夜雨聆风
一个月没打开过，于是干脆就删了。
去年11月，Boris Cherny亲手卸载了自己的IDE。
在那一个月里，他提了259个PR，没一行代码是自己敲的，全是Claude Code写的。
于是，一个亲手造出Claude Code的人，就把自己的驾驶舱拆了。
这还没完。今年6月2日的一场访谈里，Boris又甩出一句刷屏全球开发圈的话：
我不再给Claude写提示词了：是循环在跑，是它们在提示Claude、自己琢磨该干什么。我的工作就是写循环。
几天后，OpenClaw之父，如今在OpenAI的Peter Steinberger，抛出第二颗炸弹。
他在X平台上写道：别再给编程智能体写提示词了，你该去设计那些替你提示智能体的循环。
同时，Google资深工程主管、前Chrome开发者体验负责人Addy Osmani，在一篇博客中，为这个引爆整个AI编程圈的词起了一个名字：循环工程（Loop Engineering），认为它可能成为我们未来与编程智能体协作的方式。
于是，循环（loop），这个旧编程概念一夜翻新，突然成了2026年这一轮AI开发范式迁移的中心。而统治了编程几十年的编辑器时代，正在落幕。
可循环工程，真得要把你苦练两年的提示词工程一夜干掉了吗？
过去两年，人们跟编程智能体打交道的方式是回合制的。
你敲一句提示词，读它的回复，再敲下一句。在这个过程中，人既是调度员，又是质检员。说白了，人就是那个循环本身。
而循环工程要做的，是让你搭一套小系统：它会自己找活、把活派出去、检查做完没有、记下进度、再决定下一步干什么。
然后你再让这套系统去指挥那些智能体干活，而自己则抽身出来。
用Osmani的话来说，循环工程就是「把那个负责提示智能体的人替换掉，你转而去设计那套替你提示的系统」；而这里的循环本身，是一个递归式的目标：你定下目的，让AI一轮轮迭代，直到完成。
他把循环工程放在自己此前提出的脚手架工程（harness engineering）「上面一层」：脚手架管一个智能体跑一个任务，循环决定跑哪些任务、什么时候跑、什么算干完。
The New Stack给了一个更好懂的类比：这就像从「操作机床」，变成「设计机床所在的整条产线」。
循环工程来了，是不是意味着提示词工程已死？
并没有。
先看看循环到底怎么跑。
Claude Code有/loop和/goal两个命令；Codex也能干同样的事，靠的是/goal加上它的定时任务（Automations）。
/loop让一段提示词按你设的间隔反复跑；/goal则让智能体一直干，直到你写的那个条件为真才停。每跑完一轮，由一个独立的小模型来判断「到底完成没有」，写代码的那个不许给自己打分。
提示词没死，它只是从你手里钻进了/loop和/goal。你不再一句句敲，现在写进循环、反复复用。所以你苦练的提示词非但没作废，反而更值钱了。
别被「工程」两个字吓住。
ChatPRD创始人Claire Vo对它有一个特别接地气的判断：
你要是在Claude Cowork里设过一个定时任务，那么，恭喜，你已经写过一个循环了。
这并非一个刚刚提出的全新概念，Django框架的联合创造者、独立AI研究者Simon Willison，早在2025年9月就写过「设计智能体循环」。
18个月里，开发者一路从提示词工程跳到上下文工程，再到脚手架工程，如今轮到循环工程。
一年前想搭个循环，你得自己手搓一大堆bash脚本，写完还不算完，得永远养着它，三天两头怕它散架。
现在，搭循环要用的那些组件，Codex和Claude Code里直接内置了。
Boris没公开过自己的配置，X上一位@Av1dlive的开发者，根据Boris的公开访谈，从零重建了一整套名为「蜂巢」（THE HIVE）的系统配置。
而这样一套自运转的系统，普通人也搭得起来。它需要的组件，全在你的Claude Code里。
整套「蜂巢」是三层。
第一层是本地循环，靠/loop。开着会话时它持续干活，最小1分钟跑一次，关掉电脑就停。
第二层是云端例程（Routines），Anthropic今年4月推出，跑在云上、新克隆的仓库里，关了电脑照样跑，最小1小时一次。
第三层是集群，靠/batch和动态工作流（dynamic workflows）：一次性把活扇出去，几百上千个worktree子智能体并行，每个待在自己隔离的代码检出里，互不干扰。
@Av1dlive还整理出七个可以直接抄的循环。
七条slash命令，七个并行的循环：盯PR、挖Slack反馈、清僵尸PR、给issue分类、把你反复纠正的规则沉淀进CLAUDE.md……全是会话级的，关掉终端就停。这是「蜂巢」最入门的一层。
真正的魔法在于组合。
第二层的云端例程把发现写进文件，第一层的本地循环读文件接力去干，撞上大活就拉起第三层集群。
结果回流，每周再让一个例程去蒸馏、更新CLAUDE.md。
这套飞轮一转，你的智能体每周都比上周更聪明。
Osmani在博客里列了一张对照表，一个完整的循环，拆开就是这六大组件：
自动化（Automations），定时触发，自己去做发现和分诊，把找到的东西丢进一个收件箱等你查看。
隔离工作区（Worktrees），防打架。两个智能体同时改一个文件，就跟两个工程师不打招呼往同一行代码上提交一样，必定会打架；git worktree给每个智能体一份独立检出，谁也碰不到谁。
技能（Skills），治金鱼记忆。把项目惯例、构建步骤、踩坑经验，一次写进SKILL.md，省得智能体每轮从零猜。
连接器（Connectors），摸清真实世界。它基于MCP，让智能体能读你的issue、查数据库、往Slack里发消息：这是「告诉你该怎么改」和「直接替你开好PR、更新好工单」的区别。
子智能体（Sub-agents），写查分离。写代码的模型给自己批改，总是太手软；另开一个指令不同、最好换个模型的子智能体来挑刺，能抓住第一个智能体自己说服自己放过的毛病。
最后是记忆（Memory），一个markdown文件就行，记下做了什么、过了什么、还剩什么，明天那一轮才能接上今天。
这些组件听起来都不新鲜：
从2022年的ReAct，到2023年的AutoGPT，到2025年7月Geoffrey Huntley那个「一行bash反复喂同一句提示词」的Ralph循环，再到今年春天Codex和Claude Code都上的/goal。
新就新在，两家产品几乎一字不差地把同一套组件都做了出来。
真正的竞争，开始转变为谁能让人更顺手地写循环，这将是Codex与Claude Code新一轮竞争的胜负手。
能够让智能体自动干活，这听起来似乎很爽，但仍面临以下几个挑战：
第一个挑战，是成本。
多个智能体叠着子智能体、跑在最前沿的模型上，动态工作流动辄吃掉预期5到10倍的token。
Steinberger敢这么玩，是因为他自嘲是「拥有无限token的人」，那是OpenAI的福利，普通人没有。
第二个挑战，是失控。
Anthropic自己点名过循环最容易栽的三种坑。
偷懒：50项安全问题做了20项就说「搞定」；
自夸：给自己的活打高分；
漂移：跑了很多轮之后，你当初写的「别做X」在第47轮悄悄消失了。
这三种坑，正是「制造者」和「检查者」必须拆开的原因。
第三个挑战，是质疑。
Reddit和开发者圈里不少人觉得，循环工程本质就是ReAct、智能体循环（agent loop）、任务调度这些老东西换个名字、加层产品化包装，新瓶装旧酒。
「我是提示词工程师」→钻进灌木丛→「提示词工程根本不算什么，就是把话说清楚的花哨叫法」→「我现在是上下文工程师」。这张疯转的辛普森梗图，道破了这轮质疑：从提示词到上下文再到循环，头衔换了一茬又一茬，会不会只是同一个人钻进同一片灌木丛，换个名字再钻出来？
这些怀疑，也不全是酸话。
就连Anthropic自己也坦白：所谓人均日合并代码量已是2024年的8倍，这个数「几乎肯定高估了真实生产力」：代码行数衡量的是量，不是价值。
所以话说回来，循环并不等于全自主AI：它照样靠停止条件、靠验证机制、靠人来定目标。
它也并非全新技术，而且强烈依赖场景：编码、测试这类有明确验收标准的活才跑得稳，开放式任务很容易跑飞、白烧算力。
虽然，循环工程仍面临以上挑战，但方向并不会变。
Claire Vo在直播中，把这一刻叫「属于管理者的时代」：你其实是在设计一份工作。写循环，就像给一名新员工办入职，你带的是一支随叫随到的数字团队。
模型本身，正越来越像水电煤：谁都能接，谁接的都一样。每个季度，都会有新模型把你上季度的妙手提示词作废：真正能形成复利的，是你那套循环、那些攒下来的技能、那份被每周蒸馏的CLAUDE.md。
这也是Boris卸载IDE的底气：他的产出不依赖于某一次对话，而是依赖系统。
Osmani在博客里提醒：循环越强，有三件事反而越扎手。
第一件事，验证还得你自己过：循环报「完成」，只是它的说法，不是真做对了的证明；
第二件事，理解债（comprehension debt）越欠越多：循环写的代码越堆越高，你真读懂的没跟上，每一个没读就合的PR，都在加宽这道沟。
第三件，也是最险的：同一个循环，用在你懂的活上是杠杆，用来逃避理解，就是在加速自己的下滑。
Boris能把IDE删掉，靠的并非「不写提示词」，而是把提示词从自己手里，移进了循环。
现在，就去写你的循环。
但记得要当那个看得懂它在干什么的工程师，而不是只会按下「运行」的人。
参考资料：
https://addyosmani.com/blog/loop-engineering/https://x.com/Av1dlive/status/2064292484856041558
https://x.com/steipete/status/2063697162748260627
https://www.businessinsider.com/what-are-loops-ai-engineering-tips-2026-6
文章来源：新智元
三连一下，持续发布更多精彩内容
点点赞
点分享
点喜欢
