AI 不缺码农!缺循环设计师

技术圈给新东西起名的速度，常常比我们理解它的速度还快。从 Prompt Engineering 到 Context Engineering，再到现在被频繁提起的 Loop Engineering（循环工程），这些词当然不只是包装。它们背后真正变化的，是工程师和工作系统之间的关系。

过去我们默认自己坐在驾驶位上：看需求、写代码、跑测试、修补问题。循环工程把位置挪了一下。你不一定还在每一步里亲手操作，而是在循环外面设计规则、上下文、检查点和回退方式，让 Agent 可以一轮又一轮地推进工作。

这个位置很诱人，也有点危险。尤其是当循环开始在深夜自动跑起来，没人盯着它，却仍然能持续产出时，那个问题就躲不过去了：人的价值到底被放大了，还是被稀释了？

循环只是你能力的“忠实乘号”

在 Loop Engineering 里，有一个不太舒服的事实：同样的工具，可能把两个人带去完全不同的地方。

“两个人造出一模一样的循环，得到的结果可以完全相反。” —— Addy Osmani

原因并不复杂。循环本身没有价值观。它不天然偏向效率，也不天然偏向真理。它只是一个乘号，乘的是你已经有的东西。

如果你已经吃透了一段逻辑，知道系统里哪些地方脆弱、哪些地方必须保守，循环会让你跑得更快。它放大的，是你的理解力。

但如果你搭循环只是为了绕开理解，比如看不懂代码就让 Agent 替你写、替你审、替你合，那循环放大的就是另一件事：你对系统的陌生感。

这种陌生感不会立刻爆炸。它更像缓慢生锈。几个月之后，前一种人借循环看清了系统的全局；后一种人可能还在按启动键，却已经解释不清循环为什么这么做，也不知道哪里该喊停。最糟糕的是，你会在自己搭出来的系统里变成外人。

循环一旦转起来，最先变便宜的是生成。

代码、方案、修复补丁、测试草案，都可以批量产出。它们越来越不像稀缺资源。工程师的价值也因此被挤压到一个更窄、更硬的地方：判断力。

AI 的底层逻辑是概率，工程的底线却是确定。循环可以给你 100 个看起来合理的选择，但它不知道哪一个真的能进主干，哪一个只是表面顺眼。这个判断仍然要有人承担。

所以工程师在循环系统里最重要的能力，可能不是继续生产更多东西，而是能准确地说“不”。不合的补丁要拒绝，解释不清的结论要停下，绕过测试的捷径要挡回去。一个人如果失去了这点判断力，循环越强，他越容易变得多余。

我们以前经常抱怨开发太慢。可回头看，慢也有慢的用处。

手写每一行代码时，大脑会被迫停下来。你会质疑一个变量名，重新读一遍边界条件，或者因为一个测试失败而回到原点。这些低速动作很烦，但它们也是防火墙。

Loop Engineering 把这个低速挡拿掉了。工具越能干，对判断力的赌注就越大。过去一个判断失误，可能只是写错一段代码；现在同一个失误会被循环忠实执行很多次，几分钟内扩散到一堆文件、一批提交，甚至多个分支。

这才是循环真正让人紧张的地方。它不只是提高速度，也提高了犯错的吞吐量。如果启动前没有想清楚边界、回滚点和验收标准，你做出来的就不是生产力引擎，而是一台很会放大偏差的机器。

在第一个循环时，你对这份工作的态度会直接写进系统里。

如果你的出发点是“赶紧把自己解放出去，以后再也不用碰这堆代码”，你大概率会把人工检视当成麻烦，能删就删。短期看，这样确实顺滑；长期看，你是在把自己从系统里拆出去。

Addy Osmani 的那句话我觉得很刺耳，也很准：

“造那个循环。但要像一个打算继续当工程师的人去造它，而不是一个只负责按下启动键的人。” —— Addy Osmani

这意味着循环里必须故意留下人的位置。比如关键改动前要有人确认，异常输出要能被快速追踪，Agent 的结论要带上依据，合并前必须经过真正的审查。

这些卡点看起来低效，却是你重新进入系统的入口。它们提醒你：循环不是用来替你理解系统的，而是用来把你的理解延伸出去。你仍然要还技术债，仍然要读代码，仍然要为判断负责。

工程师这个身份，不会因为你拿到工卡就永久有效。在 Agent 批量接管工作的时代，它更像一张每天都要续费的门票。

你通过一次认真读 PR，一次质疑 AI 的结论，一次坚持补上测试，一次在自动化浪潮里回到底层逻辑，来证明自己还在场。

这听起来有点麻烦。但也正是这些麻烦，让你没有被工具顺手替换掉。

下次按下启动键之前，可以先停一秒，问自己一个问题：我是在延伸自己的双手，还是在交出自己的大脑？