夜雨聆风2026年6月21日晚上，一条帖子在X上炸开了。
不到48小时，184万浏览，8887个赞，2.4万人点了收藏。发帖人Anatoli Kopadze贴了一段39分36秒的视频，只写了短短几行：
"Anthropic engineers just showed how they build a full app from scratch, using a loop of agents."
「Anthropic的工程师刚刚演示了他们怎么用agent循环从零构建一个完整的应用。」
"40 minutes from the team behind Claude Code. They used three agents: one to plan, one to build, one to judge, cycling until the app actually works."
「40分钟，Claude Code团队出品。三个agent——一个规划、一个构建、一个评判——循环，直到应用真的跑通。」
然后他甩出一句让开发者圈集体沉默的判断：
"The winners won't have the smartest model, they'll have the best loop."
「赢家不会拥有最聪明的模型。赢家拥有最好的循环。」
▲ Anatoli Kopadze 6月21日发出的病毒帖，附带39分36秒完整演示视频。8887赞、184万浏览、2.4万收藏
这不止是一条高互动帖。
视频是实打实的屏幕录像。三个agent从头到尾没有人类插手，代码一行行落到文件里，编译通过，测试亮绿灯。40分钟后，一个完整应用从零跑起来了。
Anthropic的技术团队成员@AshPrabaker很快出现在评论区，只回了几个词：「hehe it me 👋」——嘿嘿，就是我。
▲ Anthropic技术人员Ash Prabaker直接确认自己参与了这次演示
内部的人出来认了。屏幕录像就在那里，这是一手的东西，轮不到谁来转述。一种全新的软件构建方式，被亲眼看见了。
Plan → Build → Judge：三个齿轮咬合在一起的自循环
演示的核心逻辑拆开来看，每个部件都不陌生。让它生效的，是组合方式。
三个agent各有明确岗位：
Plan Agent（规划者）——接收高层目标，比如"做一个完整的任务管理应用"。拆成可执行步骤，排优先级，维护整体计划状态。不写代码。
Build Agent（构建者）——接过计划指令，打开编辑器，写代码、跑命令、调工具。在独立的worktree里工作，不和其他agent冲突。不给自己打分。
Judge Agent（评判者）——等构建者提交了成果，独立跑测试、lint、build、甚至启动应用做实体验证。跟构建者用不同的prompt，有时部署更强的模型。只看结果。
Judge点绿灯→继续下一个任务。
Judge亮红灯→带着失败原因和修复建议，回到Plan或Build再来一轮。
每轮循环结束，状态写到外部文件，下一轮启动时读回来。直到全部验收标准通过，或触发硬停止——超时、预算耗尽、人工介入。
这里面有一个被反复强调的设计选择：构建者绝不自评。
写了代码的模型来评价自己的代码，打分永远偏高。自己批改自己的卷子，天然有一万个理由给及格。
把"做的"和"判的"拆成两个人，配不同的prompt，必要时用不同的模型——质量从这一步开始真正拉起来了。
Boris Cherny（Claude Code负责人）在公开场合讲过：「我不再手动给Claude写prompt了。我写的是循环，循环自己去调Claude、自己去判断下一步该做什么。我的工作是设计循环。」
Peter Steinberger说得更直白：「你不该再手动给coding agent写prompt了。你该设计循环，让循环去调你的agent。」
Addy Osmani在6月7日的深度博客《Loop Engineering》里把这些观点拎到了一起，给出了系统定义。
▲ Addy Osmani 6月7日深度博客《Loop Engineering》，系统定义了循环工程的五个构建块，直接引用Boris Cherny和Peter Steinberger的核心观点
人类在这条产线里的角色，确实在移动。
过去你是一遍遍给AI发指令、检查输出、修正再发——你是发动机，AI是螺丝刀。
现在你定义岗位职责、设定成功标准、划定边界和汇报路径，然后走开。你变成了系统设计师、最终审批人、持续调参的人。
这也是为什么演示里"没有人写两次同样的prompt"。设计循环一次，系统自己跑。
五个零件，拼出一个能自己转的工厂
Anatoli的长文和Addy的博客各自从不同角度拆了这套架构，核心零件可以归为五块：
① 心跳触发器
没有触发器，loop就是个手动跑一次的脚本。Claude Code的/loop命令、Codex的Automations面板，让你设定"每30分钟跑一次"或"每天早上8点扫描所有PR"。定时器一响，agent自动起床干活。
② 技能文件（SKILL.md）
项目惯例、技术禁忌、代码模式——写入一个文件。Agent每次启动都读取，不需要你重复交代"我们这个项目用TypeScript、禁用any、API路径统一加/api/前缀"。一次编写，终身复用。
③ 子Agent与团队拆分
这是最有结构价值的一块。不同角色分给不同agent，各自用不同的system prompt、不同的模型、不同的工具权限。干活的用快模型省钱，审稿的用强模型把关。.claude/agents/目录定义agent，worktree做文件隔离。
④ 连接器（MCP）
Agent不能只给建议。它要能开GitHub PR、发Slack通知、更新Linear工单、查数据库。MCP是Anthropic推动的开放协议，Codex也兼容。让循环的输出变成真实世界的行动，不卡在聊天框里。
⑤ 验证器
整套系统里最不能省的一块。没有它，agent就是在自说自话地宣布"done"。测试套件、类型检查、编译、lint、真实运行结果——这些都是客观失败信号。不过这道门，不准过。
还有隐形的第六块——状态/记忆。Agent自己会忘。每次循环必须把"已经试了什么、为什么失败了、下一步要做什么"写到磁盘上，下一轮启动时读回来。
这五（六）块拼在一起，跟单纯"跟ChatGPT聊天"已经隔了代。这是一个能自己转起来的工程系统。
有人已经把它接进了产线
演示很炫，但让这个话题真正站住的，是一批人已经把这套东西跑在了日常工作里。
Claire（ChatPRD创始人）的Claude Code每日Routine：每天早上自动扫描所有打开超过12小时的PR，合格的spawn子线程babysit到merge checks全绿为止；不合格的直接Slack通知团队——她给的指令是"be mean"。Agent不只是在聊天框里给建议，它真的去做了。
更关键的是她的Codex每周技能自生成meta-loop：主自动化程序分析近期PR和review记录，找出技能缺口，识别候选skill，然后spawn一个带着/goal的子agent去base branch实际验证，通过了才正式采纳。循环生出了新循环。
▲ ChatPRD/Claire的loop教程详细展示了PR review Routine的创建界面和prompt，以及Codex技能自生成meta-loop的实际工作流
Artem Zhutov在Obsidian里跑了三个agent：
Accountability Agent每30分钟读一次daily note，对比实际行为，追问"你还on track吗？今天还剩多少30分钟块？" Executive Coach每3小时随机轮换六个"狠问题"：你在逃避什么？如果被人全程录像会怎么评价你？ Source Monitor连接Reddit和YouTube，抽取评论和transcript，生成个性化digest
第一阶段只返回链接→用户反馈→agent读日志自己改了skill→第二阶段带了完整深度分析。他管这叫self-improving loop。
Mozilla的Brian Grinstead更极端：自定义harness + goal loops + verifier subagent——先触发真实crash，再让judge确认不是test-only的假crash。单月修了423个安全问题。他自己的总结：关键在harness，不在模型。
Anthropic自己的多agent研究系统也是同一套哲学：LeadResearcher维护plan到Memory，同时spawn 3-5个并行Subagent做搜索和评估，收集足够信息后交给CitationAgent整理引用。并行工具调用把复杂研究时间砍了90%。
▲ Anthropic官方工程博客展示的LeadResearcher+并行Subagents架构，与三agent自循环一脉相承
账单会先找上门
有一个被多数讨论绕开的问题：成本。
每次循环，agent要重读目标、代码库变动、上次结果、失败历史。第10次循环不是10个独立prompt的成本——是上下文越来越肥的10个prompt。maker和checker再各跑一次，账单乘2。
核心指标不是"跑了多少循环"。
是"每接受一次变更的成本"。
跑10个结果扔6个？等于花钱让AI做你本来该做的审查。接受率低于50%，大概率在烧钱做无用功。
还有一个隐患被社区起了绰号——"Ralph Wiggum loop"：Agent过早宣布"done"，工作是半成品，循环继续烧钱却产出为0。没有硬gate的loop，是个精致的幻觉放大器。
Anatoli和Addy给出了一个很实用的判断标准，用来决定值不值得建loop：
任务每周至少重复一次（否则搭建成本回不来） 存在能自动拒绝坏输出的机制（test/build/linter） Agent能端到端完成，不需要频繁交还给人 "完成"有可验证的客观标准，不靠主观品味判断
不满足就别上重型loop。一次好的手动prompt更划算。
人仍然不可缺。 Addy专门警告了一点：loop跑得再顺，最终ship的代码需要你确认有效。理解力会随速度腐烂——他管这叫"comprehension debt"。更深的隐患是"认知投降"（cognitive surrender），你不再对输出有自己的判断，只管按"go"。
"Build the loop. But build it like someone who intends to stay the engineer, not just the person who presses go."
「构建循环。但要像一个打算继续做工程师的人那样去构建，别做一个只会按开始键的操作员。」
"循环工程"正在吃掉"提示工程"
回到那条帖子的核心判断——"赢家不会拥有最聪明的模型，赢家拥有最好的循环"——放到2026年上半年的语境里，它不是嘴炮。
前沿模型能力在快速商品化。Opus、GPT-5、Gemini——差距在缩小，价格在跳水。单靠模型优势的窗口在收窄。
而"谁能设计出可靠自运行的loop + verifier + sub-agent分工"，这个壁垒反而在变高。
写代码之所以最先被loop改造，是因为它有天然的客观失败信号——test fail就是fail，编译不过就是不过。生活建议、设计评审、策略判断之所以更难loop化，恰恰是因为缺少这种硬gate。没有它，loop很容易沦为昂贵的自我安慰机器。
最高阶的形态不是固定的plan-build-judge三件套。是能读自己运行日志、接受人类反馈、编辑自身skill的自改进闭环——Artem的系统是雏形，Claire的技能生成器是进阶版。
现实是，Claude Code和Codex在2026年已经把五块中的大部分做成了内建命令。/loop、/goal、agents/目录、worktree隔离、MCP连接——你不用从零写bash编排脚本。重心从"实现循环"滑到了"设计循环"。
从prompt到loop，表面是在工具链上多套了一层。真正重新定义的，是人类在这个系统里的位置：从每一步都要推一把的操作者，变成了定义规则、设定边界、在最终出口处点头的那个人。
工程师学会设计产线、定义岗位、设定质检标准，然后把重复执行交给机器。哪些先学会的人，确实会比只靠模型的人跑得快一个数量级。
