Loop Engineering 入门：告别一句句指挥 AI

如果你用过 AI 编程，你大概率是这么工作的：

你：帮我写个登录模块AI：好的，我写了 9 个文件你：token 没持久化，改一下AI：改了你：MainActivity 跳转不对AI：又改了你：密码校验呢？AI：加上了……

一句话、一步，你来我往。累不累？累。

但这就是大多数人和 AI 协作的方式：你在指挥每一步。

这篇讲的东西，是让 AI 自己循环干活。你只在开始时定规则，结束时收结果。

它有个名字，叫 Loop Engineering。

一、Loop 是什么

一句话：

它把「你一句我一句」变成「你定好规则，AI 自动循环到达标」。

手动模式（每一步都由你来拍板） Loop 模式（先把规则定清楚）你：写登录模块 你：先设标准 → 再交给 AIAI：一口气写了9个文件AI：进入自动循环你：token 没有持久化 │生成 → 检查 → 不达标 → 继续改AI：改好了，你看│生成 → 检查 → 达标 → 停你：跳转逻辑不对│AI：接着改└→ 你最后回来看结果

两者真正的差别，不在于「AI 有没有自动干活」。

而在于：控制权究竟握在谁手里。

• 手动模式：控制权在每一步的对话
• Loop 模式：控制权在设计阶段的规则里

二、概念来源与技术背景

这是对现有AI编程实践的工程化总结：

• 该概念由Addy Osmani于2026年6月正式提出。作为Chrome DevTools前核心负责人、Google Cloud AI开发者体验负责人，他提出Loop Engineering的核心观点是：对话式AI编程不能依赖单轮prompt一次性产出正确结果，需要定义清晰的成功标准，构建"生成-验证-反馈"的循环让结果迭代收敛；同时他也指出模型自评估存在固有偏差，需要独立的验证机制。
• Claude Code负责人Boris Cherny在工程分享中明确了生产实践：他的工作流已经从逐轮prompt的指令模式，转变为定义可验证终止条件、独立评审角色、状态持久化的Loop模式——由Agent完成生成-验证-修复的闭环，人类只负责初始规则设计和最终验收。

它本质和传统开发中的TDD、CI/CD是同一个工程思路。

就是把重复的生成、验证、修复流程自动化。这也是AI编程工具的构建者在生产环境中验证过的工作模式。

三、三个最朴素的问题

Loop Engineering 的「设计」，其实就回答三个问题：

问题	对应
怎么算合格？	评判标准
不合格时告诉 AI 什么？	反馈内容
什么时候停？	终止条件

看起来简单，但绝大多数 Loop 跑不好，都是这三个问题没想清楚。

比如：

你：帮我把这个 Skill 评测一下AI：评完了，挺好的→ 问题：你说「挺好」，但「好」是什么？AI 只能自己觉得好。这叫「假达标」——AI 说达标，实际没达标。

Loop Engineering 的全部功夫，就是把这三个「感觉」变成「可验证的条款」。

这是第 2 篇要详细讲的。

四、一个你需要提前知道的坑

我第一次用 Loop 时犯了个错：选了一个自己都不懂的领域当例子。

结果设计「评判标准」时，直接卡住。

后来才明白：评判标准 = 领域判断力。

你设计不出「什么算合格」，是因为你根本不知道这个领域「合格长什么样」。

选不熟的领域（比如某种深度的系统诊断）：别人问「这个文档什么算写得好？」→ 你答不上来 → 设计卡壳选你熟的领域（比如你工作里天天做的事）：别人问「这个功能什么算做好？」→ 你闭眼能列 5 条 → 设计顺畅

所以，想学 Loop，第一步别急着挑难的。

先拿一个自己熟得不能再熟的领域来练手。工作经验里最拿手的那部分，往往就是最好的 Loop 练习场。

五、你真正需要记住的

• 1. Loop = 让 AI 反复干活到达标，你不用每步指挥
• 2. 设计 Loop = 回答三个问题（标准/反馈/终止）
• 3. 三个问题想不清楚，Loop 就会「假达标」或「空转」
• 4. 选你熟的领域当练习，否则可能连标准都定不出来

下篇我会用「登录模块」这个具体例子，带你一步步把三个问题设计成可执行的规则。

那是整个方法的核心。

下一篇： 如何设计一个 Loop：以登录模块为例