拆完一百三十六个开源循环,我发现 AI 停不下来的病根不在提示词

拆完一百三十六个开源循环,我发现 AI 停不下来的病根不在提示词

同一篇文章,我让 AI 优化了两遍。第一遍标准是「去掉明显的 AI 痕迹」,两轮就停了手,改了 6 处,AI 味确实淡了,文章还是平的。第二遍我把标准写成「标题带数字和悬念,开头三句话让读者对号入座,每 300 字一个节奏变化点,三分之一和三分之二处各埋一个互动引导」,还是那篇文章,这次改了 16 处,标题从 22 字压到 16 字,开头从第三人称陈述换成了第二人称的痛点场景,另外补了四个独立成段的金句。

工具没换,模型没换,唯一换掉的是终止条件。这就是 2026 年 6 月 AI 编程圈都在聊的循环工程(Loop Engineering)最核心的一件事,让 AI 开跑之前,先想清楚它做到什么程度才算完。

从提示词到循环,第四个阶段

AI 编程的主题四年换了四个。前两年聊提示词工程,怎么把一条指令写好。去年转向上下文工程,指令之外还得喂够背景。今年年初驾驭工程冒头,工具、环境、验证机制要配套搭好。到了 6 月,Google Chrome 的工程负责人 Addy Osmani 一篇文章把循环工程这个词正式定了名,Claude Code 的创造者 Boris Cherny 跟了一句更直白的,我不再写提示词了,我的工作是写循环,同样的观点经开发者 Peter Steinberger 发出来,650 万人看过。

循环跟前三件事的差别一句话讲清,前面三个阶段优化的都是怎么让 AI 做得更好,循环工程优化的是怎么让 AI 知道什么时候停。给不熟悉这套黑话的朋友一张对照,提示词工程是琢磨怎么跟 AI 说话,上下文工程是决定给 AI 看什么资料,驾驭工程是给 AI 配什么工具和验证机制,循环工程是把前三样打包,让 AI 自己反复干到达标为止。

这件事的分量有数据撑着。麻省理工的研究给过一个比例,AI 每写十行代码,真正跑到用户面前的不到两行。AI 产出代码量涨了约 180%,实际交付只涨了 30%。180% 和 30% 之间那条鸿沟,就是没人定义什么叫做完的代价。

一百三十六个开源循环拆下来,病根都一样

我前阵子干了件笨活,把三个主流开源循环库全部拉下来逐个拆。ExplainX 的循环库收了一百个循环提示词,按十五个分类组织,Matthew Berman 的 Forward Future 库收了二十九个实战循环,每个都标了验证条件和停止标准。三个库加起来,一百三十六个循环。

拆出来两个发现。第一个,八成半的循环只能用在代码类任务上。原因不难懂,代码有天然的裁判,跑一条测试命令就知道还剩几个错误,退出码为零就等于做完了。改文章、调设计、优化文案呢,三个库里几乎找不到能直接搬走的内容类循环。可大多数人的日常工作,压根不是全在产代码。

第二个发现更要命,那些失败的循环,提示词本身写得并不差,措辞清晰、结构完整,坏就坏在终止条件上,要么没写,要么写了等于没写。「优化代码直到没有问题」,什么叫没有问题。「迭代改进直到满意」,谁满意,怎么算满意。

没有终止条件的循环不是自动化,是让 AI 在黑暗里无限打转。 Reddit 上有句话说得难听但在理,宣称五百个 AI 同时替自己干活的人,要么在撒谎,要么省略了关键细节。那个被省略的细节,就是终止条件。

顺带说说这三个库的成色。ExplainX 那一百个按十五个场景分类,覆盖面最广,Forward Future 的二十九个每条都标了验证条件和停止标准,算是里面最讲规矩的,可惜清一色都是代码场景。你要是日常工作不写代码,现成模板能直接帮到你的,真不多。

系统图风格插画,一大片灰色循环卡片中只有零星几枚代码符号卡片是亮色,其余卡片内部画着缺失终止点的虚线路径,一张放大镜卡片悬在堆上

终止条件只有两种写法

老雷把判断标准压缩成一句话,先看你的任务有没有一条命令能客观检查结果,有和没有,对应两种完全不同的设计。

有验证命令的走硬闸门。修类型错误,零错误就停。跑测试,全绿就停。做构建,成功就停。Claude Code 的 /goal 命令是这个机制的官方实现,设好目标条件后由一个独立的评估模型逐步检查是否达标。注意这个裁判不是执行模型本人,让同一个 AI 既干活又给自己打分,跟让学生自己改卷子差不多。

没有验证命令的走评分表。改语气、调排版、优化标题这类主观活,事先拆出三到五个评判维度,每个维度配权重,加起来一百分,通过线设八十分,让 AI 每轮按维度打分,达标就停。评分表长什么样,拿改文章举例,标题吸引力、开头钩子力度、节奏变化密度就是三个现成的维度,AI 每轮打完分,差哪补哪,改完再打,总分过线才放行。配套纪律是每轮只改两三处,绝不全文推翻重来,Claude Code 的 /loop 命令对应的就是这条路线。

两种写法没有高下之分,区别只在任务性质。考试有标准答案的对答案,面试就老老实实先定评分表和及格线。判断本身不难,难的是把它落成一份能直接跑起来的方案,这才是真正的活。

系统图风格插画,画面对称分成两半,左半是一枚终端窗口方块接着一条带停止标志的直线,右半是一张打分表方块接着一条带循环箭头的线,中间一道分隔线

难的不是技术,是你想要什么

开头那个 6 处和 16 处的对比,我后来想明白了一件事。提示词五分钟就写完了,帮我优化这篇文章,一句话的事。优化到什么程度,我想了一整晚。

是去掉 AI 味就收手,还是段落节奏、开头钩子、行动号召一起管。做到读起来像人写的就停,还是做到发出去有传播力才停。这两个标准的差距大到离谱。

所以循环工程往下再挖一层,挖到的是需求工程。「怎么让 Agent 自己停」翻译过来就是「你到底想让它做到什么程度」。终止条件写不出来,多半不是技术不行,是你对自己要什么还没想精确。你对任务的理解深度,直接决定循环的上限。

四步设计一个能自己停的循环

把这些教训攒成了一个循环设计器 Skill,流程四步。

第一步理解任务,读你的文件和项目结构,用一段话复述目标,顺手判断这活适不适合循环,一次性决策直接劝退。第二步自动调研,搜这类任务的最佳做法,检查项目里有没有现成的验证命令。第三步才开口跟你研讨,问的全是选择题,想做到什么程度,什么不能动,最多跑几轮。老雷提醒一句,第三步别嫌它啰嗦,这步要是省掉,就退回到把问题甩给用户的老路上了。第四步生成两套完整方案,一套自动停的,一套每轮改一点的,标注推荐哪套,每套不少于八百字,第一行就是可执行命令,整块复制进终端回车就能跑。整个过程不需要写代码,也不需要懂专业术语,它更像一个项目经理,先摸清你的需求,再去调研行业做法,然后拉你开个短会确认方案,最后交付一份能直接执行的计划书。

这个工具自己踩过两代坑。初代是六问模式,问用户六个问题收集答案生成提示词,结果发现用户根本答不上怎么判断做完,答得上也就不需要工具了。第二代裁判模式,让独立模型当裁判,客观任务好使,主观任务找不到一个能说了算的裁判。现在的版本承认现实,双模式并行,有命令的走裁判,没命令的走动态评分,不用一套机制硬吃所有场景。

评分维度也不搞通用模板。可读性这个词,对技术文档和对推文是完全两回事,预设维度只能做到大致对,终止条件要的是精确对,差一点就是跑偏和收工的区别。所以维度按任务在研讨中动态生成,格式是死的,三到五个维度、权重和为一百,内容是活的。

安全网也配齐了,每个方案有最大轮数限制,通常三到五轮,自动识别不能动的文件,每轮只改有限内容,随时可以叫停。

循环本身不难,难的是告诉循环什么时候该停。没有可靠验证的循环,只是更快地发布错误。

老雷的建议是第一次别贪,拿一个足够小的任务试,比如优化一篇周报的措辞,跑一遍完整流程,比读十篇教程都管用。AI 能写的代码量还会涨,180% 迟早变成 280%、380%,但交付比例涨不涨,取决于我们有没有把「想要什么效果」当成一个正式的工程问题来对待。

系统图风格插画,四个圆角方块从左到右用箭头串联,分别是放大镜、雷达、对话气泡、文档四个符号,第四格下方分出两条支线各接一个停止标志和循环箭头