目录
[1. 从"操作者"到"设计师"的转变](#1. 从“操作者”到“设计师”的转变)
[2. 核心突破：不再是你在调教 AI，而是系统在驱动它](#2. 核心突破：不再是你在调教 AI，而是系统在驱动它)
[3. 五大支柱：构建自动化编程循环的解构](#3. 五大支柱：构建自动化编程循环的解构)
[自动化 (Automations)：循环的"心跳"](#自动化 (Automations)：循环的“心跳”)
[工作树 (Worktrees)：物理隔离层](#工作树 (Worktrees)：物理隔离层)
[技能 (Skills)：项目背景的持久化](#技能 (Skills)：项目背景的持久化)
[插件与连接器 (Plugins & Connectors)：生态触角](#插件与连接器 (Plugins & Connectors)：生态触角)
[子代理 (Sub-agents)：创作者与检查者的分离](#子代理 (Sub-agents)：创作者与检查者的分离)
[4. 深度洞察："创作者"与"检查者"的对抗博弈](#4. 深度洞察：“创作者”与“检查者”的对抗博弈)
[5. 外部记忆：为什么 Repo 才是 AI 的真脑](#5. 外部记忆：为什么 Repo 才是 AI 的真脑)
[6. 警示与反思：效率陷阱与"token经济学"](#6. 警示与反思：效率陷阱与“token经济学”)
[7. 结语：在自动化时代保持工程师本色](#7. 结语：在自动化时代保持工程师本色)
1. 从"操作者"到"设计师"的转变
在过去两年中，开发者与 AI 协作的标准模式被称为"提示词工程"：你编写一段精妙的指令，点击发送，等待结果，然后根据反馈输入下一条指令。这种模式本质上是"手动挡"------AI 是你手中的工具，而你必须全程握着它。
然而，这种重复性的手动干预正在让开发者陷入一种新的"低效陷阱"。正如 Addy Osmani 所指出的，我们不应再满足于充当 AI 的操作员，而应该转型为"循环"（Loops）的设计师。想象一下，如果你的工作不再是逐行写代码，甚至不再是手写提示词，而是设计一个能够自动发现问题、递归执行任务并自我验证的系统，工程效率的天花板将被推向何处？
2. 核心突破：不再是你在调教 AI，而是系统在驱动它
"循环工程"（Loop Engineering）并非简单的自动化脚本，它是 AI 代理架构的进化。在系统架构的层级中，它位于"代理容器"（Agent Harness）和"工厂模型"（Software Factory）之上。它是一个能够自生、自检、自驱动的闭环系统。
正如行业先行者所言：
"你不应该再通过提示词来驱动编码代理了。你应该设计那些能够驱动代理的'循环'。" ------ Peter Steinberger
"我不再直接给 Claude 发指令了。我有自动运行的循环来驱动它，并搞清楚该做什么。我的工作是编写循环。" ------ Boris Cherny（Anthropic Claude Code 负责人）
这种模式彻底改变了人机协作的底层逻辑：开发者从在生产线上"手持工具"的蓝领，转变为设计和管理整个自动化"工厂"的系统架构师。
3. 五大支柱：构建自动化编程循环的解构
要构建一个能够像 Codex 或 Claude Code 那样自我运行的循环，需要五个核心技术原语（Primitives）支撑其架构：
自动化 (Automations)：循环的"心跳"
自动化负责任务的"发现与分诊"。它是循环的启动机制，通过定时扫描 CI 失败、Issue 列表或最近提交来主动寻找工作。在这里，关键原语是 /loop（设定执行频率）与 /goal（设定可验证的停止条件）。
- 开发者价值： 自动化让工作主动找上门，实现从"人找事"到"系统分派任务"的转变。
工作树 (Worktrees)：物理隔离层
当多个 AI 代理并行处理一个仓库时，文件冲突是系统性风险。通过 Git Worktree，系统为每个代理分配独立的物理目录和分支，确保它们互不干扰。
- **开发者价值：**解决了并行 Agent 协作时的机械碰撞，为大规模并发开发清理了障碍。
技能 (Skills)：项目背景的持久化
技能是将项目特定的"黑话"、规范和历史决策固化在 SKILL.md 文件中。它解决了 AI "金鱼般的记忆"问题，避免在每次会话中重新解释构建步骤或代码偏好。
- **开发者价值：**知识得以累积并制度化，使 Agent 的决策从"盲目猜测"进化为"基于规范的推理"。
插件与连接器 (Plugins & Connectors)：生态触角
通过 MCP（Model Context Protocol）协议，循环可以触达文件系统之外的世界：查询数据库、读取 Slack 消息或在 CI 变绿后自动提交 PR。
- **开发者价值：**让循环具备了在整个工程生态中采取实际行动的能力，而不仅仅是修改代码。
子代理 (Sub-agents)：创作者与检查者的分离
这是循环中最关键的结构。通过配置文件（如 .codex/agents/ 下的 TOML）定义职责，实现"实现者"与"审查者"的对抗博弈。
- **开发者价值：**建立了自动化的信任基础，确保产出的每一行代码都经过了独立的逻辑审查。
4. 深度洞察："创作者"与"检查者"的对抗博弈
在循环工程中，有一个不可动摇的准则：编写代码的模型绝不应该给自己的"家庭作业"打分。
为了实现高可靠性的自动化，资深架构师通常会采用"模型异构"策略。例如，使用响应快速的常规模型进行代码实现，而调用具备高推理能力（High-reasoning effort）的模型（如 OpenAI o1 或 Gemini 1.5 Pro）作为验证者（Checker）。通过 /goal 原语，验证者会根据"所有测试必须通过且 Lint 干净"等硬性指标来决定循环是否终止。这种对抗机制是自动化系统在无人值守时仍能赢得人类信任的唯一保障。
5. 外部记忆：为什么 Repo 才是 AI 的真脑
循环工程的第六个核心要素是"外部状态"（State）。AI 模型在每次运行之间会遗忘上下文，因此循环的"记忆脊髓"必须存储在 Context 之外。
无论是 AGENTS.md、任务看板还是 Markdown 记录，这些持久化在磁盘上的状态记录了哪些路径已经试错、下一步的计划是什么。模型会遗忘，但仓库（Repo）不会。 这种异步的状态管理模式，让循环能够跨越数天甚至数周，持续推进长程的复杂任务。
6. 警示与反思：效率陷阱与"token经济学"
作为系统架构师，我们必须正视循环工程带来的副作用：
- **理解债务 (Comprehension Debt)：**当循环产出代码的速度远超人类阅读速度时，你会对系统失去掌控。
- **认知投降 (Cognitive Surrender)：**过于顺滑的自动化会导致开发者放弃独立思考，全盘接受 AI 的方案，最终导致产品质量陷入向下螺旋。
- token泄漏 (Token Leakage)： 这是最现实的成本风险。如果
/goal设定的停止条件模糊，或者循环陷入了低质量重试，自动化系统会像漏水一样烧掉大量的 Token 预算。
循环工程改变了工作方式，但它并没有免除工程师的验证责任。Agent 宣称的"已完成"仅仅是一个声明，而非证明。
7. 结语：在自动化时代保持工程师本色
循环工程是当前工程杠杆的最长端，但杠杆的支点始终是工程师的判断力。设计一个健壮的循环远比编写一段提示词要难，因为它要求你对工程意图有极度清晰的定义。
随着基础编码被自动化循环接管，工程师的价值将发生根本性漂移：从"代码产出者"转型为"意图设计师"与"真相验证者"。你可以利用循环跑得更快，但必须是为了更深入地理解系统，而不是为了逃避思考。
当你的系统学会了自我编写代码，你将如何重新定义自己作为"工程师"的价值？
构建循环，但要以架构师的身份主导其中。
**作者：**道一云低代码
**作者想说：**喜欢本文请点点关注~