从手写 Prompt 到设计工作流：循环工程如何让 AI 自动运转

事件概述

2026 年 6 月初，OpenClaw 创始人 Peter Steinberger 公开表示不应再手动为 AI 编码代理写提示词，而应设计能自动写提示词的系统。随后 Claude Code 负责人 Boris Cherny、Google Cloud 工程总监 Addy Osmani 相继呼应，Osmani 系统化拆解并命名为 Loop Engineering（循环工程）。三人三家公司同一结论，标志着 AI 编程工具进入新阶段。

核心信息

• 什么是循环工程：一种面向 AI Agent 的工作流设计方法。系统自动发现任务、分配给代理执行、检查质量、记录进度，并决定继续/重试/停止，直至满足预设退出条件。类比提示词工程是“走好每一步棋”，循环工程是“设计整个下棋规则和裁判机制”。
• 发展脉络：
  • 第一阶段：提示词工程（Prompt Engineering），依赖手工措辞，模型更新易导致“提示词漂移”。
  • 第二阶段：上下文工程（Context Engineering），通过 RAG、向量数据库提供信息，但缺乏二次验证。
  • 第三阶段：循环工程，构建“执行→确定性工具评估→反馈→修正”闭环，工程师角色从对话参与者变为系统设计者。
• 六个核心组件（根据 Osmani 拆解）：
  1. 自动化触发（定时/事件钩子/持续监听）
  2. 工作树隔离（Git Worktree 避免文件冲突）
  3. 技能文件（SKILL.md 记录项目约定、已知陷阱）
  4. 插件与连接器（通过 MCP 协议接入外部系统，如数据库、Slack；SDK 月下载量超 9700 万次，公开服务器突破 1 万）
  5. 子代理（将生成代理与验证代理分离，使用不同模型或指令集）
  6. 状态持久化（确保循环不遗忘，可用 Markdown 文件、看板等）
• 成本控制：FinOps Foundation 2026 年调查（覆盖 1192 家企业，年技术支出超 830 亿美元）显示 98% 企业主动管理 AI 成本。有效策略包括提示缓存、动态模型路由（简单任务用低价模型）、状态压缩（保持 Token 消耗平稳）。
• 四种循环模式（ClaudeDevs 官方归纳）：
  • 回合制：逐条指令 + 自查清单
  • 目标制：设定可量化目标（如 Lighthouse 90 分）加最大重试次数
  • 定时制：固定间隔巡检重复事务
  • 主动循环：事件驱动 + 多代理协作，最高自动化程度
• 应用延伸：虽主要落地于软件开发，但可迁移到内容生产、运维、客服等任何具备“明确输入源→可定义规则→可验证标准”的重复性工作流。

值得关注

循环工程并未移除人的角色，反而强化了三项责任：验证责任无法转移（最终代码质量仍由工程师负责）；认知债务会随循环产出速度拉大（不主动阅读生成代码会导致理解脱节）；全盘接受循环产出是一种危险“舒适状态”。Boris Cherny 强调设计循环比写提示词更难，因为它要求工程师对“完成”有精确定义、预判失败模式、约束成本、判断何时人工介入。循环工程仍处早期，工具在快速迭代，但从手写 Prompt 转向设计系统已成为明确方向。