大家好，我是HLAIA光子。
我常常刷到有关 Harness 的博客，Harness 工程从今年年初到现在，越来越普及，相关的博客也可谓是热火朝天。
然而就在最近，我发现了一个新的工程：Loop Engineering，循环工程
一开始我以为是某些营销号为了博流量，才乱取些名字；直到我看到 卡兹克 也发了篇关于 Loop Engineering 的文章，才知道 Agent 的新工程，来了。
于是我赶快去调查学习了一波。
Loop Engineering，就是设计一个会自己发现工作、自己分发任务、自己验证结果、自己决定下一步的系统。
引火线
我对 Loop 其实不陌生的，我记得在去年年末，还是今年年初的时候，我就看到过有 Agent 框架已经有 “Ralph Loop” 的概念和功能了，循环执行一个任务，直到达到验收标准。
关于 Loop Engineering，我去查了下，发现又和 A\ 有关。
2026年6月4日，Claude Code 的负责人 Boris Cherny 在访谈中说：“我不再 prompt Claude 了。我有 loops 在跑，它们负责 prompt Claude 并搞清楚该做什么，我的工作就是写 loops。”
一个做 Claude Code 的人，用 Claude 的方式不再是聊天，而是搭流水线。
几天后，OpenClaw 的作者在 X 上发了一句只有 12 个词的推文：
You shouldn’t be prompting coding agents anymore. You should be designing loops that prompt your agents.
同一天，Google 的工程师 Addy Osmani 发了一篇博文，正式给这个实践起了名字，叫 Loop Engineering，还拆出了五个构建块加一根记忆脊柱。
之后的一周里，一堆技术媒体都跟进解读，基本算是刷屏了。
四层 Engineering
技术宅们挺会取名字的，agent 这几年的范式名都是 “xxx Engineering”。
而且这个框架所表述的不是既定的东西，而是 2022 到 2026年不断发展的历程。
最里边Prompt Engineering，是2022 到 2024 年期间诞生和发展的，研究的是怎么把一句话问好。
那时候，AI潮流在中国还没有火起来，大部分人都不知道 LLM 这种 AI。豆包 和 kimi 都还在铺开盖地打广告。
往外一层是Context Engineering，2025 年火起来的，你研究的是这一轮的窗口里该塞哪些文档、历史和工具定义。
说上下文工程，可能你会觉得陌生，但是我说MCP，你肯定熟悉了。MCP 就是上下文工程时期的典型。
再往外是Harness Engineering，这个在现在那可是太火了，毕竟发酵了小半年，刷抖音B站、论坛博客全是 Harness 的文章媒体。
它研究的是 agent 跑起来的整个环境，工具、权限、状态、恢复、验证都归你管。
把 AI 看作是一匹烈马，如果你不用很好的马鞍，不用很好的驭术，很难驾驭它。这也是为什么它叫马鞍工程。
所以你需要为 Agent 配置运行时环境，并为这个环境设置好“约束和边界”，以规矩去约束 AI，不能让它随意奔跑。
然后“知识库”也是环境的一部分，你的项目需要维护一个类似“项目Wiki”的知识库，以便 AI 能了解背景，索引文件；“memory”也是知识库的一部分。接
着是为 AI 配置 AI能操作的工具，比如MCP，function tool 这些。
最后，人的参与是必不可少的，现在的AI没有发展到一个 可以独立自主运行的水平，AI 的行动需要人的指示、AI 的产出需要认得验证。
最外层，就是最新出来的Loop Engineering。它的单位不是一个 agent 的一次运行，而是跨很多轮的自运行循环。
我觉得可以这么说，Loop Engineering 就是 Harness Engineering 的基础上，再加一层调度、编排、自驱动的壳子。
剖析 Loop
谷歌工程师 Addy Osmani 在技术博客里给了张 Loop 解剖图，把 Loop Engineering 给拆解成六个部分，以下我们用“六个原语”来指代这六个部分。
在 Claude Code 和 OpenAI Codex 这类工具里，其实已经有 Loop 的实现了。比如 cc 和 codex 的 “/goal” 就是让 AI 循环执行，直到达到目标。
Automations，自动化调度
如果你玩过 OpenClaw，那你应该知道 OpenClaw 有个心跳机制，隔断时间就自动执行某事。
loop 的“Automations” 也类似心跳机制，它负责按时钟去做发现和分诊。
Worktrees，工作树隔离
干开发的肯定用过，在原仓库的基础上复制多份仓库，每个仓库都对应一个分支，在每个仓库上开发不同的功能模块。
worktree 让多个并行的 agent 不会起代码冲突。如果在同一个仓库里，AI 甲读了一个文件，准备修改，如果此时 AI 乙修改了这份文件，那 AI 甲就会修改失败，Edit 工具会报错，说文件已被修改。换 worktree 就没事了。
有人可能会问：“那我只让一个 AI 干活不就不会起冲突了吗？”
那不行啊，啥年代了还一个AI，隔这谈恋爱呢？
subagent 也是 Loop Engineering 的一部分，必然是多 AI 协同工作的。
Skills，技能
把项目知识固化下来，写成一个技能；封装起来，以便复用。
skills 是一个家喻户晓的东西了，我就不多赘述。
Connectors，连接器
这个其实就是 MCP，连接器是靠 MCP 来把不同的业务系统给接入AI，让AI能操作的，比如这个：
这是 BrowserOS 浏览器的界面，红圈圈住的部分，就是Connectors，你可以把你的Gmail，谷歌文档等以MCP的形式接入 BrowserOS，然后 AI 就可以操作这些东西了。
Sub-agents，子代理
说到子代理，其实在去年年末，我就有个预测，我预测今年各大AI公司的发展路线里，一定会有“长程任务多Agent协作”和“自主迭代”。
而这里的 subagents 就是 “长程任务多Agent协作” 这一点了。
派一个 AI负责编排任务，并给它派生子代理的权限，在任务进行时，编排者会依照任务自行派出subagents去干活，最后派agents做验收。
我人在电脑面前看 AI 这么团结又勤劳，简直爽歪歪啊
Memory，记忆
Memory 是在 context window 之外持久化状态。
Codex等遵循AGENTS协议的工具， 用AGENTS.md、Memories，或者通过 connector 接 Linear来维护记忆系统；Claude Code 这种私家工具，用CLAUDE.md、auto memory，或者也接 Linear 来维护记忆。
为何在现在变成主流
while 循环套 agent 的想法其实早就有，比如Ralph Loop。
而 Loop 变成 一种 Engineering，我认为不仅仅只是因为 cc 的 Boris Cherny 在采访中说的那句话，还有一点：LLM 模型和 Agent 工具比原先更先进，成熟了。
现在的 LLM，动辄 1000k 上下文、多模态、Agent能力还相比原来提升很多。
而claude code，codex这类生产力 agent 工具，以及 openclaw 这类个人 agent 助手现在功能也越来越多。subagent、skills、MCP对于现在的 agent 工具那都是标配。
再得益于 Harness Engineering，loop 就从原来得单一功能，发展成了现在的 Engineering。
失控
现在的 AI 是真的不好保证可用性，稍有不慎删文档，删库是常有的事情。
就比如早期在 win 上用 codex 吧，我是见过被递归删盘的惨案的。
loop 也有可能失控，如果没有迭代上限、没有无进展检查、没有 token 预算，那就等着被烧钱被榨干。
这是真有个惨案的，在2026 年 5 月 20 日阿里云峰会上，《崩坏》系列的技术团队负责人说，米哈游有人为了实现项目，搭了几十个 Agent 协同，一晚上烧掉了价值约 200 万人民币的 Token。
惨
然后 Addy Osmani 还提到了一个风险，叫理解力负债、Comprehension Debt。
loop 越快地产出你没写过的代码，仓库里"存在的东西"和你"真正理解的东西"之间的鸿沟就越大。loop 跟你说这个任务完成了，那只是它的一个 声明，不代表它真的对了，以现在 AI 的水平，多半有坑。
写在最后
我认为 Loop Engineering 虽然还处在早期，但也是今年 AI 发展的一个重要节点。
大部分 ai coding 工具都有 loop 的实现了，我觉得可以尽早使用。还可以参考一些开源工具的 loop 源码，来学习、移植、改进。
如果你觉得这篇文章有帮助，点赞关注，点点赞~
表它真的对了，以现在 AI 的水平，多半有坑。
写在最后
我认为 Loop Engineering 虽然还处在早期，但也是今年 AI 发展的一个重要节点。
大部分 ai coding 工具都有 loop 的实现了，我觉得可以尽早使用。还可以参考一些开源工具的 loop 源码，来学习、移植、改进。
如果你觉得这篇文章有帮助，点赞关注，点点赞~
