Loop Engineering 没那么复杂，简单易懂保姆级讲解

循環工程的本質是將重複性工作流程自動化，並通過 AI Agent 的迭代學習不斷優化。講者以每日工單處理為例，清晰地展示了從純人工到完全自動化的四個演變階段。

最初，員工每天 10 點需手動從系統拉取工單，判斷其屬於 Bug、投訴還是建議，再針對不同類型採取相應處理流程，最後手動驗證並標記為修復。這是典型的勞力密集型重複工作。隨著意識到流程高度標準化，講者將整個執行邏輯封裝成一個「工單處理技能」，員工只需一鍵觸發而非逐步手動操作，大幅簡化了流程。

但人工驗證仍是瓶頸。第三階段是關鍵轉折——引入獨立的驗證 Agent，採用評分制（6 分以上視為通過），並強調驗證的重要性。講者特別指出，執行 Agent 不能自我評判成功與否，就像「自己寫的代碼自己判斷有沒有問題，肯定說沒問題」一樣不可信。驗證必須交由第三方 Agent 客觀評估，同時將驗證意見和日誌記錄下來，供下一個循環的 AI 讀取學習，形成自我迭代的能力。

第四階段實現完全自動化。系統在每天 10 點自動觸發工單處理流程，執行完成後驗證 Agent 自動評分，若達標則自動標記修復，整個過程的日誌和改進建議被寫入記憶庫。這樣，每一次循環都成為下一次循環的學習材料，系統能逐漸優化處理品質。

循環工程的五個核心要素環環相扣：觸發決定何時啟動（可定時或事件驅動），執行必須是標準化的可重複流程，驗證是質量守門人且不能由執行者自評，記憶是自我改進的基礎，停止條件確保循環有明確的終點。其中驗證最為關鍵——若驗證寫得不周密，循環會虛假成功，結果是系統自認為問題解決實則一團糟。

實施循環工程有五項前置條件。首先需要充足的 Token 預算，因為每個循環都涉及多個 Agent 的多次上下文往返；其次任務必須明確且重複出現，若任務定義模糊則無法標準化；第三是驗證方案要詳盡準確，寧可嚴格也不要含糊；第四是任務確實具有重複性；最後項目基建要完善，包括清晰的文檔規範、完整的測試用例、必要的 MCP 插件、以及上下游系統的通暢介接。任何一項缺失都會讓循環效率大幅下降。

講者建議的實施路線是：先手動完整跑通流程確保邏輯無誤，再做技能化提高標準化程度，接著引入驗證 Agent 並添加日誌記錄，之後進行多輪手動測試確認效果可接受，最後才部署定時自動化。這個審慎的過程確保循環上線時已經過充分驗證。

開源的 Loop Library 提供了多個現成的循環範本和設計工具，用戶可參考範本快速構建自己的循環。同時需留意安全與倫理邊界：遵循最小權限原則避免系統權限過大，面向客戶的自動化需明確標註 AI 身份，還要防範「攻擊循環」問題，即兩個自動化循環互相回應導致無限迴圈。

##