Loop Engineering

Loop Engineering · 循环工程

一句话：让模型"会自己干活"的，不是模型本身，而是它外面那个反复运转的循环。

一、Loop Engineering 是个啥？

过去我们用大模型，是"一问一答"：你问，它答，结束。
而 Agent（智能体）要的是"自己干活"：接到任务后，自己想、自己动手、自己看结果、不行就再来一遍，直到搞定。

Loop Engineering（循环工程）＝ 专门去设计、调校模型外面那个 "想 → 做 → 看 → 再想" 的循环（loop），让它能稳定地一圈一圈跑到任务完成。也常被叫做 agent loop / harness（脚手架）。

就像 GPS 导航 🧭
它不是开局算一条线就甩手不管。而是每隔几秒循环一次：看你现在到哪了（观察）→ 比对目标 → 重新规划 → 提示你下一步（行动）→ 再看……
—— "聪明"不在那一次计算，而在这个不停纠偏的循环。Agent 也一样。

二、一个 Agent 的 loop 长什么样？

剥开任何一个能干活的 AI Agent（包括 Claude Code 自己），核心都是同一个循环：

① 喂上下文 → ② 模型推理 / 决定下一步 → ③ 调工具（搜文件 / 跑命令 / 调 API） → ④ 观察结果 ↺ 没完成就回到 ①

直到满足"停止条件"（任务完成 / 出错 / 到达步数上限）才跳出循环。

而且 loop 通常有"内外两层"：

内
内循环 ── 单个任务怎么一步步做完 就是上面那个"想→做→看"的微循环，反复调工具直到这件事 OK。
外
外循环 ── 整个产品怎么越用越好 上线 → 收集真实表现 → 看 eval 指标 → 改 prompt / 工具 / 流程 → 再上线。这是工程师在跑的迭代循环。

三、模型已经很强了，为什么还得费劲做 loop？

✗ 只有强模型、没有好 loop

单次回答再聪明，碰到真实任务也会：一步走错就一路错到底、没法用上工具、不知道何时该停、出错不会重试。结果就是 "demo 很惊艳，一上生产就翻车"。

✓ 强模型 + 好 loop

能查资料、能跑代码验证、做错了能自己发现并回头改、复杂任务拆成多步稳稳推进。同一个模型，套上好 loop，能力天差地别。

行业里有句话 👉 "模型决定能力上限，loop 决定你实际能拿到多少。"
2025 之后大家慢慢意识到：模型在变成"通用零件"，真正拉开差距的，是你怎么把它编排进一个可靠的循环里——这就是 Loop Engineering 火起来的原因。

四、做 Loop Engineering，到底在调哪几样东西？

上下文（Context）每一圈喂给模型什么、不喂什么。喂太多会糊、太少会瞎——这就是"context engineering"。
工具（Tools）给它哪些手脚（搜索、读写文件、跑命令、调 API），工具描述写得好不好直接决定它会不会用。
停止条件什么时候算"做完"、什么时候该放弃。没设好就会无限打转或半途收工。
纠错与重试工具报错、结果不对时，怎么让它发现并回头重来，而不是装没看见。
评估（Eval）用一套测试集量"这一版 loop 比上一版强还是弱"，靠数据迭代而不是拍脑袋。
子任务 / 并行大任务怎么拆、要不要派多个子 agent 并行干，再把结果汇总。

注意：这几样里真正"动脑子"的判断交给模型，确定性的部分（路由、重试、状态、停止）交给代码——这才是工程，不是把所有逻辑都塞进 prompt。

五、一句话记住 + 和 FDE 的关系

一句话 👉 Loop Engineering ＝ "模型只是引擎，能不能把车开到目的地，靠的是你写的那套不停纠偏的循环。"
它把"会聊天的模型"变成"会自己干活的 agent"。