把 AI Coding Agent 从＂玩具＂变成＂生产力＂的循环工程化

你用 Claude Code 或 Cursor 写了一个 /loop 命令让 AI 每天自动检查代码库。第一天它发现了 3 个问题，写得很好。第二天它开始自动修改代码。第三天你醒来发现它在一个孤立分支上提交了 47 次，Token 账单爆了。

这就是无人看守的 AI 循环常见的失控模式。
问题不是 AI 不够聪明，而是缺少一套系统级的工程化设计，来确保循环在安全边界内运行。

Loop Engineering 是 GitHub 上近期爆火的一套完整方案，它把 "给 AI 下指令" 升级为 "设计循环系统"。不是某个单一工具，而是 一组设计模式 + CLI 工具链 + 可复制的起步模板。

🔍 什么是 Loop 工程化？

传统的 AI 交互是 响应式 的：你提问，AI 回答，一次性。但真正有价值的自动化需要 循环式 运行：AI 在一个固定的周期里，按预定程序检查状态、发现问题、尝试修复、记录结果。

Loop Engineering 的核心观点是：你不是在给 AI 下指令，你是在设计一个系统，让这个系统去管理 AI 的行为。

金句版本：
Loop engineering replaces you as the person who prompts the agent — you design the system that does it instead.

这套方案来自 Cobus Greyling 的实践，他用这套方法在自己的开源项目里跑了数百次循环，最终沉淀成了 5 大原语、7 个生产模式、一套可复用的 CLI 工具链。

[insert image here: Loop Engineering 架构图 — 从 L1 报告到 L3 无人看守的渐进模型]

⚡ 为什么循环会失控？

很多人以为给 AI 开了一个定时任务就算 "完成了自动化"。但实际上有 4 个核心风险点：

危险
无限循环 — 相同的错误反复发生，AI 一次又一次提交相同的修复，从未退出。
危险
Token 爆炸 — 每次循环都重新加载整个代码库和 CI 日志，频率越高账单越惨。
危险
修改越界 — AI 在尝试修复一个测试失败时，不知不觉改了核心架构文件。
危险
状态丢失 — 每个新 Session AI 都忘了上次做了什么，从头开始。

这些不是理论风险。
Loop Engineering 的 stories/ 目录里收集了真实的失败案例，每个都包含 Token 成本、根因分析和补救措施。

🏷️ L1 → L2 → L3 安全模型

Loop Engineering 的核心设计是 三阶段渐进，不允许跳过：

等级	名称	AI 权限	适合场景
L1	报告模式	只读不写，生成报告	第一周必须用，无风险
L2	辅助修复	提交修复建议，人工确认	验证后的可靠回路
L3	无人看守	自动执行 + 自动验证	需要预算、日志、LOOP.md 才能开启

关键规则：loop-audit 会给你的循环打分 0–100，不填写 loop-budget.md 和 loop-run-log.md 的项目，审计直接 锁死 L3。这是故意设计的安全门毡。

npx @cobusgreyling/loop-audit . --suggest

# 输出示例：Score 38 → 建议添加 loop-budget.md
# 输出示例：Score 72 → 可进入 L2，但需要 verifier skill
# 输出示例：Score 100 → L3 ready，但仅限 patch-only 自动化

🏗️ 五大原语（Primitives）

Loop Engineering 抽象出 5 个跨工具的原语，让你的循环可以在 Grok、Claude Code、Codex、Hermes 之间平滑迁移：

1. Automations / Scheduling
— 定时触发。Grok 用 /loop 1d，Hermes 用 hermes cron create "0 9 * * *"，原语是 "固定节奏"。
2. Run-until-done
— 持续执行直到可验证条件满足。Grok 用 /goal，Claude Code 用 /goal all tests pass，原语是 "有终点的目标"。
3. Worktrees
— 每次自动修改都在独立的 git worktree 里，不影响主分支。原语是 "隔离实验"。
4. Skills
— 用 SKILL.md 存储循环知识，跨 Session 持久。Grok 、Claude 、Hermes 都支持相同格式。原语是 "可复用的项目记忆"。
5. State / Memory
— 用 STATE.md 记录每次循环的结果，下次运行时先读取。原语是 "跨次运衁的记忆"。

关键见解：
五大原语不是品牌特有功能，而是跨工具的 能力抽象。这意味着你写好一套 SKILL.md + STATE.md 后，可以在不同的 Agent 工具间迁移，不被锁死在某一家。

[insert image here: 五大原语工具映射表 — Grok / Claude Code / Codex / Hermes 的对应实现方式]

📋 七大生产模式

Loop Engineering 提供了 7 个可直接复用的循环模板，每个都包含完整的调度策略、风险等级、验证方案和人工交接点：

模式	解决什么	风险	建议频率
Daily Triage	每天早上检查 CI、PR、Issue 状态	低	1d 或 2h
PR Babysitter	自动巡检 PR 状态，推动审查/修复	中	5–15m
CI Sweeper	CI 失败时自动分类、提交最小修复	中	5–15m
Issue Triage	Issue 队列健康度检查	低	2h–1d
Dependency Sweeper	依赖更新 + CVE 检查	中	6h–1d
Post-Merge Cleanup	合并后的 TODO 清理、代码整理	低	1d–6h
Changelog Drafter	自动生成发布笔记	低	1d

配套配置：
CI Sweeper + PR Babysitter 不能同时修同一个分支；Dependency Sweeper 在 main 红灯时应暂停。这些规则写在 docs/multi-loop.md 里，不用自己记。

🔧 工具链深度解读

Loop Engineering 的 CLI 工具链是让这套方案可落地的关键：

loop-init
— 在你的项目里创建循环所需的全部脚手架（STATE.md、LOOP.md、loop-budget.md、loop-run-log.md）。一条命令打通。
loop-audit
— 给你的循环打分 0–100，并告诉你下一步该做什么。支持 --suggest 和 --badge（生成 README 徽章）。
loop-cost
— 在启动循环之前预估 Token 消耗。很多人跳过这一步，结果爆账单。
loop-sync
— 检测 STATE.md 和 LOOP.md 之间的 "漂移"，提醒你状态文件已经过期。
loop-context
— 熔断器。检查 loop-ledger.json，如果相同错误反复 N 次或超过 Token 上限，直接 跳闸到人工。
loop-mcp-server
— 让 Agent 通过 MCP 查询循环规范，而不是把所有文档塞进每次 Prompt 里。

npx @cobusgreyling/loop-init . --pattern daily-triage --tool grok

# 创建 STATE.md + LOOP.md + loop-budget.md
# 打印 Loop Ready score + 第一条循环命令

[insert image here: 工具链关系图 — loop-init → loop-cost → loop-audit → 运行 → loop-sync → loop-context 的完整流程]

📚 一个关键洞察

Loop Engineering 还带来了一个深度认知：Loop 和 Goal 是两件事。

Loop 负责 发现待处理的工作（持续的、周期性的、不有终点的）。Goal 负责 完成明确的任务（有终点的、可验证的、边界清晰的）。配套的 Goal Engineering 项目用 /goal + goal-verifier 解决后者。

对比式理解：
• Loop = 安全巡逻的保安（每天走一圈，看有没有异常）
• Goal = 完成具体工单的维修工（接到单子，做完，打钣）

很多团队犯的错误是：让一个循环又发现问题又修又验证。这打破了 Maker/Checker 分离 的安全原则。Loop Engineering 的解法是：循环最多到 L2（提交建议），任何需要修改的工作都转给 Goal + Verifier 完成。

🚀 如何今天就试试

不需要 clone 整个项目，一行命令就能在你现有的 git 仓库里跑起来：

# 1. 创建脚手架（选 daily-triage，风险最低）
npx @cobusgreyling/loop-init . --pattern daily-triage --tool claude

# 2. 估算成本（不要跳过）
npx @cobusgreyling/loop-cost --pattern daily-triage --level L1 --cadence 1d

# 3. 打分你的循环安全等级
npx @cobusgreyling/loop-audit . --suggest

# 4. 第一次运行（第一周只读不写）
/loop 1d Run loop-triage. Update STATE.md. No auto-fix in week one.

第一周的唯一规则是： 让 AI 只做报告，不要修改代码。每天早上打开 STATE.md，看看 AI 发现了什么。一周后再决定是否允许进入 L2。

🎯 今日学习总结

Loop Engineering 不是 "又一个 AI 工具"。它是 一套让 AI Coding Agent 从 "玩具"变成 "生产力"的工程化方案，解决的是 "无人看守时如何不失控"这个最硬的问题。

核心收获三点：

L1→L2→L3 的渐进模型是安全的第一原则，不可跳过。
五大原语（Scheduling、Run-until-done、Worktrees、Skills、State）是跨工具的语言，不被锁死在某家产品。
Loop 负责发现，Goal 负责完成，Maker/Checker 分离是安全底线。

值得一试的理由：
如果你正在用 Claude Code、Cursor 或 Hermes 做自动化，这套方案能让你在 今天下午 就建立一个可重复、可审计、可移植的循环系统。

关注「404实验室」，每天学明白一个 AI 工程化方案 → 通过内容反馈肺透自己