在2026年6月初，一条推文激起了广泛讨论。OpenClaw创始人Peter Steinberger提到，不应再手动为AI编写提示词，而应创建自动生成提示词的系统。随后，Claude Code负责人Boris Cherny表示他如今的工作方式是创建循环，让它来管理Claude，从而免去逐个指令的麻烦。Google Cloud工程总监Addy Osmani对此进行了系统分析，并将这一方法命名为循环工程（Loop Engineering），由此三个不同公司的专业人士在同一时间达成共识，标志着AI编程工具进入全新阶段。

循环工程是一种为AI代理设计工作流程的方法，旨在创建一个完整的自动执行系统。该系统不仅能自主发现任务、分配给AI代理，并且能检验输出质量、记录进展，最终决定下一步骤是继续、重试还是结束。整个过程可以不需要人工干预，直至达到预设退出条件，类似于AI领域的永动机。可以将其比作在棋盘上设计棋局规则，使AI能够按照这些规则独立下棋。

虽然循环工程目前主要应用于软件开发，但其逻辑也适用于其他需要重复执行和判断的流程，如运维监控、内容创作、客服工作以及数据清理等。但编程工具链的成熟，使得实践和讨论首先集中于这一领域。 qy球友会官网

回首AI辅助编程的历程，我们可以将其分为三个阶段，每个阶段所面临的问题和工程师的角色也各不相同。第一阶段是提示词工程，工程师通过设计提示词来获得更准确的AI输出，但这种方式过于依赖用词和特定的模型版本，容易因版本更新或输入细微变化失效，导致所谓的提示词漂移。

第二阶段是上下文工程，业界意识到将焦点转向模型输入数据更为重要，采用了RAG管线、向量数据库等策略，以便提供更为丰富的上下文信息。然而，充分上下文输入的模型仍可能无法自行确认答案的准确性，缺乏自我验证机制。

而循环工程正是解决了上述问题，通过构建一个闭环系统，让模型反复执行操作，利用确定性工具进行结果评估，并将反馈信息传回模型进行改进，直到通过所有设定的校验。工程师的角色也因此转变为该系统的设计者，负责定义任务完成的标准、验证方式、失败处理和人工介入时机。 qy球友会官网

三者之间并不是替代关系，良好的提示词和充足的上下文依然重要，逐渐成为循环内部的子模块。决定最终输出质量的，是循环设计的整体框架。

根据Addy Osmani的分析，一个有效的循环需要五个结构性组件，以及贯穿始终的记忆层。其中，自动化触发是区分循环与一次性脚本的关键，可通过定时任务、事件触发或持续监听来实现。而在多个AI代理同时处理同一代码仓库的情况下，工作树隔离则能够避免文件冲突等问题的出现。