工程能力依旧是拉开差距的最大变量, 一种是从0到1, 通过不断
行来解决知的问题, 一种是复用经典, 用知来不断纠正行的返工
ROI是必须考量的点, 只看能不能交付, 能看到暴力解满天飞, 以前一次开发后续几乎0边际成本, 现在还行么?
一、为什么现在关注
2026 年 6 月, Google Gemini 工程中台、Claude Code 生产分支、OpenAI 企业调度组同步上线原生 Loop 内核, AI 编程范式出现一次明显跳跃:
- Claude Code 负责人 Boris Cherny: "我的工作就是写循环" — 不再直接给 AI 下指令, 而是写好一个个 loop 让 loop 去驱动 AI
- Google 云 AI 总监 Addy Osmani: 想把 AI 真用明白, 比过去写提示词还难, 发力点从"写一句好提示词"挪到了"设计一个能自己转的系统"
- Qoder CLI 等工具已把 Loop 所需能力全部内置, 范式从概念走向开箱即用
对平台研发部而言, 命题已从"怎么让 Agent 写好这段代码"变成"怎么设计一个让 Agent 自主跑完整工作流的闭环系统"。
二、三年四代范式演进
四代工程不是版本替代, 而是 LLM 分布式系统自上而下的四层边界解耦: 下层做底座, 上层做调度, 上层 100% 依赖下层资产。
| 代次 | 定名时间 | 工程层 | 解决的瓶颈 | 核心构件 |
|---|---|---|---|---|
| Prompt Engineering | 2023 | 语义交互层 | 推理/格式/意图三大缺口 | 结构化指令、CoT、Few-shot、Schema 约束 |
| Context Engineering | 2025 | 外置知识供给层 | 信息错配型幻觉、长记忆缺失 | 分层向量索引、冷热记忆池、上下文动态裁剪 |
| Harness Engineering | 2026.02 | Agent 资源驾驭层 | 无约束执行体的生产级安全风险 | 隔离沙箱、Token 熔断、接口白名单、事务锁 |
| Loop Engineering | 2026.06 | 自主反馈调度层 | 人工运维是系统唯一稳态调节器 | 任务目标阈值、模型自评、自动择优、多级终止 |
演进主线: 逐层剥离四类人脑非标决策变量 — 人工语义修饰 → 人工数据整编 → 人工流程值守 → 人工结果验收。每一代都在把人从执行层往设计层抬。
三、工业实测对标
数据来源: 2026 Q2 北美 127 家企业 AI Agent 集群运维报表 + Anthropic 生产环境 7 天压测。
| 架构层级 | 人力运维成本 | 跨业务复用率 | 故障率 | Token 投产比 |
|---|---|---|---|---|
| 单层 Prompt | 100% | 18% | 57% | 1.0 |
| Prompt + Context | 62% | 41% | 29% | 0.81 |
| 三层叠加 + Harness | 71% | 73% | 8% | 0.76 |
| 四层闭环 + Loop | 9% | 92% | 1.2% | 0.42 |
两个关键读数:
- Harness 是必经过渡层: 它作为安全底座会小幅拉高日常值守成本(62%→71%), 但把故障率从 29% 压到 8%, 不可跳过
- Loop 的价值在削峰人力: 人力运维成本从 71% 断崖式降到 9%, 故障率降到 1.2%, 这是企业批量部署 Agent 的刚需收敛点
产业判断: 基座模型参数/算力扩容对真实业务产能提升仅贡献约 9%, 模型同质化红利枯竭; 上层工程架构贡献 91% 的产能与成本优化。工程能力, 而非模型, 成为 AI 企业护城河。
四、一个完整的 Loop 长什么样
Loop 的本质不是"自动", 而是"闭环"。定时跑任务只是开始。一个可用的 loop 由五块拼图 + 记忆机制构成, 对应六个必须回答的问题:
| 拼图 | 要回答的问题 | 工程含义 | Qoder CLI 对应 |
|---|---|---|---|
| 调度 | 谁把它叫醒? 什么时候停? | 定时/事件触发 + 目标退出条件 |
/loop、CronCreate、/goal
|
| 知识 | 怎么干活? | 项目规范沉淀为可复用执行手册 | Skills (.qoder/skills/) |
| 连接 | 能碰到哪些系统? | 行动半径超出代码仓库 | MCP Server (GitHub/Slack/DB) |
| 协作 | 谁来验收? | maker/checker 分离, 写和审是不同 agent | Subagent + /verify
|
| 记忆 | 昨天做到哪了? | 状态存在对话之外, 跨 session 累积 | 记忆系统、spec.md、git log |
关键设计原则:
- 执行与验证必须分离: agent 自己写完自己说"行吗", 答案大概率是"行" — 写代码的人不能给自己 review, 无人盯着的 loop 里这条更要紧, 一旦犯错会顺着 loop 越跑越远
- 模型会忘, 但仓库不会忘: 用 markdown / 看板 / spec.md 打勾作为跨轮次状态载体, 让每轮启动不再从零开始
- 并行必须隔离: 多 agent 同改一处文件会批量制造冲突, 代码场景用 worktree 给每个 agent 独立工作空间
五、成本与边界 — 放手的前提
Loop 不是无脑乐观方案, 把执行权交出去必然伴随代价。上 Loop 前必须想清三件事:
- 安全边界: 生产发布、支付逻辑、不可逆数据操作绝不能让 loop 自主决定, 设计时就划禁区, 跑到这里停下等人确认。没有边界的自主执行就是失控
- Token 成本: 30 分钟间隔的 loop 一天跑 48 轮, 复杂任务每轮几万 token。挂 loop 前先算术: 单轮 token × 预期轮次 × 天数。任务不值得反复跑、没有稳定反馈, 就别勉强挂 loop
- 理解债: agent 跑得越快越容易跟不上它改了什么; loop 写了 500 行你不读, 出问题也定位不了。定期抽查产出、读 diff、验证结果是必要纪律
用与不用的判据 — 三个条件全满足再上 Loop, 否则直接 prompt:
- 任务有重复节奏或明确终点
- 退出条件可以自动验证
- 人在中间是瓶颈
六、对平台研发部的落地启示
-
先补 Harness 地基, 再谈 Loop: 工业数据显示 Harness 是无法跳过的安全过渡层。我们已有的
harness-engineering-2026沉淀是上 Loop 的前置条件, 不要直接追逐 Loop 概念而跳过约束基建 -
知识是真正的护城河: 对照
harness-knowledge-moat-2026— Harness/Loop 是容器, 沉淀在 Skills 里的项目知识(怎么构建、哪些目录别碰、踩过哪些坑)才是复用价值来源。优先投入团队 Skill 体系建设 -
本仓库已在实践 Loop 状态机制: 知识库的 spec.md 打勾、todo.md、git log 已天然充当跨 session 状态载体, 是 Goal-Driven 推进的现成范本(见
agent-goal-driven) - 人才需求刚性迁移: 纯执行型岗位(Prompt 调优专员、RAG 运维、Agent 值守)价值收缩, 价值溢价转向四层工程统筹架构师、Loop 阈值建模、容器风控、跨层调度规则设计
- 落地切入点: 从有天然反馈的代码场景起步(测试过没过、程序跑不跑、日志报不报错可直接验证), 先做 CI 守夜人 / 巡检日报这类"有固定节奏 + 退出条件明确 + 人是瓶颈"的 loop, 再向业务工作流扩展
