首页财产ai正文 龙虾开创人一条推文引800万人围不雅，全网都于吵的loop工程究竟是个啥？ OpenClaw开创人提出loop工程，激发争议。先容其观点、与传统编程轮回的区分，还有论述了设计loop工程需思量的方针、上下文治理等五个组件。 2026-06-12 10:52 ·微信公家号：字母榜 苗正 苗正 AI投资人解读· loop工程是AI范畴新观点，与传统编程轮回差别，其履行“方针”而非“指令”，能让Agent于重复迭代中迫近准确谜底，处置惩罚开放性使命。它还有可作为持久运行、互相协作、主动调理的AI事情体系。· 该观点较新，可能面对技能理解及运用门坎提醒词工程仍有价值，不克不及被彻底替换设计loop工程时，方针界说、上下文治理等五个组件需精心设计，不然可能致使loop掉败。总结：loop工程有立异价值，但于推广运用中可能面对一些挑战，开发者需审慎设计相干组件，联合提醒词工程，鞭策其有用运用。内容由AI天生，仅供参考

这两天AI圈有个词尤其火，叫做loop工程。

因由是OpenClaw开创人斯坦伯格发了条X，说“你不该该再给编程Agent写提醒词了。你应该设计轮回来提醒词你的Agent。”

然而本以为评论区会是一片欣欣茂发，各人踊跃会商loop工程。

现实环境则是，这条X下面酿成了一场混战。

有人质疑loop会耗损年夜量token，除了非有没有限token不然还有患上人工测试。有人嘲讽这又是炒作新观点，“loop工程会代替harness工程”。

这条X如今已经经到达了800万次阅读。

最早提出loop工程这个词的人，实在是Claude Code的开创人鲍里斯。

他曾经经于一次访谈中提到，“我此刻已经经不给Claude Code写提醒词了，那些loop替我写，由它们去判定详细要做甚么修改。我的事情只有写loop。”

很显然，其实不是所有人都为loop工程买账，究竟从上一个新观点“harness”，到此刻也只不外才1、两个月。

各人还有没来患上和消化此前的内容，此刻就要去接管新常识。

但争议归争议，loop工程这个观点自己到底于说甚么？它及编程内里的轮回又有甚么差别呢？

0一、啥是loop？

先解决*个问题，loop工程究竟是个啥？

loop这个词直接翻译过来是轮回。

Agent loop，实在及编程里的轮回（loop）差未几。

于传统编程里，轮回做的工作很明确。

好比你写一个for轮回遍历数组，那末呆板就会从*个元素走到末了一个元素。编程中，轮回的素质是让呆板反复履行明确的指令序列。

于AI Agent的语境里，loop也是反复履行。

那末二者的区分于哪呢？

事实上，Agent里的loop并不是履行“指令”，它履行的是“方针”。经由过程以下的一个轮回，将输出的成果不停靠近方针。当成果切合方针时，轮回终止。

方针Goal→ 步履Action→ 不雅察Observation→ 评估Evaluation→ 批改Revision→下一轮步履

这个公式里的每一一步都不是固定的。

Agent需要不雅察当前状况，判定应该采纳甚么步履，履行步履后再不雅察成果，评估是否到达了预期，然后决议下一步怎么走。

而传统轮回里，每一次履行的轮回，都是不异的代码逻辑。虽然你可能会处置惩罚差别的数据，但处置惩罚的方式都是固定的。

以是你就需要把所有可能的环境都思量清晰，然后写出对于应的处置惩罚逻辑。

好比遇见A环境怎么应答，B环境怎么应答，而这即是编程轮回中的if及else。

但实际世界的繁杂使命往往有太多变数，你不成能提早预感所有环境，这就致使呈现你没有设定过的环境时，步伐就会出BUG。

Agent loop的价值就于这里。

你不需要把所有环境都写死，你只需要给Agent一个方针，提供须要的东西及上下文，然后让它于loop里本身探索。

它可能会走弯路，可能会犯错，但只要有反馈机制及评估尺度，它就能于屡次迭代中逐渐迫近准确谜底。

这类事情方式于处置惩罚开放性使命时特别有用。写代码、修bug、做研究、搭建产物，这些使命的配合特色是没有*的准确路径，需要于历程中不停调解标的目的。传统的步伐很难应答这类不确定性，但Agent于loop里可以。

澳国放羊年夜叔杰弗里·亨特利（Geoffrey Huntley）于2025年7月发布的ralph，就是一个典型的Agent loop。

它素质上是一个bash剧本，把统一个提醒词文件重复输入给Agent。但它的真正立异于在规律性，每一次迭代城市重置上下文到一组固定的锚点文件，而不是让对于话无穷增加。

为了验证ralph的能力，杰弗里用这个要领构建了一整个编程语言，统共花了约莫297美元。

这个案例申明，loop的焦点价值不是让Agent变患上更智慧，而是给Agent创造了一个可以连续改良的情况。

于这个情况里，Agent不需要一次就做对于，它可以试错，可以从掉败中进修，可以于多轮迭代中堆集进展。

到了2026年春季，Codex及Claude Code都推出了/goal号令，把ralph给产物化了。这个号令会一直运行轮回，直到一个验证完成。

但斯坦伯格说的loop，已经经不但单是“让一个Agent重复做某个使命”那末简朴了，而是把loop当做一种可以持久运行、互相协作、主动调理的AI事情体系。

详细来说，斯坦伯格认为loop是事情的基本单元。

之前咱们给AI下达的指令是帮我修一个bug、帮我写一篇文章。所有使命是一次性的，做完就竣事。

但斯坦伯格说的loop，虽然也是使命的一种，不外它是一个连续运转的事情单位。好比天天查抄GitHub issue，判定哪些需要修，主动分配给Agent，修完后跑测试，掉败就继承改，乐成就提交PR。

这里的重点再也不是“修某一个bug”，而是有一个持久存于的流程于处置惩罚一类事情。

当你有了多个如许的loop于同时运行时，新的问题就呈现了。谁来协调它们？谁来决议优先级？谁来查抄它们的事情质量？

是以，斯坦伯格于设计loop时，已经经最先用loop去监视其他loop了。

经由过程一个总loop卖力不雅察全局→它发明有几个使命→分发给多个子loop→每一个子loop本身跑→总loop查抄它们的进度及成果

0二、提醒词是输入，loop是历程

斯坦伯格的那条推文之以是激发争议，是由于它涉及了一个话题。

提醒词工程是否是已经颠末时了？

截止至今，提醒词仍旧是你及Agent交流用意的重要方式，它仍旧需要清楚、详细、包罗须要的上下文。

这么说吧，一个写患上很烂的提醒词，*不会由于你把它放进loop里，它就能忽然变好了。

但单次的提醒词，已经经再也不是Agent的焦点。

缘故原由很简朴，如果你能于一最先就把所有要求说清晰，Agent只需要一次输出，就满意你的所有要求，那就不再需要上下文了。

实际就是，你可能于看到开端成果后才发明本身漏掉了某个主要前提，或者者Agent的输出虽然切合你的字面要求，但于现实利用中袒露出问题。

更要害的是，许多反馈信息于使命最先时底子不存于。

好比BUG，你只有于测试的时辰才能知道。

之前你需要盯着Agent的每一一次输出，判定对于不合错误，想下一步怎么指导它。

此刻你只需要设计好loop，界说清晰方针及评估尺度，然后让它本身跑。

归根结柢，loop工程就是给Agent加一个框架，让它知道每一一轮应该看甚么、做甚么、怎么判定、何时停。

我举个例子你就懂了：

你要让Agent天生一个登录页面。

提醒词工程的做法是写一个具体的提醒词。“请帮我写一个登录页面。需要有效户名及暗码输入框，一个登录按钮，一个健忘暗码链接。样式要简便现代，利用蓝色作为主色调。要有表单验证，用户名不克不及为空，暗码至少8位。登录掉败要显示过错提醒。”

假如你的提醒词写患上充足好，Agent可能会天生一个看起来不错的页面。

但这个页面真的能用吗？表单验证的逻辑是否准确？于差别阅读器上显示是否正常？是否有安全缝隙？

loop工程的做法是你需要设计一整个流程。

*步，按照需求天生页面代码。第二步，运行主动化测试，查抄基本功效是否正常。第三步，启动阅读器，截图查抄视觉效果。第四步，假如测试掉败或者者截图显示问题，阐发详细是甚么问题。第五步，修改代码解决问题。第六步，再次测试，反复这个历程，直到满意所有验收尺度。

于这个流程里，初始的提醒词可能很简朴，由于你知道后面还有有多轮迭代的时机。Agent不需要*次就做对于所有工作，它可以于每一一轮看到详细的反馈，然后针对于性地改良。

0三、loop工程于设计甚么

那到底该怎样写一个loop工程呢？

咱们需要设计5个组件。

*个组件是方针。

这听起来是空话，但现实上许多loop掉败的缘故原由，就是方针界说患上不敷清楚。

“帮我优化一下”这不是一个好方针。甚么叫优化？优化到甚么水平算完成？有哪些约束前提？这些都不清晰。

一个好的方针应该是如许的。把这个接口的相应时间从800毫秒降到300毫秒如下。保留现有举动，所有测试必需经由过程。输出改动申明，列出详细做了哪些优化。

这个方针的每一一部门都是可验证的。

清楚的方针现实上是给Agent提供了一个不变的锚点，每一一轮迭代均可以用这个锚点来校准。

第二个组件是上下文治理。

上下文实在包括许多工具，不只是你跟模子的对于话那末简朴。

代码库确当前状况、相干文档、需求申明、过错日记、测试成果、用户偏好、汗青决议计划，以和以前几轮的测验考试及成果，这些都是上下文。

许多Agent体现差，底子缘故原由不是模子不敷智慧，而是loop每一一轮喂给它的上下文太脏、太少，或者者太随机。

太脏是指上下文里稠浊了太多无关信息，Agent需要破费年夜量token来处置惩罚这些噪音，反而纰漏了真正主要的部门。

太少是指要害信息缺掉，Agent没有充足的质料来做出准确判定。

太随机是指每一一轮的上下文构造方式纷歧致，Agent没法成立不变的理解模式。

前文提到的Ralph loop，它有一个很主要的立异，就是它的上下文治理体系。

它每一次迭代城市重置上下文到一组固定的锚点文件，而不是让对于话汗青无穷增加。

虽然简朴，但它简直解决了上下文污染的问题。

你需要决议哪些信息应该保留，哪些应该抛弃，哪些应该总结后保留。

2026年的loop体系最先利用基在git的状况治理。每一一轮的改动城市提交到git，Agent可以查看汗青提交，理解以前做了甚么，为何要这么做。

第三个组件是东西。

说白了就是Agent能挪用哪些东西。

巧妇难为无米之炊，东西的选择需要及使命匹配。

假如你让Agent写代码但不给它运行测试的东西，那它就没法验证代码是否准确。

但东西也不是越多越好。每一增长一个东西，Agent的决议计划空间就变年夜了，它需要于更多选项中做选择。假如东西太多，Agent可能会迷掉于东西的利用上，健忘了真实的方针。

好的loop设计会精心选择东西集。只提供完成使命必须的东西，每一个东西都有清楚的用途及利用机会。如许Agent可以把留意力集中于使命自己，而不是东西的选择上。

第四个组件是评估。

这是loop的魂灵。没有评估，轮回就会酿成瞎转。

评估的要害是要主动化。

假如每一一轮都需要人来判定对于不合错误，loop就掉去了自立运行的能力。以是你需要设计出可以主动履行的评估尺度，让Agent可以或许本身判定当前状况是否满意要求。

但主动化评估也有局限。有些质量尺度很难用量化的尺度来判定，好比代码的可读性，设计的美感，文字的流利度。

对于在这些方面，你可能需要引入人工查抄点，让人于要害节点参与评估。

AI内里有一个观点叫human-in-the-loop的。

好的loop不是把人踢出去，而是把人放于最要害的查抄点上。主动化处置惩罚年夜部门通例判定，人卖力那些需要主不雅判定或者者危害较高的决议计划。

第五个组件是住手前提。

从最古老的编程最先，任何一个轮回它都患上具有一个退出的前提。

好比轮回计数器i，每一一次轮回i的数值城市加1，当i的值年夜在划定的值时，轮回就会住手。

对于在Agent而言，最抱负的住手前提是使命完成，但实际往往不会这么顺遂。

有时辰Agent会堕入死轮回，重复测验考试一样的方案，每一次都掉败，但它不知道应该抛却。有时辰Agent也会连续做微小的改动，每一次都有一点点改良，但永远达不到*，不知道应该停于哪里。

以是你需要设计多种住手前提。

最直接的是乐成前提，所有评估都经由过程，使命达标，可以停了。然后是掉败前提，持续多轮没有改良，或者者过错次数跨越阈值，申明当前方案可能走欠亨，应该停下来从头思索。

还有有资源限定，运行时间跨越上限，成本跨越预算，也应该住手。

更主要的是危害查抄点。当Agent要做一些高危害操作时，好比删除了数据，应该停下来等候人工确认。这些操作一旦堕落价钱很年夜，不该该彻底主动化。

把这五个组件放于一路，你就获得了一个完备的loop。

【本文由投资界互助伙伴微信公家号：字母榜授权发布，本平台仅提供信息存储办事。】【免责声明】：本文不组成任何投资建议。市场有危害，投资需审慎。若有任何疑难，请接洽（editor@zero2ipo.com.cn）投资界处置惩罚。