Anthropic一位研究负责人表示：

"Anthropic 99%的工程师在跑300多个自改进agent集群。形成agent反馈闭环，给模型一个验证自己输出的方式。"

Claude加循环、加计划模式、加动态工作流——这，就是秘诀。

过去两年，你是怎么用AI编程工具的？

打开工具，写一个prompt，等它返回结果，读diff，觉得哪里不对，再写下一个，再等，再读，再改。

这个过程里，你始终是那个在驾驶座上的人。Agent只是你的工具，你全程握着方向盘。

写prompt，等结果，调prompt，再等结果。杠杆在prompt那端。

但现在，杠杆在转移。

有个新词开始在圈子里流传，Loop Engineering，循环工程。

说白了就是，你不再一个一个写prompt去驱动agent了，而是设计一个小的自动化系统，让这个系统替你做这件事。

我举个例子。

以前你是出租车司机，乘客说去哪你就去哪。现在呢，你现在成了设计自动驾驶路线的人。你设计好规则，设计好验证机制，然后车子自己跑。

区别在哪？你是设计规则的人，而不是执行规则的人。

有数据显示，Anthropic的工程师们现在每天合并的代码量，是2024年的八倍。杠杆已经转移了，从「提示词」转移到了「设计」。

但先别急着兴奋。这事不是谁都能玩的。

有经验显示，Loop Engineering只在这四个条件都满足的时候才值得做。

第一个，任务要重复。循环的价值在于摊平成本，如果工作不重复，这个成本永远摊不下去。

第二个，验证要自动化。循环得有个自动的守门员，能在没人的时候判断输出是不是有问题。测试套件、类型检查、linter、构建脚本，有一个就行。没有这个守门员，你就得自己坐在那读每一个diff，那循环帮你省的事就全还回去了。

第三个，预算能撑得住。循环要重读上下文，要重试，要探索，token在烧。对于一个月50元套餐的人来说，这就像月薪五千硬供法拉利，财务会爆。

第四个，agent得有senior engineer水平的工具。能运行自己写的代码，有日志，有复现环境。没有这些，循环就是在黑暗里摸索。

缺少任何一个，循环的成本就会超过收益。说实话，Loop Engineering是真的，但大多数开发者或许现在还不需要它。

好，假设四个条件都满足了，怎么创建？

循环系统有六个核心组件。但建议是，先用最少的组件搭一个最小可用的循环，跑通再说。

第一个是自动化，这是心跳，让循环真正跑起来的东西，不是你手动按一次执行一次。

第二个是worktree，并行不乱。如果你同时跑两个agent，它们可能会修改同一个文件，这就跟两个工程师没商量就commit到同一行代码一样痛苦。Git worktree给你一个独立的checkout，让它们在各自的目录里工作，一个agent的改动物理上不可能碰到另一个。

第三个是skill，知识的复用。把项目上下文写一次，每次循环都读它。convention是什么，build步骤是什么，为什么这事我们不这么做，全写在外面。有skill，每一轮都会在前一轮的基础上继续，不会每次从零推导。

第四个是连接器，让循环能真正跑在你的真实环境里。通过MCP协议，agent可以读issue tracker，往Slack发消息。一个连接器，让你不用手动传达agent的进展。

第五个是子agent，也就是maker和checker的分离。写代码的那个模型是「当事人」，它给自己的作业打分永远有偏心。另一个agent用不同的指令，能捕获第一个agent说服了自己但其实不对的那些东西。

还有个组件，听起来简单，但实际上是每个真正跑起来的循环的脊梁——状态文件。

可以是markdown，可以是Linear board，可以是JSON，任何能活在单次对话之外、能记录「什么做完了」和「下一步是什么」的东西。

为什么重要？因为agent默认是短期记忆。这次会话学到的东西，明天就没了，除非你写下来。

没有持久状态的循环每次运行都从零开始，有状态的循环，才能接着上次的继续跑。

最后说两句。

杠杆已经转移了。你的工作也是。

但这句话不是说给所有人的。

任务要重复，验证要自动化，预算要撑得住，agent要有senior工具。

四个条件，少一个就不值得。

过了这个门槛的话，记住一点：顺序很重要。

先把手动的跑通，再变成skill，再用自动化包裹，然后才能schedule。

阅读原文： https://mp.weixin.qq.com/s/1gyyWacdXX0AV-7fLujBTQ