Loop Engineering 实战笔记:让 Agent 自己发现、执行和复盘
Loop Engineering 的核心,不是把 prompt 写得更漂亮,而是把一次次人工驱动的 Agent 调用,设计成能持续运转的工程循环。
Loop Engineering 讨论的是一个很具体的问题:
当 Agent 已经能读仓库、跑命令、开 PR、查 CI、调用工具之后,怎样让这些能力在一个可控的循环里持续发生。
过去我们更多是在做单次调用:给 Agent 一个任务,等它执行,拿到结果,再由人决定下一步。
Loop Engineering 要把“下一步”也纳入系统设计。
谁来发现任务,谁来交给 Agent,谁来判断结果,状态写到哪里,下一轮怎么启动,失败时在哪里停下来。
这些问题设计清楚后,Agent 才可能从“一次回答”,变成一套可以反复运行、留下证据、接受审计的工作流。
这篇文章只讨论一件事:
Loop Engineering 到底是什么,它怎么转起来,工程师应该怎么开始。
01 它先解决什么问题
先不急着接受一个新名词。
只看今天使用 Agent 的真实断点,会发现问题通常不在“模型不会写”,而在这三处。
第一,启动靠人。
CI 挂了、issue 新增了、PR 卡住了,Agent 本身不会自动知道“现在该处理这件事”。只要人没把任务喂进去,链条就停在原地。
第二,接力靠记忆。
这轮分析过什么、哪些问题被跳过、哪个任务需要明天继续,如果只留在对话窗口里,下一轮就会失忆。
第三,放行靠自觉。
Agent 很容易说“已完成”,但完成到底依据什么测试、日志、截图或审查结果,如果没有独立检查,就只是一次自我确认。
Loop Engineering 解决的不是“怎么让一句 prompt 更聪明”,而是把这三个断点系统化:
自动发现任务,跨轮保存状态,用独立评判器决定能不能进入下一步。
你设计的对象,从 Agent 的一次回答,变成了驱动 Agent 的整个循环。
02 四层栈:Prompt、Context、Harness、Loop
要理解 Loop Engineering,先把它放回整张栈里看。
每往上一层,工程师操心的对象都变大一圈。
Prompt 关心一句话。
Context 关心一个窗口。
Harness 关心一次运行。
Loop 关心一套自动化生命周期。
这里最容易混的是 Harness 和 Loop。
Harness 解决的是“Agent 跑一次时怎么跑”。
比如它能不能读文件、能不能改代码、能不能跑命令、能不能访问外部系统、什么时候需要审批、什么结果算完成。
Loop 解决的是“这次跑完以后,下一次怎么自动发生”。
比如每天早上自动启动,读昨天失败的 CI、open issue 和最近 commit,挑出值得处理的任务,给每个任务开隔离 worktree,让一个 Agent 起草修复,让另一个 Agent 审查,通过后开 PR,没把握的进人工收件箱,然后把状态写到文件里,第二天接着跑。
这就是“上一层楼”的含义。
Harness 武装一次运行。
Loop 调度一串运行。
03 一句话定义:把你从 Prompt 位置上换下来
Loop Engineering 的定义可以很短:
循环工程,就是把“负责给 Agent 写 prompt 的那个人”,替换成一套系统。
以前你是那个发号施令的人:
你提出任务
Agent 执行
你看结果
你补上下文
Agent 再执行
你继续判断
这个模式有效,但它把人绑在循环里。
Loop Engineering 要做的是:
系统发现任务
系统组装上下文
系统交给 Agent
系统验证结果
系统保存状态
系统安排下一轮
你不再负责每一拍。
你负责设计节拍器。
你写的不再只是给 Agent 的话,而是会自动给 Agent 发话的机制。
这个机制可以很小,比如每天帮你扫一次 CI 失败;也可以很大,比如企业内部自动响应 Slack 指令、准备上下文、生成代码、跑门禁、开 PR、等待人类 review 的流水线。
规模不同,底层问题一样:
谁发现任务,谁交付任务,谁判断结果,状态存在哪里,下一轮怎么启动。
Loop Engineering 讨论的就是这些问题。
04 Loop 不是一段 while:一圈有五个动作
一听“循环”,很容易想到一段反复执行的代码。
但 Loop Engineering 里的 loop 不是空转的 while。
它每转一圈,都要完成一组具体动作:
发现、交付、验证、持久化、调度。
少任何一个动作,loop 都会变形。
没有发现,它只是一个等待人工输入的 Agent。
没有交付,任务边界会混在一起。
没有验证,它会自信地产出一堆没人敢收的东西。
没有持久化,它每次醒来都像第一次见这个世界。
没有调度,它只是你手动跑过的一次流程。
一个真正的 loop,要能回答这五个问题:
## Discovery
这一轮从哪里发现任务?
## Handoff
任务怎么拆、怎么隔离、交给谁?
## Verification
谁检查结果,依据什么证据说通过或不通过?
## Persistence
状态写在哪里,下一轮怎么接着上一次?
## Scheduling
下一轮什么时候、由什么触发?
这五个问题,比“prompt 怎么写得更聪明”重要得多。
因为当你不在现场时,真正决定结果的,是循环本身的结构。
05 一个具体 Loop:早晨 Triage 怎么转
只讲概念容易飘。
我们看一个具体 loop。
假设你每天早上都要做一次工程分诊:
昨天 CI 有没有失败;
有没有新开的线上 bug;
最近 commit 有没有引入可疑变化;
哪些 PR 卡住了;
哪些测试又开始 flaky。
过去这件事靠人做。
你打开 CI,看失败记录;打开 issue,看新问题;翻 commit;判断优先级;把上下文复制给 AI;让它分析;再手动决定下一步。
如果做成 loop,它可以这样运转:
每天 9 点自动启动
-> 读取 CI 失败、open issue、最近 commit、未处理 PR
-> 按规则分诊:线上风险、发布阻塞、重复失败优先
-> 每个可处理任务单独开 worktree
-> Agent A 起草修复或分析报告
-> Agent B 独立审查结果
-> 通过则开 PR 或更新 ticket
-> 不确定则进入人工收件箱
-> 状态写入 loop-state.md
-> 下一轮继续从状态文件接着跑
这个流程的价值不在“自动跑”,而在每个环节都有边界:发现源明确,任务隔离,审查者独立,状态能跨天保存,不确定的问题会进人工收件箱。
如果你把它写成下面这样,就很危险:
每天自动检查仓库,发现能优化的地方就优化。
能修的 bug 直接修。
能合并的 PR 直接合并。
目标是让项目质量变好。
“检查仓库”没有发现源。
“能优化”没有范围。
“直接修”没有验证。
“直接合并”没有复核。
“质量变好”没有指标。
这类配置不是 loop 设计,而是把模糊愿望交给自动化。
06 六个零件:搭一个 Loop 需要什么
把 loop 拆成工程材料,大概需要六个零件。
这六个零件和前面的五个动作能对应起来。
发现通常依赖 Skills 和 Connectors。
交付通常依赖 Worktrees。
验证通常依赖 Sub-agents。
持久化依赖 Memory 和 Connectors。
调度依赖 Automations。
也就是说,一个 loop 不是“一个很长的 prompt”。
它是一组工程零件拼起来的系统。
如果你把一大段 prompt 贴进定时任务里,短期能跑,长期很难维护。
因为没有人愿意维护一堵提示词墙。
更好的做法,是把稳定知识沉淀成 skill。
比如:
## Skill: backend-ci-triage
## Purpose
分诊 Go 后端仓库过去 24 小时内的 CI 失败。
## Inputs
- CI job 列表
- 失败测试名称
- 最近 24 小时 commit
- 相关 PR 和 owner
## Rules
- 发布阻塞优先
- 重复失败优先
- 只失败一次且无法复现的问题标为观察
- 业务预期不明确的问题进入人工收件箱
## Output
生成一份分诊报告,并更新 loop-state.md。
Automation 触发这个 skill,而不是触发一段永远没人更新的长 prompt。
这样发现逻辑变了,改 skill 就行。
这才是可维护的 loop。
07 Worktree:并行之前先隔离
Loop 一旦开始自动派活,很快会遇到并行问题:一个 Agent 修测试,一个 Agent 改文档,一个 Agent 分析接口,一个 Agent 补迁移脚本。
如果它们都在同一个工作目录里写文件,最后很容易变成一锅粥。
两个 Agent 同时改同一个文件,本质上和两个工程师同时改同几行代码一样麻烦。
所以 handoff 不是简单地说“去做这个”。
它至少要回答三个问题:
第一,这个任务的边界是什么。
它只处理一个 CI 失败,还是可以顺手修相…