一句话：所谓 Loop Engineering，其实是把组织管理的老规律，用 AI 时代的新语言重新说了一遍。
又一个新词，但说的好像是件老事
AI 圈造词的速度真的快。前两年大家还在背 Prompt Engineering 的技巧，刚把思维链、少样本、角色扮演练熟，转眼 Context Engineering 就来了，重点从怎么写提示词变成了怎么往上下文里塞对的东西。Context 还没玩明白，Harness 智能体执行环境又成了高频词，大家开始研究怎么给 Agent 配工具、配权限。Harness 还没普及完，最近又冒出来一个 Loop Engineering 循环工程。
而且这次不是个别人在说，几乎是 AI 第一线的几路大佬同时在提。Claude Code 的负责人 Boris Cherny 说自己已经不再写 Prompt，而是写 Loop。Andrej Karpathy 反复强调你必须把自己从 Loop 的执行过程中移出去。Google AI 总监 Addy Osmani 给出了那句被广为引用的定义，Loop Engineering is replacing yourself as the person who prompts the agent. You design the system that does it instead.
但我仔细想想看，这些概念没一个是真正新的。Prompt Engineering 是怎么把话讲清楚，Context Engineering 是该让对方掌握哪些背景再开干，Harness 是配上对的工具和权限边界，Loop Engineering 则是把整套验收闭环写清楚，让对方自己跑下去。一一对应过去，正好是一家成熟组织对人做的四件事，讲清需求、交代背景、授权工具、定下验收。
之所以现在被反复重提，而不是三年前或者三年后，我想是因为大模型的能力终于到了一个临界点。很多原本只能由人完成的理解、执行、自检环节，可以被一段 Loop 接管了。这反过来让我们能更清楚地看见，过去只对人有意义的那套组织原则，到底长什么样的骨架。
Loop 的本质：把人从"按继续按钮"里挪出去
要理解 Loop Engineering，先把底下的 Agent Loop 拆开看。
大模型本身是无状态的，输入一段话、输出一段话。要让它持续干活，就得把模型输出、工具调用、工具结果回喂模型串成一个循环。模型要么吐出回复终止流程，要么吐出一次工具调用触发下一轮。ReAct、Ralph Loop 这些花样都是它的变种。这一层是基础设施，几乎所有主流 Agent 工具，Claude Code、Codex、Cursor、Cline 背后跑的都是它，没什么再单独强调的必要。
Loop Engineering 真正讨论的，是构建在 Agent 之上更高一层的循环。 Addy Osmani 把它拆成六个核心组件。
| 组件 | 一句话作用 |
|---|---|
| Automations | 给 Loop 加触发器，人工或 Cron，让它从跑一次变成循环跑 |
| Worktrees | 多 Agent 并行时各占独立分支，彼此修改互不污染 |
| Skills | 沉淀每轮经验为可复用能力包，让 Agent 越跑越聪明 |
| Connectors | 通过 MCP 等协议接入外部 API，给 Agent 装上"手" |
| Sub Agents | 动态生成专职分身，开发归开发、验收归验收，避免自检即合格 |
| State | 用 AGENTS.md、看板记录哪些事做完了，避免 Agent 失忆乱跑 |
把这六件事拼起来，得到的是一条可循环的流水线。人提一次需求加一套验收标准，Agent 自己跑开发、验证、反馈、调优，跑到达标为止。
从写代码到 Vibe Coding，是从写代码到提需求的跃迁。从 Vibe Coding 到 Loop Engineering，则是从提一个需求到提一套闭环的跃迁。这就是 Loop Engineering 真正的价值所在，它把人从一遍遍按继续按钮的角色里挪了出来。
Agent 和组织，在解同一道题
把视角拉回组织。一家公司从老板拍需求、员工执行、老板验收、员工返工的人工驱动模式，演进到一台自我运转的机器，本质上和 Agent Loop 走的是同一条路。把六个组件挨个映射过来。
| Agent Loop 组件 | 组织里的对应物 | 类比释义 |
|---|---|---|
| Automations | OKR、周会、双月复盘、排期机制 | 给业务循环装上节拍器，不靠老板催就能定期推进 |
| Worktrees | 项目组、特性团队、小分队 | 不同小组在自己的"分支"上独立推进，最后合并到主干 |
| Skills | SOP、Wiki、复盘文档 | 每次项目沉淀方法论，下次不再踩同一个坑 |
| Connectors | 跨部门接口人、系统集成、外部供应商 | 让团队"伸手"触达外部资源，不困在自己的小圈子 |
| Sub Agents | 专业岗位分工加独立 QA、风控 | 开发自己写、QA 独立验，不能既当运动员又当裁判员 |
| State | Jira、飞书、Notion、看板、周报 | 让组织里每个人都知道哪些事已经做完了 |
这个对照说明一件事：Agent Loop 解决的"怎么让一个智能体自动跑起来不靠人催"，和组织管理解决的"怎么让一群人自动跑起来不靠老板催"，本质上是同一道题。
Loop Engineering 最重要的那条告诫，如果开头没把需求写清楚、没把验证逻辑定义明白，Loop 很可能从一开始就跑偏了。在组织里有一个一模一样的版本，OKR 写得不准，半年的工作量就白烧了。模型烧的是 token，组织烧的是人月，本质上烧的都是钱。
所以"AI Native 组织"不该被理解成公司去做 AI 业务。做不做 AI 是业务问题，是不是 AI Native 是运作方式问题。 一家做家装的、做零售的、做制造的公司，照样可以是 AI Native，只要它的组织本身按 Loop Engineering 的范式重新设计过。Andrej Karpathy 那句把自己从 Loop 中移出去，翻译到组织语境里就是管理学里那句老生常谈，好的管理者要让自己变得不那么不可替代。
如果这个类比成立，组织会发生什么变化？
有趣的是，把 Loop Engineering 的六件套套进组织里，我看到一些正在发生的变化。不是应该变成什么样，而是很多公司已经在往这个方向走了。
结构：从"人管人"到"人设计 Loop，Loop 管人"
传统科层制里，中间层最大的价值是上传下达加信息过滤。但 Loop Engineering 里没有这个角色，有的是主 Agent 出题、Sub Agent 执行、独立验收 Agent 把关。
我观察到的现象是，那些原来靠传话存在的岗位，存在感确实在变弱。但取而代之的不一定是裁员，而更像是角色转变。留下来的中层更像编排者，不一定是发号施令，而是设计循环、定义接口、维护状态。
信息：散落在人脑子里的状态，终会被写进系统
Agent Loop 里的 State 组件很简单，把哪些事做完了写到所有 Agent 都能读到的地方。但在组织里，这件事长期靠开会同步加抄送邮件在做，效率低，还容易丢。
我觉得 AI Native 组织的信息传递会有三个变化。
- 状态从推到拉，不再需要人主动汇报，而是写进可被订阅的系统，谁需要谁去查
- 信息从对话到结构化，周报、纪要这些半结构化文本，会被结构化数据加 AI 摘要替代
- 会议从广播到仲裁，常规进度同步全部异步化，会议只在 Loop 跑偏需要人介入时才开
一个有意思的判断标准，看一段具体业务，能不能被描述成一个有明确输入、明确验收、明确状态机的 Loop。并且这个 Loop 里至少一半的执行步骤，可以在不改流程的前提下，由人换成 AI、或由 AI 换回人。能，说明状态机搭好了。不能，说明状态还散落在人脑子里，少了某个具体的人，整段流程就转不动。
分工：从"做事的人"到"设计怎么让事被做的人"
Loop Engineering 最打动我的一点是，它把人的注意力从自己在循环里反复做事，挪到了在循环之外设计循环。
映射到组织里，我觉得未来的分工大概会是这四类。
- Loop 设计者，把业务问题翻译成可被人加 AI 自动跑通的闭环。这类人像产品经理加架构师加项目经理的合体，需求量不大但价值极高。
- Skill 沉淀者，把每轮 Loop 的经验沉淀成可复用的能力包，SOP、提示词模板、内部 AI 指令集，让组织越跑越聪明。
- 边界守护者，独立的验收、合规、伦理、安全把关人。AI 跑得越快，这类岗位反而越重要。一旦 Loop 跑歪，破坏扩散的速度也比人手工快几个数量级。
- 执行者，在 Loop 还没成熟时仍然要亲自下场，但做事姿势变成两件事并行。一边用 AI 把活干得更快，一边把卡点、判断依据、坑反馈出来，让自己这段劳动逐步被工具化。
至于那些纯重复、验收标准明确的工序，写周报、整理数据、跟常规流程，我猜会沿着先 SOP 化、再 Loop 化、最后 AI 接管的路径慢慢退场。
这不是简单的谁被替代的问题。我看到的是，原来在这些工序上的人，要么升维去做上面三类角色，要么转去做 AI 暂时还做不好的事，客户关系、跨组织协作、长期判断、创造性工作。
回到最开始的问题
写到这里，我再回头看文章开头的那句话，所谓 Loop Engineering，其实是把组织管理的老规律，用 AI 时代的新语言重新说了一遍。我觉得还可以再加一句。
其实我想说的是：AI 领域所有工程化的方法论，追根溯源，都是对人类协作方式的拙劣模仿。
Prompt Engineering 是模仿怎么把话讲清楚，Context Engineering 是模仿该让对方掌握哪些背景再开干，Harness 是模仿配上对的工具和权限边界，Loop Engineering 是模仿把整套验收闭环写清楚，让对方自己跑下去。
不是 AI 发明了什么新东西，而是 AI 把这些东西用一种很笨拙、很机械的方式重新做了一遍。但恰恰是这种笨拙，让我们看清了原来那些习以为常的组织原则，到底长什么样的骨架……
参考资料
- 飞樰，Loop Engineering 概念解析、思考与实践剪藏 [[2026-06-18 Loop Engineering 概念解析、思考与实践]]
- Addy Osmani，Loop Engineering
- The AI Corner，Loop Engineering: Build Self-Running Coding Agents 2026
