什么是循环工程Loop Engineering | Coding Agent | 子Agent | MCP协议 | 提示词工程 | AI开发效率 | 软件研发 | Addy Osmani

過去兩年，程序員與 AI Coding Agent 的協作方式相對直接被動：寫清晰的提示詞、提供充足上下文、等待 AI 輸出、再輸入下一段指令，每一步都需人工觸發。但硅谷最新的趨勢表明，這個模式正經歷根本性轉變。OpenClaw 開發者 Peter Steinberger 和 Claude Code 負責人 Boris Cherny 不約而同地指出，程序員的核心工作不應再是手動提示 Agent，而是設計讓 Agent 自動運行的循環系統。這種「循環工程」的本質是用設計好的系統替代人工提示與調度，讓 AI 通過遞歸迭代自主完成任務，這正是 Andrej Karpathy 的 AutoResearch 項目所追求的方向。

一套完整的循環系統由五個基本模組組成，這些能力已內置於當前主流的 Coding Agent 中。首先是自動化 (Automations)，它是循環的心跳，透過定時任務讓系統按設定周期自動觸發而無需人工啟動。Codex 提供專門的自動化標籤頁，支持設定項目、提示詞、執行頻率和運行環境選擇；Claude Code 則通過 /loop 指令實現固定節奏重複，或用 /goal 指令持續運行直到條件達成。其次是工作樹 (Worktrees)，利用 Git 工作樹功能為每個並行 Agent 創建隔離的工作目錄，在物理層面避免多 Agent 修改同一文件導致的衝突。第三個模組是技能 (Skills)，這是避免重複解釋項目背景的關鍵。Skills 以標準化格式（文件夾內包含說明文檔、指令、元數據、可選腳本和資源）存儲項目規則、構建步驟和已踩的坑，讓 Agent 每次運行都能自動讀取，從而根除「意圖債務」的反覆消耗。

第四個模組是連接器 (Connectors)，基於 MCP 協議將 Agent 接入日常工具生態，包括需求跟蹤系統、數據庫查詢、測試環境 API 和即時通訊平台，使循環真正融入現有工作流而非僅停留在建議層面。連接器與 Skill 打包成插件後可在團隊中共享，無需重複搭建。第五個模組是子 Agent (Sub-agents)，這是循環中最具價值的設計，通過將代碼編寫和校驗分離給不同的 Agent，解決單一模型容易忽視自身錯誤的問題。子 Agent 可設置不同的指令、模型和推理強度——例如安全審查 Agent 可用更強的模型和更高推理強度，探索型 Agent 則用輕量快速模型並限制為只讀權限。常見的分工模式是三個 Agent 分別負責探索需求、實現代碼和驗證規格。

但所有模組的運作都依賴於一個常被忽視的基礎：記憶系統。由於大模型每次運行之間無法記住上下文，循環必須依靠外部持久化存儲（Markdown 文件、項目看板、狀態文件等）記錄進度、已嘗試的方案和驗證結果，讓第二輪自動化任務能從前一次停下的地方繼續推進。在這套完整系統中，人只需設計一次循環規則，之後無需手動提示任何步驟，整個流程就能自主運行。但這也帶來三個必須認真對待的挑戰：代碼驗證責任最終仍在人身上，無人值守的循環也會無人值守地犯錯；理解債會隨循環速度加快而加速增長，未親手編寫的代碼積累會使人對代碼庫的掌控力不斷退化；最危險的是認知投降的風險，當循環運行足夠順暢時，人容易停止主動思考而直接接受結果。