矽谷AI圈又有新概念？Harness Engineering已經過時了？Loop Agent能幫你找職缺、改履歷｜哈佛姐夢遊矽谷

在 2026 年 6 月，AI 業界對「如何與 AI 協作」的概念又有新的演進。Open Cloud 創辦人 Peter Steinberg 和 Anthropic 負責人 Boris Charny 各自發表了影響力深遠的看法：前者認為不該放棄編碼，而是要設置循環；後者則說自己已不再推廣 Prompt Engineering，而是專注於「寫循環」。這些言論在業界引發激烈討論，有人認為這是 AI 的未來，也有人質疑 Loop 只是換個名字的舊概念（如排程腳本），這促使我們需要深入理解 Harness Engineering 和 Loop Engineering 究竟是什麼。

要理解兩者的關係，首先要看 AI 工程的演進脈絡。從 2023 年開始，業界關注 Prompt Engineering（如何正確提問）；2024-2025 年轉向 Context Engineering（提供背景資訊給 AI）；2025-2026 年出現 Harness Engineering（建立 AI 的執行環境）；2026 年最新概念則是 Loop Engineering（設計自動循環，減少人工干預）。這不是技術替代，而是工程層次的遞進。最好的比喻是：假設你僱一位能力超強的裝潢師傅來修繕房子。你不能只告訴他「修好我的房子」就走人，而要提供設計圖紙（明確要求）、給他正確工具、列出執行規則、訂定驗收標準，甚至告訴他遇到問題要找誰。這一整套準備工作就是 Harness Engineering，在 AI 世界裡對應的是：系統 prompt 設定、可用工具、執行規則、驗證機制。LangChain 曾做過實驗，在不改變基礎模型的情況下，只調整 Harness（改變系統 prompt、工具、中間件），測試分數從 52% 跳升到 66%，證明執行環境的設計非常關鍵。

然後在好的 Harness 基礎上，Loop Engineering 才能真正發揮作用。Loop 的核心概念是：你設定一個程序、定義目標條件、讓 AI 自動重複執行，直到達成標標準為止，中間不需要你每次都去推動。有人會問「這不就是 Cron Job 嗎？」，但差別很大：Cron Job 只是定時執行，執行完後就結束，無論結果如何；而 Loop 會執行→檢查結果→判斷是否達到標準→決定是否繼續迴圈，這個自我判斷的能力才是真正的 Loop Engineering。然而，使用 Loop 時有三個關鍵陷阱要注意：首先，必須設置停止條件（執行最多 N 次或 token 達上限時停止），否則無限循環會導致帳單爆炸；其次，初始 prompt 的品質是種子，直接決定整個循環的結果品質；第三，任務完成不等於質量好，某個 AI 可能寫出了功能代碼，但維護性差且有安全漏洞，Loop 解決問題的方式不一定符合你的接受度。因此，Loop 最適合用在結果二元的任務（通過/失敗）或有明確評分標準的工作上。

實際應用上，講者使用 Claude AI 平台搭建了一個求職 Agent 作為示範。這個 Agent 每天早上 9 點自動執行，去尋找 20 個頂級 AI 新創的開放職位，根據講者的簡歷提出針對性的修改建議，生成客製化的求職簡歷，並追蹤已申請的工作進度。整個流程結合了 Harness 的各個要素：明確的 Skills 規則（搜尋條件、篩選標準、簡歷修改邏輯）、外部連接（LinkedIn、Google Drive 等）、結果記憶和追蹤，以及一個關鍵的人工決策環節（最後申請前由人類確認）。Claude AI 平台的優勢在於，使用者不需要寫程式碼，只需用自然語言描述需求，平台就能幫助設計和自動化整個流程，大大降低了門檻。