返回AI 入门教程
AI 入门教程
Loop Engineering 完全指南：AI 编程的下一个范式
阅读时间：10 分钟
🔥 2026 年中硅谷 AI 圈最火概念。Claude Code 负责人和 OpenAI 大佬同声：「让 Agent 给自己写 Prompt」——这就是 Loop Engineering。
一句话理解
以前你手动给 AI 发指令→AI 回复→你再发→再回复……像开手动挡车，每一步都得自己操作。
Loop Engineering：你设定目标和停止条件，系统自动循环——发指令、检查输出、记录进度、决定下一步——直到目标达成。像自动驾驶，你只需要设定目的地。
🔧 手动挡
Prompt Engineering
你→AI→你→AI→你→AI
每一步都要你操作
🚗 自动驾驶
Loop Engineering
你设目标→系统自动循环
→检查→继续或停止
Loop 的 3 大核心要素
🎯 1. 明确的目标和停止条件
必须是可验证的，不能模糊。✅「所有测试通过且 lint 零报错」❌「把代码改好一点」
🔄 2. 反馈闭环
每轮循环结束后自动检查结果→通过继续/失败重试/达成停止。像自动驾驶的传感器。
📝 3. 状态记忆
用外部文件（PROGRESS.md）记录进度。中断重启不丢上下文。做到哪了、下一步做什么——一清二楚。
5 个模块 + 1 个记忆层
⏰ 自动调度
Loop 的心跳。按时间或事件自动触发。每天早上 7 点自动扫 CI 失败。
📁 工作隔离
多个 Agent 并行时互不干扰。各自在独立 Worktree 里干活。
📋 技能沉淀
项目知识写成 SKILL.md。一次写好，每次循环复用。
🔌 工具连接
通过 MCP 连接 Issue 系统、数据库、Slack——自动读写外部数据。
🤝 子代理互审
写代码的和检查代码的分开。避免「自己写的代码自己审」的盲区。
🧠 状态记忆
PROGRESS.md 持久化。断电重启不丢进度，Loop 知道从哪继续。
怎么在 Codex 中使用
方式一：/目标 命令
在 Codex 输入 /目标 将所有测试覆盖率提升到 80% 以上。逐个文件添加单元测试，每完成一个文件运行一次测试验证。 AI 会自动循环直到目标达成。
方式二：Automations 定时自动化
Codex 左侧自动化面板→新建→填提示词→设频率→创建。时间一到自动开对话执行。适合：每天早报、定期安全检查、定时代码扫描。
⚠️ 注意事项
⚠️ Token 消耗大：每轮都是完整 AI 调用，设好熔断上限
⚠️ 调试困难：Loop 跑偏后难定位，让 AI 每轮写日志
⚠️ 可能过度修改：约束不够紧时 AI 会「加戏」，设循环次数上限
⚠️ 不要盲目信任：即使自动运行，仍需人工抽查输出质量