一、Loop 的完整来路从一行 Bash 到一条产品指令Loop 的源头不在大厂实验室而在一个工程师的土办法里。2025 年 7 月Geoffrey Huntley 提出被称为Ralph的方法一个朴素到极点的 Bash 循环while :; do cat PROMPT.md | claude-code ; done当时上下文窗口的上限只有 20 万 Token复杂任务根本塞不下。Ralph 的解法堪称暴力美学把任务拆小让 Agent 反复跑直到目标达成。它的四个核心机制至今仍是循环工程的底层设计目标驱动设定目标后持续重跑 Agent不达成不停止状态外置把已完成的工作以压缩形式持久化到文件系统日志、更新后的计划而不是塞进上下文对抗上下文腐化每一轮用全新上下文启动 Agent脏记忆不进下一轮计划可演化允许 Agent 在必要时修改总体计划本身。Huntley 用这个方法从零构建了一门编程语言。但真正让 Loop 破圈的是两位关键人物的背书。Claude Code 创造者 Boris Cherny 在 Anthropic 开发者大会上直言我现在已经不再提示 Claude 了。我运行的是一些循环由这些循环去提示 Claude并判断接下来该做什么。我的工作是编写循环。前 Google 工程师 Addy Osmani 随后撰文《Loop Engineering》一句话概括循环工程就是让自己退出亲自提示 Agent 的位置转而设计一个替你完成这件事的系统。概念有了名字有了基础设施立刻跟进。2026 年 4 到 5 月Codex、Claude Code、Hermes 相继推出 /goal 命令把手工编写的循环产品化为一条指令。Codex 文档里有一句精准的区分普通提示词表达的是接下来做这件事。Goal 表达的是继续工作直到这个结果成立。一个足够清晰的 Goal 长这样在保证正确性测试套件始终通过的前提下将结账基准测试中的 p95 延迟降低到 120 毫秒以下。有完成条件、有验证方式、有必须守住的约束。交给 Agent 后它自行拆分任务、创建子 Agent、持续运行直到证据说完成了。从 Prompt 到 Goal本质是把一次性请求升级为可审计的持久目标。二、开发者拿 Loop 干什么从夜间巡逻到把派放进烤箱社区反馈中最高频的场景是周期性工作夜间运行啃一块技术债务早上把审查报告放在你桌上每周大跑对系统做一轮更大规模的改进。但真正体现循环工程价值的是那些传统项目管理方式扛不动的长期任务。创业者 Rafel Mendiola 的案例很典型他要把一个 React 应用迁移成 React Native。传统做法是建一个巨型 Epic拆出 50 到 100 张工单光搭管理框架就让人望而却步。他的替代方案创建一个 Skill让 Agent 自己识别可迁移的代码块、完成转换、追踪进度然后把它挂进每 30 分钟运行一次的 Cron 定时任务里。他的总结颇有画面感与管理一份庞大的迁移计划相比这种方式在认知上轻松得多。现在做工程就像把派放进烤箱。这句话值得细品Loop 把管理任务的认知负担换成了设计循环的一次性投入。设定好温度和时间剩下的交给烤箱。三、为什么 Loop 还不够容错性恰恰是它的天花板既然循环这么好用Peter 为什么还要踢馆讨论串里最精彩的一击来自 Luis Catacora循环有很大的容错空间。图会迫使你承认工作流中还有多少部分根本没有被真正建模。这句话戳中了两种范式的根本差异循环是延期决策 先让一个 Agent 包揽所有工作跑不下去再说架构设计可以往后拖图是提前决策 你必须 upfront 声明整个结构谁负责什么、任务间如何依赖、某个分支失败后怎么办。循环的容错性允许你糊弄过去图的显式结构把所有没想过暴露无遗。这不是工具的更替而是工程成熟度的分水岭。四、双图架构生产级多 Agent 系统的关键一跃那么 Graph 到底是什么Google 高级 AI 产品经理、Awesome LLM Apps 作者GitHub 12.4 万星Shubham Saboo 给出了被引用最多的拆解Loop 让 Agent 的行为变得可编程。Graph 让 Agent 的组织变得可编程。再往前一步是动态 Agent 组织任务执行过程中图会自行改写自身结构。Preston Holmes 进一步点破实际上有两张图在同时运行。第一张组织图Org Graph定义谁负责什么。由长期存在的 Agent 组成每个 Agent 守一个固定领域像区域联防。它保留该领域的上下文、专业能力和工具权限结构相对稳定类比公司的组织架构。第二张工作图Work Graph定义现在要做什么。随任务和新证据实时变化可以拆分、合并、重新排序甚至直接消失类比实时生成的项目计划。两张图运行在不同的时间尺度上组织图预先设计、长期部署工作图按任务动态生成、用完即弃。这个双层结构恰恰是熟悉企业运作的人最容易理解的组织架构是稳态项目排兵是动态。Agent 系统正在复刻人类组织几百年来验证过的管理结构。五、结语能力重心的持续上移回看这条演进链写好 Prompt与单个 Agent 对话→ 设计 Loop让系统替你对话→ 构建 Graph设计 Agent 之间的协作结构三年三级跳每一步都在把开发者往上推一层从怎么说话到怎么设计循环再到怎么设计组织。对企业落地而言这条路径的启示很直接如果你的团队还在人肉提示 AgentLoop 是当下的必修课先把周期性、可验证的工作交给循环如果你已经在跑循环要开始审视哪些工作流其实从未被真正建模那些Agent 跑不动就人工兜底的环节就是图要显式化的地方组织图的设计能力会成为企业 AI 架构师的核心竞争力它和设计人类组织架构是同构的功夫定边界、定权责、定上下文归属。循环时代没有终结它只是变成了图的子结构。就像 Prompt 没有死它只是变成了 Loop 的输入。真正的问题只剩下一个你的 Agent 组织图画出来了吗学习资源推荐如果你想更深入地学习大模型以下是一些非常有价值的学习资源这些资源将帮助你从不同角度学习大模型提升你的实践能力。一、全套AGI大模型学习路线AI大模型时代的学习之旅从基础到前沿掌握人工智能的核心技能​因篇幅有限仅展示部分资料需要点击文章最下方名片即可前往获取二、640套AI大模型报告合集这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示​因篇幅有限仅展示部分资料需要点击文章最下方名片即可前往获取三、AI大模型经典PDF籍随着人工智能技术的飞速发展AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型如GPT-3、BERT、XLNet等以其强大的语言理解和生成能力正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。因篇幅有限仅展示部分资料需要点击文章最下方名片即可前往获取四、AI大模型商业化落地方案作为普通人入局大模型时代需要持续学习和实践不断提高自己的技能和认知水平同时也需要有责任感和伦理意识为人工智能的健康发展贡献力量。