"排斥"听着有点敌对，其实没那么夸张。Loop 干的事很具体：把你从循环里"手动推一步"的人，换成"设计循环规则"的人------不是不要你，是不要你动手。下面从一条真实推文讲起。
前几天在 X 上，OpenClaw 的创始人 Peter Steinberger（@steipete）发了条推文，就两句话：
"Here's your monthly reminder that you shouldn't be prompting coding agents anymore. You should be designing loops that prompt your agents."
（翻译：每月提醒你一次------别再给编程 Agent 写提示词了，该去设计循环，让循环来提示你的 Agent。）
650 万浏览量。底下吵成一片------有人求详解，有人质疑成本，有人争论这跟之前的 ralph/goal loop 到底有什么不同。
吵归吵，方向是那个方向。黄仁勋在 GTC 上说得更直接------Prompt 已经过时了，Loop 才是新范式。Boris Cherny 更夸张，他去年就把 IDE 卸了，现在几百个小 Agent 并行跑，代码全是 Claude Code 写的，大部分是在手机上完成的。
我一开始也觉得这是营销话术。但用了一段时间 Claude Code 的 /goal 之后，感受是：这东西跟之前用 AI 写代码的体验，不是量的区别，是模式的区别。
人从循环里退出来
以前用 AI 写代码是什么体验？你写 Prompt，模型吐代码，你 Review，不满意再改、再问。整件事的节奏是------AI 动一步，你推一步。你始终是那个循环里的驱动轴。
Loop 干的事，说穿了就一件：把驱动轴换成发条。
你定目标，AI 自己跑。跑完自己验，验不过自己修，修完再跑。直到通过，或者预算烧完。你的角色从"传话人"变成了"验收人"------甚至验收人也可以再包一层 Loop 让另一个模型当。
第一次用 /goal 的时候，我盯着终端看了十分钟，发现它真的在反复迭代------写一个函数、跑测试、失败、自动读报错、修、再跑------这十分钟里我没碰一下键盘。那种感觉很奇怪，像把自己的工作外包给了一个效率极高的同事，而你在旁边喝茶。不是偷懒的爽，是一种控制感被突然抽走的慌。
为什么偏偏是现在
学术上 Loop 不是新东西。姚顺雨 2022 年的 ReAct 论文，就是"思考→行动→观察→再思考"的循环。为什么今年才在工业界炸？
一句话：工具终于把这件事包起来了。
一年前你想搞套 Loop，得自己搭------Bash 脚本做触发器，cron 做调度，文件系统做状态管理，沙箱做隔离。写出来能用，但每个环节都是手工做的，维护成本高得离谱。
现在呢？Claude Code 里三句命令：
/loop--- 定时反复跑/goal--- 跑到验收条件满足才停/schedule--- 云端跑，合上电脑也继续
OpenAI Codex 走了另一条路------多 Agent 并行，最多 8 个同时在云端沙箱里干活，汇总结果。两个产品的实现路径看着不一样，但长出来的形态出奇地相似：拆碎、并行、汇总。公开评测也咬得很紧。
这说明什么？模型本身已经卷不出太大差距了，真正的差异在上层------你怎么编排、怎么分派、怎么验收。
控制粒度一直在上移
拉回来看，AI 编程这三年经历的不是一次突变，而是一步步往上走：
回到 2023 年，大家都在研究怎么写 Prompt，一句话的措辞能决定输出质量天上地下。那是 Prompt Engineering 的时代。
然后发现，光把话问对还不够，更重要的是给模型看到什么信息。你把代码库上下文塞进去，把报错日志贴进去，把相关文档喂进去------信息量决定回答质量。这就从"问法"变成了"喂法"。这是 Context Engineering。
再往后，发现光给信息也到瓶颈了。模型需要的是一个能干活的环境------能读写文件、能调 Shell、能装依赖、能被约束边界。你搭一个沙箱，给一套工具，设一道围栏。这就是 Harness Engineering------搭系统，不是写指令。
现在是什么？你搭好了环境、配好了工具、写好了上下文------但你还在那守着。Loop 做的，就是把最后一个需要你守在旁边的环节也自动化了。
控制粒度一直在上移。你从写每句话的人，变成提供信息的人，变成搭系统的人，最后变成设计规则的人。越往上，你的时间越值钱，你跟代码的物理接触越少。
这听起来像进步，但它也意味着你对代码库的"触感"在消失。
怎么用起来：写字和判分不能是同一个人
实操层面，Loop 设计里有一条原则性是最高的：写的和验的必须分开。
Claude Code 的 /goal 里，写代码的是大模型（Sonnet/Opus），跑验收的是小模型（Haiku）。两个模型各司其职，验的那个看不到写的那个的推理过程。
为什么这么设计？因为模型给自己的代码打分------手太松了。 你会经常看到它说"looks good"，但换一个独立模型跑一遍，能挑出一堆问题。这跟人一样，刚写出来的东西怎么看怎么顺眼。必须换一双眼睛。
这也解释了为什么把 Loop 跑稳没那么容易。最小可行的 Loop 至少需要四个东西：一个触发器让它知道什么时候跑，一份上下文让它不用每次重新解释，一个状态文件让它记住上一轮发生了什么，一个门禁让它能在坏代码提交之前拦住。这四个缺一个，Loop 大概率烂在生产环境里。
说到这里我补一句------别上来就定时。 先手动跑通，写成 Skill，再包进 Loop，最后才上 schedule。跳步是 Loop 翻车最主要的原因。我亲眼见过有人直接上 cron，结果 Loop 在凌晨三点把 main 分支搞崩了，第二天全员修了一天。
真正的问题不是技术
Loop 做到后面，技术问题会退到次要位置。两个真正扎心的问题会浮上来。
第一个是钱。 一次 API 调用看起来不贵，但 Loop 是反复调的。有人算过：一分钟触发一次、跑八小时，480 次调用。你挂着跑一个周末试试。Boris 和 Peter 背后都有公司托底，Token 预算接近无限。普通人没这个条件。Claude Code 已经加了限制------最小间隔 1 分钟、最长跑 3 天、自动停------不是为了体验，是为了防止你收到账单吓一跳。
第二个，更深层。 Google 的 Addy Osmani 提过一个概念叫"认知投降"------当 Loop 跑得越来越顺，你很容易停止思考。长期下来你可能失去独立判断的能力。不是开玩笑，不是科幻。某个系统在跑，跑的很稳，你就懒得看它的 Diff 了。等它真的出事，你打开代码库一看------这是谁写的？ 你发现没有人读过。
他把话说的很直接：Loop 能是解药也能是加速器。区别在于你用它的时候，脑子还在不在转。
位置变了
回头看这三年，你一直在循环里，整个系统以你为轴心转动。
Loop 做的，是把你从轴心的位置移出去了。 不是开除你，是给你换了个岗位。以前你是司机，现在你是导航。
能自己写出多漂亮的代码，不重要了。重要的是你什么时候该往哪走、怎么定义"走到"了、怎么验收"走对了"。技术从瓶颈变成了管道，判断力才是那个漏斗。
前提当然是模型得继续变强，这个不是我们能控制的。好在从今年上半年看，进展没慢------GPT-5.5、Claude 5、GLM-5.2、DeepSeek V4 半年全换了一代，而且奇怪的是，每一代在 Agent 能力上的提升比在 benchmark 上的提升直观得多。
模型越强，Loop 越顺，人退得越远。你说这是好事还是坏事？我觉得得分人。对还在写每行代码的人来说可能是灾难。对已经站到规则层的人来说，这就是杠杆。
我们现在可能就站在这个分界点上。
配图风格参考 Ian 小黑怪诞正文配图