从 Prompt 到 Loop:AI 编程进入新阶段

#Loops #CLAUDE.md #AgenticEngineering

Claude Code 创造者 Boris Cherny 的核心工作方式是设计 loop——让 AI 自主执行、验证、迭代，形成持续推进的闭环。加上 CLAUDE.md 记忆系统和 Vibe Coding 的灵感输入，这是完整的 AI 编程工作流。

实操向步骤清单

多数人用 AI 编程工具的方式仍是聊天模式：输入需求、等回答、手动复制修改、再补下一个 prompt。你能得到的是零散代码片段，而非持续推进的项目。Boris Cherny（Claude Code 创造者、前 Meta 首席工程师）在 2026 年初点破了这个问题：你的输出应当是一个能自主推进的流程，而不是一句 prompt 换来的一次回答。

什么是 Agentic Loop

Boris 说的 loop 不是传统 for/while 循环。Claude Code 的核心架构是一条单线程主循环（代号 nO）：模型提出 tool call 系统执行工具结果反馈给模型模型继续决策，直到产出一个不含工具调用的响应，循环终止。设计上刻意保持单线程、单一消息历史，不搞多智能体群聊式的复杂编排。

一个完整的 Agentic Loop 由五步构成：Plan（AI 写步骤清单）Execute（写代码、运行命令）Verify（跑测试、检查输出）Iterate（出错自动修复）Schedule（定时重复）

Anthropic 官方实践指南定义了 Explore Plan Code Commit 四个阶段的工作流。先用 Plan Mode 探索和规划，再切回默认模式实现。验证环节是关键：给 Claude 一个能跑出 pass/fail 的检查，它就能自我修正。Boris 的数据表明，加入反馈循环后输出质量可提升 2-3 倍。

如何在工作中找到 Loops

大多数工作都有可重复、可验证、可拆解的部分。三个判断标准：

这个任务你每周重复做几次？
是否有明确的成功标准，能让 AI 自我检查？
能否拆成小步骤，出错后能自动检测和修复？

常见场景包括：代码优化循环（简化测试性能检查）、PR 流程（代码 lint test review fix merge）、内容创作（草稿事实核验润色审核）、数据流水线（拉取清洗分析报告异常告警）。Boris 本人的设置包含多个 slash commands（/commit-push-pr /test-and-fix /review-changes /grill 对抗审查）和一个叫 ralph-wiggum 的循环保持插件。他还推荐同时开 3-5 个并行 session，每个 session 负责不同的 loop。

CLAUDE.md 作为项目的记忆系统

Loop 是引擎，CLAUDE.md 是记忆。每次对话开始时自动加载，让 AI 记住项目规范、代码风格和关键命令。Anthropic 官方建议控制在 200 行以内，只放 AI 无法从代码中推断的信息。可以用 /init 命令自动扫描代码库生成初始版本，然后持续精炼。

CLAUDE.md 采用三级加载体系：全局（~/.claude/CLAUDE.md）适用于个人偏好，项目根目录覆盖团队规范，子目录文件只在相关上下文时加载。Boris 的 CLAUDE.md 包含几个核心区块：验证命令、代码风格、自改进指令。他有一条关键规则：每次犯错后立即更新 CLAUDE.md，让它记住错误不再重复。

判断 CLAUDE.md 是否过长的标准：如果 Claude 明明有规则却仍然犯错，说明文件太长、规则被淹没了。每个条目问自己——删掉这条会导致 Claude 犯错吗？如果不会，就删掉。

从 Vibe Coding 到 Agentic Engineering

2025 年初，Andrej Karpathy 提出 Vibe Coding：用自然语言描述意图，让 AI 生成代码，开发者不再逐行阅读 diff。到 2026 年，Karpathy 承认自己 80% 的代码已由 AI 生成，手动编码能力在萎缩。他把新阶段称为 Agentic Engineering：人类不再写大部分代码，而是指导、监督和编排 agent。

Boris 的 loop 概念恰好填充了从 Vibe Coding 到 Agentic Engineering 之间的关键缺口。Vibe Coding 负责灵感输入，用自然语言描述目标；Loops 负责可靠执行，在循环中自主推进、验证和修正。Skill、Hook、Subagent、MCP 等机制提供了更精细的控制：Hook 保证确定性行为，Skill 提供按需加载的领域知识，Subagent 在独立上下文中执行专项任务。

从今天开始设计你的第一个 Loop

1. 选一个你每周至少重复 3 次的任务

2. 用自然语言描述整体目标，让 AI 先出计划

3. 在 CLAUDE.md 中添加验证命令（typecheck / test / lint）

4. 创建自定义 slash command：放到 .claude/commands/ 目录

5. 加入自改进规则：每次修正后更新 CLAUDE.md

6. 跑完一个完整循环后复查效果，逐步扩展

如何判断自己进入了 Loop 模式？标准很简单：从一次 prompt 出一个结果，变成一次启动就能让 AI 自动推进多步、自我修正、直到完成。如果你发现 AI 在一次响应后停住、需要你手动推进下一步，就是切换思路的信号。从 5-10 分钟能跑完的小循环开始，跑通后再扩展。

来源：Anthropic, Best practices for Claude Code code.claude.com | Anthropic, Claude Code Agent Architecture code.claude.com | 0xquinto, Boris Cherny's Claude Code Setup github.com/0xquinto/bcherny-claude | Andrej Karpathy, Software Is Changing (Again) Y Combinator AI Startup School 2025