Loop Engineering 是什么？为什么说它是新瓶装旧酒？
这几天 Loop Engineering 突然火起来，我第一反应是：这又是哪个新名词？怎么天天造新词？
看了一圈之后，感觉它确实有点新瓶装旧酒。Agent Loop、Workflow Graph、Context Engineering、Skills、MCP、CI、测试验证，这些东西 JavaGuide 之前其实都聊过。换个名字重新包装一下，味道很熟悉了。
代码 Agent 真能连续读文件、改代码、跑命令、处理 PR 之后，我们确实不能只盯着“下一句 Prompt 怎么写”。以前是人守在对话框前，一轮一轮补充提示；现在越来越多任务会由 /loop、/goal、CI、PR 评论或者定时任务触发。Agent 被叫醒后自己读材料、跑命令、写状态，卡住再把问题抛回来。
说白了就是多让你花一些 Token，少一些人工成本。这下好懂了吧？
这篇文章不站队，也不跟着造词。我会把 Loop Engineering 放回已有的几个概念里看：它借了哪些老东西，哪些地方只是换了个说法，哪些部分确实值得在项目里补上。
从公开讨论看，这个词大概在 2026 年 6 月上旬 开始热起来。Addy Osmani 在 2026 年 6 月 7 日写了篇 Loop Engineering，随后 AI 圈开始反复讨论“让系统去提示 Agent”。
我个人的感觉是：新鲜的是名字，能力早就在往这个方向走了。Claude Code、Codex 里的 /loop、/goal、Automations、Skills、Sub-agent、工作区隔离、MCP/Connector，解决的都是一类问题：别让 Agent 只停在一轮回答里，给它边界，让它继续干活。
Loop Engineering 到底是什么？
如果用一句话概括，可以这么理解：
Loop Engineering 是围绕 Agent 设计可持续运行的反馈循环，让它在明确目标、工具、上下文、验证信号和停止条件下反复行动，直到任务完成、失败或需要人工接管。
落到工程上，主要看这些点：
- 触发：谁来启动这轮任务？手动命令、定时任务、CI 失败、PR 创建、Issue 更新，还是某个消息事件。
- 目标：什么状态算完成？全部测试通过、CI green、覆盖率达到某个数值、页面截图对齐设计稿，还是只生成待人工确认的草稿。
- 上下文：Agent 每轮要看哪些文件、规则、历史状态、工具结果和项目约定。
- 行动：Agent 能改代码、跑测试、查 GitHub、读日志、发 PR，还是只能输出建议。
- 观察：它怎么知道刚才那一步做对了？测试输出、lint、类型检查、截图、审查评论、日志摘要都可以是观察结果。
- 状态：这轮试过什么、失败在哪里、下一步做什么，要写到外部文件、Issue、Linear 卡片或数据库里，不能只靠当前对话记住。
- 停止：什么时候退出，什么时候转人工，什么时候因为预算或轮次耗尽直接停。
网上很多文章会把它说成“停止提示 Agent，开始写提示 Agent 的系统”。
这句话挺好传播，但容易把 Prompt 说没了。Loop 里的每一次模型调用，还是要靠 Prompt、上下文和工具描述工作。区别在于，工程师开始把注意力放到 Prompt 外面：谁来触发、带哪些材料、跑完以后用什么证据判断。
这个变化不小，但也没新到哪里去。
它其实借了哪些老概念？
Loop Engineering 其实很好理解，就是一些老概念的融合。
Agent Loop / ReAct：内层循环早就存在
Agent Loop 很早就有了。一个最简单的 Agent 本来就是：
- 读取当前上下文。
- 让 LLM 判断下一步。
- 调用工具或输出答案。
- 把工具结果写回上下文。
- 继续下一轮，直到触发停止条件。
ReAct 也是这个思路：Reasoning 和 Acting 交替进行，模型走一步看一步，拿到外部反馈后再决定下一步。
我之前在 AI Agent 核心概念 里讲过，它适合处理路径不确定、需要根据证据调整方向的任务。查线上故障、读代码库、排查测试失败，都属于这一类。
这篇主要看外层。内层是 Agent 自己每一轮“推理、行动、观察”的循环；外层则负责隔一段时间启动 Agent、把工作分出去、检查结果、保存状态，决定下一轮还要不要继续。
| 层级 | 谁在循环 | 每轮做什么 | 典型停止条件 |
|---|---|---|---|
| 内层 Agent Loop | Agent 自己 | 思考、调用工具、观察结果、继续下一步 | 不再需要工具，返回最终结果 |
| 外层 Engineering Loop | 调度系统或人写的流程 | 唤醒 Agent、分配任务、验证结果、记录状态 | 达成目标、超预算、失败转人工 |
Workflow / Graph / Loop：可控回边早就有
在工作流图里，Loop 其实就是回边。
比如“生成初稿 → 审核 → 不通过就修改 → 再审核”，这本来就是 Graph 里的条件边和回边。我之前在 AI 工作流中的 Workflow、Graph 与 Loop 里讲过，可靠的 Loop 至少要写清三件事：
- 继续条件：为什么还要再跑一轮。
- 退出条件：什么结果算可以停。
- 安全边界：最大轮次、超时、Token 预算、失败后怎么降级。
Loop Engineering 把这个思路挪到了代码 Agent 的日常工作里。以前你可能在 LangGraph 或 Spring AI Alibaba Graph 里写循环；现在这个循环会跨过 Claude Code、Codex、CI、GitHub、Issue 系统和本地仓库。
Context Engineering：每一轮该给 Agent 看什么
Loop 一旦跑久，上下文问题很快就会冒出来。
一次对话里上下文塞多了，模型会变慢、变飘、漏掉中间信息。一个无人值守的 Loop 跑半天，情况只会更严重：工具输出越来越多，失败记录越来越多，旧结论和新结论混在一起，Agent 可能越跑越不像在解决问题。
所以，做 Loop 基本绕不开 Context Engineering。
每一轮 LLM 调用前，都要重新决定该塞哪些材料：
- 哪些项目规则常驻，比如
AGENTS.md、CLAUDE.md、编码规范。 - 哪些内容按需加载，比如相关文件、测试输出、Issue 描述、设计文档。
- 哪些工具结果要摘要，哪些必须保留原始引用，比如 traceId、错误码、日志路径。
- 上下文快满时，是压缩历史、清理旧工具结果，还是把进度写进外部状态文件。
上下文管理没做好，Loop 很快就会变成高频率烧 Token。Agent 每一轮都重新读项目、重新猜规则、重新解释错误，最后越来越像一台很贵的复读机器。
Harness Engineering：模型外面的执行环境
我之前在 Harness Engineering 里用过一个说法：Agent = Model + Harness。模型负责推理和生成，Harness 负责环境、工具、反馈、沙箱、权限、观测和恢复。
放到这套说法里，Loop Engineering 更像 Harness 外面的一层调度。Harness 解决一次任务怎么稳定执行；Loop 解决这套执行环境什么时候再启动、状态放在哪里、任务要不要分给多个 Agent。
如果 Harness 没做好，Loop 也跑不稳。Agent 不知道能不能改文件，不知道怎么验证，不知道失败后该重试还是停止，也不知道哪些操作必须等人确认。
Skills：把每轮都要重复解释的经验写下来
Skills 这块很容易被低估。
如果每天早上都有一个自动 Loop 去处理 CI 失败，它不能每次都从零开始理解你的项目：
- 这个仓库怎么跑测试？
- 哪些目录不能乱改？
- 生成代码后要跑哪些格式化命令？
- PR 描述按什么模板写？
- 碰到数据库迁移要不要先问人？
这些东西全靠 Prompt 现写，成本很高，也不稳定。更合适的做法是写成 Skill：用 description 做路由，用 SKILL.md 写流程、边界、命令和失败处理。Agent 命中任务时再加载正文，不需要每轮都把规则重新塞进上下文。
有了 Skills，Loop 不用每次重新学习你的项目。
MCP：让 Loop 能接触真实工具
一个只能读写本地文件的 Loop，能做的事情比较有限。实际能派上用场的 Loop，往往要查 GitHub、看 CI、读 Sentry、操作 Linear、访问数据库、发 Slack 消息。
这些能力如果全靠每个 Agent 平台单独适配，维护成本会很高。MCP 处理的就是工具接入碎片化问题。
MCP 不负责让模型变聪明，它负责让工具以统一方式被发现和调用。GitHub、Issue 系统、日志平台、内部文档、数据库这些连接器，都可以通过 MCP Server 暴露出来。
风险也跟着来了。无人值守的 Loop 拿到过大的写权限，可能改错数据、发错消息、重复调用昂贵接口，甚至被提示词注入诱导去读不该读的文件。MCP 接进 Loop 之后，权限、审计、限流、脱敏和人工确认都要补上。
那它到底新在哪？
循环本身没什么新意。TDD 有循环，CI 有循环，ReAct 有循环，工作流图里也有循环。
这次被单独拿出来讲，主要是因为“谁来提示 Agent”开始变成工程问题。
以前大家更关心一句 Prompt 怎么写。现在要多想一步：这句 Prompt 由谁生成，什么时候生成，带哪些上下文，跑完以后用什么证据验收。
以前的代码 Agent 使用方式通常是这样：
- 你告诉它要做什么。
- 它改代码。
- 你跑测试。
- 测试失败，你把报错贴回去。
- 它再改。
- 你再看 diff、再判断要不要继续。
这中间有不少动作很机械：读错误、定位文件、重跑测试、更新待办、生成 PR 摘要。Loop Engineering 想处理的就是这部分重复劳动：
- 定时发现工作。
- 自动创建独立工作区。
- 调用项目 Skill。
- 让实现 Agent 处理。
- 让验证 Agent 检查。
- 写状态。
- 该继续就继续，该转人工就转人工。
这里麻烦的是循环边界：哪些步骤能自动化，哪些步骤必须停下来让人看。
Claude Code 的 /loop、/goal 可以怎么理解？
我在 Claude Code 核心命令详解 里专门写过 /loop。这里顺手把 /loop 和 /goal 分开说一下，这俩都和 Loop Engineering 有关，但用法差得挺远。
/loop 主要解决“过一会儿再看一次”的问题。它会在当前 session 里重复运行一个 prompt。你可以给固定间隔，比如每 5 分钟检查一次部署；也可以不给间隔，让 Claude 根据观察结果自己选择下一次等待多久。
裸 /loop 会运行内置 maintenance prompt，或者读取 .claude/loop.md、~/.claude/loop.md 作为默认 prompt。
/loop 5m "检查部署是否完成，并汇报当前状态"
/loop 30m /code-review
/loop "检查 PR 的 CI 和 review comments，有变化就处理，没有变化就延后"/goal 主要解决“这个目标有没有完成”的问题。你给它一个可验证完成条件，Claude 会一轮一轮推进；每轮结束后，由一个独立的小模型基于对话里已经出现的证据判断条件是否满足。不满足就继续，满足就停止。
/goal auth 模块所有单元测试通过，并且 npm test -- tests/auth 退出码为 0；最多 5 轮，连续 2 次失败原因相同就停止并汇报
/goal src/legacy 下组件迁移完成，npm run build 通过，且 git diff 只包含 src/legacy 和对应测试文件我自己的记法是：/loop 管下一次什么时候醒，/goal 管什么时候算做完。
Stop hook 或 Agent SDK 里的控制循环会再往前走一步。每轮结束后，用脚本、Prompt 或外部 evaluator 决定要不要继续。团队里做自动化时，通常更需要这类东西：确定性检查、权限拦截、状态落盘，都不能只交给模型口头判断。
“直到测试通过、最多尝试 5 次”这类任务，放在 /goal 里更顺；/loop 更适合部署轮询、PR babysit、长构建检查、定时 code review 这类“隔一段时间再看一次”的任务。
不过 /loop 也有限制。它更像 session-scoped 的临时调度：任务只在 Claude Code 运行且空闲时触发；关闭终端、会话退出、新开会话都会影响它；--resume 或 --continue 只能恢复未过期的任务；循环任务最多 7 天自动过期。
任务必须跨机器、跨重启、长期稳定运行时，还是应该考虑 Routines、Desktop scheduled tasks、GitHub Actions、CI/CD 或自己的任务调度系统。
我的使用习惯是：跑 /loop 前先收紧权限，写清楚轮询目标和停止条件；跑 /goal 前把完成条件写成可验证结果，并要求 Claude 展示测试、构建或 diff 检查结果。
关键路径先 commit，再让 Agent 自动改，方便回滚。
Loop 可以分成几类？
把 /loop 和 /goal 分开后，Loop Engineering 会好理解很多。它覆盖的是一组循环模式，不只是某一个命令。
| 类型 | 触发方式 | 适合任务 | 代表工具 |
|---|---|---|---|
| 时间驱动 Loop | 每 N 分钟、每天、每周 | PR babysit、CI 检查、日志巡检 | /loop、Codex Automations、cron |
| 事件驱动 Loop | CI 失败、Issue 创建、PR 更新 | 故障分拣、评论处理、告警摘要 | GitHub Actions、Webhook、Claude Code Channels |
| 目标驱动 Loop | 上一轮结束后检查目标是否满足 | 修测试、迁移 API、补覆盖率 | /goal、Stop hook、Agent SDK |
| 人工审批 Loop | 关键动作前停下来确认 | 高风险改动、发布、权限变更 | approval gate、draft PR、review queue |
这张表也能解释我前面那句“新瓶装旧酒”。触发、调度、验证、审批这些工程动作都不新，只是现在被重新摆到了代码 Agent 周围。
一个可落地的 Loop 长什么样？
下面这个例子按常见 CI 排查流程整理，不对应某家公司公开出来的完整实战案例。
假设目标是“每天自动处理 CI 失败”，个人建议第一版别上来就让 Agent 自动修代码，更不要自动合并。先做 triage 就够了。
第一版只看三件事：Agent 能不能找到正确证据，能不能区分事实和猜测，能不能按统一格式记录状态。这三件事都稳定了，再给它低风险修复权限。
我会把第一版压得很保守：
- 触发器：每天上午 9 点启动，或者 CI 失败后触发。
- 输入：读取最近一次 CI 失败、相关 PR、最近提交、失败测试日志。
- 上下文：加载项目
AGENTS.md和ci-triageSkill，只读取相关模块文件。 - 行动：分析失败原因，判断是环境抖动、测试不稳定、代码回归，还是依赖问题。
- 验证：如果能在本地复现，就跑最小测试集；不能复现就保留证据。
- 状态：把结论写入
TODO.md、GitHub Issue 或 Linear 卡片。 - 输出：生成一份简短报告，标记“可自动修复”“需要负责人确认”“疑似偶发”。
- 停止：不直接推送代码，不改生产配置，不连续重试超过 3 次。
等这个版本稳定之后，再逐步加自动修复：
- 对“依赖版本冲突”“格式化失败”“明显的测试快照更新”这类低风险问题，可以开独立 worktree 让 Agent 尝试修。
- 修完后必须跑目标测试。
- 通过后只创建 PR，不自动合并。
- 另一个审查 Agent 根据项目 Skill 和 diff 做二次检查。
- 失败或不确定时回到人工队列。
这个 Loop 里能看到前面提到的几个部件：
| 部件 | 在这个例子里做什么 |
|---|---|
| Automation | 每天或 CI 失败时启动 |
| Skill | 固化 CI 排查流程、测试命令、仓库规则 |
| MCP / Connector | 读取 GitHub、CI、Issue、日志平台 |
| Context Engineering | 只加载失败相关日志、文件和规则 |
| Worktree | 隔离自动修复分支，避免污染主工作区 |
| Sub-agent | 一个负责实现，一个负责验证 |
| Memory / State | 记录已尝试方案、失败原因和下一步 |
| Stop Condition | 测试通过、达到重试上限、遇到高风险操作 |
“每天 9 点运行”只是触发器。支撑这个 Loop 的，是每一步的外部证据：CI 链接、失败日志、最小复现命令、测试结果、PR diff、人工确认状态。没有这些证据，Loop 只是自动重复 Prompt。
这块的价值不在“Agent 会写代码”本身。模型、上下文和工具决定代码写得怎么样；Loop 负责把反馈、记录和停止条件放进流程里。
什么场景值得做 Loop？
我一般看三点：任务会不会重复，验收信号硬不硬，失败后能不能回滚。
比较适合的场景：
- CI 失败初步排查：有日志、有测试结果、有明确失败信号。
- 依赖升级：可以在独立分支里改，靠测试和构建验证。
- 测试覆盖率补齐：目标可以量化，比如某模块覆盖率从 62% 提到 75%。
- 文档同步：根据最近 diff 更新用户文档或 API 文档，最后走人工 review。
- 大规模机械迁移：例如 CommonJS 到 ESM、旧组件 API 替换、格式化修复。
- PR / Issue 分拣：读信息、归类、补充摘要、标记优先级。
不太适合的场景：
- 目标很虚，比如“让产品体验更好”“想一个增长策略”。
- 验证信号很弱，只能靠 Agent 自己说“我觉得可以了”。
- 一旦做错影响很大，比如生产数据库写操作、权限系统变更、支付链路改造。
- 强依赖人的审美和业务判断，比如品牌文案定调、复杂产品取舍。
- 没有测试、没有日志、没有回滚方式的老项目大改。
有个很现实的判断：你自己都说不清怎么验收，就别急着 loop。先把目标拆小，把验收标准写出来。
最容易踩的坑
目标写得太虚
Loop 最怕“继续优化一下”这种指令。它会努力优化，但不知道该在哪里停。
不好的写法：
/goal "优化这个项目，让代码质量更好"更稳的写法：
/goal "auth 模块失败的单元测试全部通过，只允许修改 src/auth 和 tests/auth；每轮修改后运行 npm test -- tests/auth 并展示退出码；最多 5 轮；如果连续 2 次失败原因相同，停止并汇报"后者虽然长，但范围、验证命令、轮次上限、失败退出条件都写出来了。Agent 不需要猜。
把 Agent 自评当验收
让写代码的 Agent 自己判断“是否完成”，风险很高。它会倾向于相信自己的方案。
更稳的做法是 maker-checker 分离：一个 Agent 实现，另一个 Agent 审查；或者用更硬的信号，比如测试、类型检查、lint、截图对比、人工审批。越接近生产，越不能只靠自然语言自评。
可靠的 Loop 要靠外部信号兜底：测试退出码、CI 状态、lint、类型检查、截图对比、人工审批或独立评审 Agent。
忘了成本上限
Loop 会放大 Token 消耗。一次任务里，Agent 会读文件、跑工具、解释报错、压缩上下文、调用子 Agent、再让审查 Agent 看一遍。循环次数一多，账单很快就有存在感。
预算也要写进设计里：
- 最大迭代次数。
- 最大工具调用次数。
- 单日或单任务 Token / 金额预算。
- 无进展检测，比如两轮失败原因相同就停。
- 低价值任务只做摘要，不自动修复。
这属于架构约束，跟抠门没关系。
权限给得太大
Loop 可以自己跑，权限就不能像手动会话一样随意给。
本地文件、数据库、GitHub、Slack、CI、内部工单系统，全都要分清只读和写操作。读日志和开 PR 是两回事，开 PR 和自动合并又是两回事。删除文件、改生产配置、发外部消息、写数据库，这些最好默认需要人工确认。
MCP Server 也要审核来源和工具描述。工具 description、返回内容、Prompt 模板都可能携带注入内容，别把“能接入”当成“能放心接入”。
权限最好分级给，不要一步到位给写权限。
| 阶段 | Agent 能做什么 | 人负责什么 |
|---|---|---|
| L0 只读摘要 | 读日志、读 Issue、生成报告 | 判断是否采纳 |
| L1 本地复现 | 运行指定测试、定位失败 | 决定是否修复 |
| L2 草稿修复 | 在 worktree 里改代码、跑测试 | Review diff |
| L3 创建 PR | 提交分支、写 PR 描述 | 审查、合并 |
| L4 自动合并 | 通过策略后自动合并 | 只处理异常 |
绝大多数团队先做到 L1/L2 就已经有价值。L4 我会放得很晚：问题类型要固定，测试要能兜住，回滚也要顺手。只要牵到业务判断、权限、数据写入，就别急着自动合。
第一版先别急着自动修
第一次做 Loop，我不建议直接上无人值守自动修复。可以从只读 triage 开始。
第一版可以写得啰嗦一点，像这样放进 Skill 或任务描述里：
任务：每天看最近 24 小时的 CI 失败，产出排查摘要，供人处理。
允许做：
- 读 GitHub Actions、最近提交、失败测试日志，以及和报错直接相关的文件。
- 定位到具体测试时，可以跑对应测试确认是否复现。
- 把结论写进 TODO.md，带上 CI 链接、关键错误和建议负责人。
开始前：
- 先读取 AGENTS.md。
- 命中 CI 排查任务时加载 ci-triage Skill。
不允许做：
- 不改代码，不创建 PR，不发 Slack/邮件。
- 不读取整仓无关文件，不粘贴完整日志。
- 超过 10 个失败项就停；单个失败最多复现 2 次。
- 权限不足、日志缺失、需要业务判断时，直接标记人工处理。这个版本不花哨，但胜在稳。它不会乱改代码，也能帮你观察 Agent 会不会误读日志、会不会乱找文件、会不会重复调用工具。等它的 triage 稳了，再考虑给低风险修复权限。
如果这个 Loop 要跨天运行，还需要一份外部状态。不要指望下一轮对话还能完整记住前一天试过什么。最小状态文件不用复杂，能让人和 Agent 都看懂就行：
loop_id: ci-triage-2026-06-17
goal: "排查最近 24 小时 CI 失败"
status: running
scope:
repos: ["backend-service"]
max_items: 10
attempts:
- item: "auth-test failure"
evidence: "GitHub Actions run #12345"
action: "ran npm test -- tests/auth"
result: "reproduced locally"
next_step: "ask auth owner to review"
stop_condition:
max_attempts: 3
require_human_when:
["permission_missing", "production_change", "uncertain_root_cause"]这个文件可以是 Markdown、YAML、Issue comment、Linear 卡片或数据库记录。别纠结格式，重点是别只存在聊天记录里。
如果你要做自动修复，再补四条：
- 修改前创建独立 worktree 或分支。
- 修改范围白名单。
- 只允许跑指定测试和格式化命令。
- 通过后只开草稿 PR，不自动合并。
总结
Loop Engineering 这个词确实有包装味。它把很多早就存在的东西合在一起：Agent Loop、ReAct、Workflow Graph、Context Engineering、Harness、Skills、MCP、Memory、CI、测试、代码审查。
但它提醒了一个变化：Agent 能连续读文件、改代码、跑测试、开 PR 之后，工程师不能只盯着下一句 Prompt，还要设计它能在哪些边界里自己推进。
这里面最重要的是目标、工具、上下文、验证和刹车。刹车没写好，Loop 会更快地制造混乱；刹车写好了，它才有机会把重复劳动接过去。