大家好，AI圈又来新名词了Loop Engineering

最早是6月初的时候国外3个牛人分别提到了这个概念，卡兹克、Datawhale也分别发了推文来介绍

今天这篇文章手把手带你跑通第一个Loop Engineering。

文章分为三部分：

第一部分创建一个Loop实例

第二部分一个可以创建Loop的Skill

第三部分Loop Engineering介绍

相关概念在文末介绍，如果还不知道Loop Engineering可以查看

第一部分：从零搭建你的第一个 Loop（全流程实操）

"

我用的平台是 QwenPaw（因为它支持免费的模型，同时支持子Agent模式），对于Loop的开始阶段很合适，因为不用花费tokens.你可以使用其他的agent工具。

建一个「每日智能晨报 Loop」：

• • 每天工作日早上9点定时触发

• • 抓取当天技术新闻

• • 整理成结构化晨报

• • 保存到本地存档

• • 更新运行状态，让下一次运行知道「上次做到哪了」

第一步：理解 Skill 和 Loop 的区别

这是很多人最困惑的地方，我刚接触这个概念的时候也是。

	Skill	Loop
触发方式	你手动说「帮我做 XXX」	自动触发
状态记忆	每次从零开始	有 STATE.md 记住历史
执行模式	一锤子买卖	循环迭代
自我验证	你来检查	内置验证步骤
停止条件	你喊停	自己知道何时停、何时继续

Skill 是 Loop 的心脏，但 Loop 是一整套循环系统。

在创建Loop之前，我们的第一步，还是先写好 Skill（定义「怎么做」），再用外部机制把它变成 Loop（定义「怎么让它自动转」）。这只是我总结的方法，如果各位大神有更好的方法，求教~~~

第二步：创建 Skill 文件

这是 Loop 的「行为手册」。Agent 被触发后，就读这个文件来执行。这个skill可以让Agent自己创建再修改。

第三步：创建状态文件（记忆体）

这是 Loop 的「工作记忆」。每次跑完都要更新，下次跑之前先读。

文件路径：loop/STATE.md

第四步：创建配置文件（停止条件和失败处理）

告诉 Loop：什么时候停，失败了怎么办。

文件路径：loop/CONFIG.md

第五步：启用 Skill

直接和你的Agent说“使用morning_briefing技能获取晨报”

在运行完成后，STATE.md的状态也改变为最新的记录

第六步：设置自动化（最后一步）

手动跑通了之后，最后一步就是设置定时任务。在 QwenPaw 中用 cron 实现：

image.png

这条命令的意思是：每个工作日 09:00，自动触发 Agent 执行 mornng_briefing Skill。

第二部分：使用Loop_Engineering技能创建Loop工程

Loop的创建目前还没有大厂或者官方给出明确的标准，但是写Loop Engineering个人感觉比Skill会麻烦，所以我创建了一个Skill用于软件开发方面的Loop创建使用

触发条件

直接说：

帮我创建 LOOP；

做一个 Loop Engineering 任务；

我想用 LOOP 修这个 bug

使用过程

上面显示5-10分钟，实际没有这么长时间

在运行后会一步一步询问，一共7个问题，回答完成后就开始Loop的创建了

开始.png

中间过程.png

开始生成Loop文件.png

最后的交付物

技能运行完成后，你会得到5个文件，如下图

交付物.png

这里的PROMPT.MD是启动任务的提示词，也可以把它改为skill的方式，这样使用起来更方便。

.bat文件没有太多用途，是为了方便复制提示词使用的，可以删除。

Skill我已经发布在魔搭社区，欢迎下载体验

https://modelscope.cn/skills/ benben2paopao/loop_engineering

第三部分：Loop Engineering 到底在讲什么

一、AI 工程的四次跃迁

过去两年，AI 开发者的关注点经历了四次跃迁：

Prompt → Context → Harness → Loop

阶段	核心问题	你的角色
Prompt Engineering	怎么把指令写清楚	提问者
Context Engineering	给 AI 什么背景信息	信息组织者
Harness Engineering	怎么组织 AI 的能力	系统设计者
Loop Engineering	怎么让 AI 持续产出结果	规则制定者

关键认知：提示词并没有过时，它只是从一个完整的「解决方案」变成了一个「零件」。真正的系统，是让这些零件自动组装、自动运行、自动验证的那个循环。

二、用一句话说清 Loop

"

Loop Engineering，就是你不再亲自一轮一轮指挥 Agent，而是把「发现问题 → 执行 → 检查 → 记录 → 继续/停止」这条链路，做成一个能自动运转的小系统。

重点不在「自动」，在「闭环」。

定时任务只是开始。一个真正能用的 Loop，至少得回答这六个问题：

三、六大构成要素

1️⃣ 自动触发器 —— 谁来叫醒它？

不会自己启动的，不叫 Loop，只能算「你手动点了一次」。触发方式可以是定时、事件、或条件达成。

2️⃣ 并行隔离 —— 多个 Agent 一起干活怎么办？

只要并行，就会发生文件冲突。解决方案是 Worktree——给每个 Agent 独立的工作空间，各改各的，最后再合并。

3️⃣ 技能文件 —— AI 怎么知道你们怎么干活？

模型每次对话都容易变回「不熟悉你项目的新同事」。Skill 文件把项目规范、构建步骤、踩过的坑写在外面，Agent 每次加载，不用从零猜。

4️⃣ 连接器 —— 它能不能碰到外部系统？

只能看本地文件的 Agent 还是半封闭的。通过 MCP 协议连接 GitHub、数据库、Slack，才能从「说」变成「做」。

5️⃣ 子 Agent —— 谁来检查结果？

写代码的人别给自己 review。一个独立的验证 Agent（有时用更强模型）负责挑错，这叫 Maker-Checker 模式。

6️⃣ 持久记忆 —— 它怎么记住昨天做到哪了？

模型会忘，但文件不会。一个简单的 Markdown 文件，记下每轮运行的状态、结果、下一步计划——这就是 Loop 的「记忆体」。

四、Loop 的核心循环

一个完整的 Loop 跑起来是五个阶段首尾相连：

意图（定义目标）
    ↓
上下文（收集信息）
    ↓
行动（执行任务）
    ↓
观察（检查结果）
    ↓
调整（更新计划，继续或停止）

Loop 的力量不在于任何单独的步骤，而在于闭环。测试失败不只是一条错误消息，它是新的上下文；类型错误不只是阻断，它是一个关于错误假设的信号。

五、三大风险（没人告诉你的部分）

Addy 原文没有把 Loop Engineering 讲成一个无脑乐观的方案：

1. 验证仍然是你的责任。 AI 说「完成了」，不等于真没问题。无人值守的 Loop，也是无人值守地制造错误的 Loop。

2. 理解债积累更快。 Loop 产出结果的速度越快，你实际理解的比例就越低。唯一的解药是读 Loop 产出的代码。

3. 认知投降最隐蔽。 当 Loop 自动运转时，接受它返回的任何结果是最舒适的选择。两个人可以构建完全相同的 Loop，却得到截然相反的结果——一个用它更快推进，另一个用它回避理解工作本身。**Loop 不知道区别。你知道。

写在最后

Loop Engineering 听起来很高大上，但我感觉实际落地的东西还是以前那些，只是想自动化更近了一步，重要的是为什么那些大佬能想到呢？

1. 1. 一个 Skill 文件（定义怎么做）

2. 2. 一个状态文件（记住做到哪了）

3. 3. 一个定时触发器（让它自己跑起来）

4. 4. 等

剩下的就是观察、调整、迭代。

我记得 Addy 原文里有一句话特别触动我：

"

两个人可以构建完全相同的 Loop，却得到截然相反的结果。一个用它在深度理解的基础上更快推进，另一个用它来回避理解工作本身。Loop 不知道区别。你知道。

技术从来不是瓶颈。你用它的方式，才是。

---

如果你也在尝试搭建自己的第一个 Loop，欢迎交流。有错误的地方欢迎指正，勿喷~~~

这类实操类的文章我每周都会发，关注笨笨聊AI

觉得有用的话，记得点赞、在看、转发给需要的同事朋友