑测试提PR，把结果丢你待审就好。
5. 谁来检查AI做的对不对？
AI写完代码问自己，基本都会说「没问题」
所以loop要把执行和验证拆开：一个做，一个专门挑错
就像团队里写代码的不能自己审自己，没人盯的loop错了会越跑越偏。
6. 它能记住之前做到哪了吗？
这是最不起眼但最重要的一点：要给loop加记忆
AI容易忘事，昨天否掉的方案这周又拿出来，验证过的结论还要再查一遍
Addy说的好：模型会忘，但仓库不会忘。
Loop Engineering不是万能的，要清楚它的成本和边界
Addy没有吹这个方法万能，反而一直提醒两个关键点：
首先是成本问题，loop跑起来token消耗比单次问答大很多
它会反复读上下文、反复试错，拉好几个AI一起干
如果只是一次性小事，大概率还没省时间先把钱烧完了。
然后是边界问题：loop能替你走流程，但不能替你担责任
AI说完成了不等于真没问题，AI干得越多，人越容易偷懒不看
时间长了代码堆一堆，你自己都看不懂逻辑了。
所以正确用法从来不是把人完全换掉
而是把你从重复劳动里抽出来，把判断、验收、刹车权握在你手里。
不止写代码，这些工作都适合用loop
现在loop最先在编程领域火起来
因为代码天然有清晰反馈：测试过没过、跑不跑都能直接验证。
其实只要满足三个条件，很多工作都能用
哪三个？任务会重复、流程相对稳定、结果能部分自动化检查
内容选题、运营整理素材、客服 FAQ 整理、产品分析都符合要求。
举个例子：选题loop可以每天定时扫全网内容
挑出符合方向的、整理好核心观点和来源，生成选题清单直接给编辑
省掉你每天手动搜的时间，太香了😉
写在最后：协作逻辑早就变了
Loop Engineering只是一个新词，早晚被更新的词代替
但它背后的协作逻辑变化，才是最值得注意的。
当AI能处理更长链路的任务，人和AI的协作
就得从一轮轮聊天对话，升级成设计能自动运转的闭环。
过去大家比谁提示词写得好，接下来要比谁的loop设计得好
这件事不会让你的工作变轻松，只是把发力点挪了位置
你可以做全程掌控的调度者，也可以做只按启动键的甩手掌柜，选择权在你。
评论
发表评论