看 Loop Engineering它像是一个新黑话。比较好的理解方式是把它和另外三个词放在一起看Prompt Engineering、Context Engineering、Loop Engineering、Harness Engineering。它们其实是在回答 AI Agent 工作流里的四个问题怎么问、给它看什么、怎么让它持续推进以及让它在什么样的环境里安全运行。图1Prompt Engineering怎么问 AIPrompt Engineering 是最早被大家熟悉的概念。那时候我们经常会问一句“你的 Prompt 是怎么写的”Prompt Engineering 关心的是人要怎么组织指令让模型更准确地理解任务并按我们想要的格式输出结果。为此我们会让 AI 扮演某个角色明确输出格式补充几个示例告诉它回答时要注意什么或者要求它分步骤完成任务。这些做法的目的都很直接让 AI 更接近我们想要的结果。Prompt Engineering 要解决的问题概括成一句话就是怎么问AI 才更容易答对。它适合处理相对明确、边界比较清楚的任务像是写一段文案、总结一篇文章、提取几个要点或者生成一个表格。但当任务变复杂之后光靠 prompt 就不够了因为 AI 可能不知道你的项目背景不了解代码结构也不清楚之前做过哪些决定。这时候重点就从“怎么问”转向了“给它看什么”。Context Engineering给 AI 看什么执行任务时应该把哪些信息放进模型的上下文里是 Context Engineering 要解决的问题。举个例子你让 Agent 修改一个项目 bug。它需要看到的不只是你的那句需求还有相关代码文件、项目目录结构、错误日志、测试结果、README、团队规范、历史 issue以及之前的修改记录。这些信息给少了Agent 可能缺少判断依据信息给错了它可能很努力在错方向上渐行渐远信息给得太多它又可能抓不住重点。Context Engineering 要解决的问题概括成一句话就是给 AI 看什么它才更容易做对。在 AI Agent 里这件事会变得更重要。因为 Agent 经常要连续执行很多步每一步都需要判断现在应该读取什么信息保留什么信息又该丢掉什么信息。Loop Engineering让 Agent 循环工作这周火起来的 Loop Engineering主要解决 Agent 持续工作、围绕任务工作的问题。以前我们使用 Agent 时很多任务其实都要靠人一轮轮往前推。你让它修一个 bug它改了一版之后可以自己运行测试、读取报错再继续修改但这个过程要不要继续跑、失败几次后要不要停下来、哪些结果算通过、最后要不要交给人来进行 review是要一套流程来约束和判断的。Loop Engineering 想做的事情就是把这个过程设计成一个稳定的循环任务输入 → Agent 执行 → 工具检查 → 失败反馈 → 再次修改 → 记录状态 → 必要时交给人。图2以“修 bug loop”为例Agent 可以先读取 issue找到相关代码并尝试修改再运行测试如果测试失败它会读取报错继续修复如果测试通过就生成修改总结最后创建 PR或者把结果交给人来 review。Loop Engineering 的重点不是让 Agent 无限制地自动干活而是把执行、反馈、验证、修正、记录、接管这些步骤串起来。Loop Engineering 要解决的是Agent 怎么持续推进任务而不是只完成一次回答。它能用在很多场景中修 bug、修测试、处理 issue、生成 PR、检查 CI 失败也可以用来整理资料、生成内容、沉淀项目规则。举个例子在内容生产场景里我们也可以有 loop先收集资料再总结要点接着检查事实、生成大纲、写正文、检查有没有夸张表达最后交给人润色。这也是一种 loop只不过循环的对象不是代码而是内容工作流。Harness Engineering给 Agent 搭运行外壳AI Agent 工程的最后一个关键词是 Harness Engineering。这里的 Harness可以理解成 Agent 外面的一套“运行外壳”Agent 要依赖哪些工具能访问哪些权限在什么环境里执行任务过程怎么记录结果怎么验证出问题时又该怎么交给人接管这些都是它要关心的事情。如果说模型是发动机的话Harness 就是车身、仪表盘、刹车、方向盘、安全带和道路规则。模型本身可以生成代码、回答问题、给出方案但如果没有合适的 Harness它就很难安全地修改项目、运行命令、记录过程、处理失败也很难让人知道它到底做了什么、做得对不对。Harness Engineering 要解决的问题概括成一句话就是 Agent 在什么环境里运行才能更安全、更稳定、更可控。看起来它比前面三个词更加工程化但是本文不展开讲述你只要记住这些关键词就够了工具、权限、沙箱、日志、测试、状态和人类接管。它们共同决定了 Agent 能做什么、不能做什么以及做完之后怎么证明自己真的完成了任务。Agent 的 4 个工程如何合作图3把这四个词放在一起看它们其实是在描述 AI Agent 变复杂之后开发者关注点的变化从写好一句 prompt到组织上下文再到设计执行循环最后给 Agent 搭一套更安全、可控的运行环境。而最近被频繁提到的 Loop Engineering重点就在“执行循环”这一环让 Agent 能接收任务、调用工具、根据反馈继续修改、记录过程并在关键节点交给人接管。如何用 Loop Engineering如果你想实践一下 Loop Engineering不一定要一上来就搭一个复杂系统我们可以先从一个很小的 loop 开始。图4举个例子Agent 要去修代码我们可以不只让它“改完告诉我”还可以要求它先说明修改计划再修改代码再运行测试如果测试失败就读取错误继续修最后再输出它改了什么、验证了什么以及还有哪些风险。这就是一个非常基础的 loop让 Agent 不只是执行一步而是围绕“完成任务”不断检查和修正。再进一步你可以把团队里反复出现的问题沉淀下来。如果 Agent 经常忘记跑测试那就把测试要求写进规则Agent 经常误改生成文件就把禁止修改的目录写清楚经常忽略项目约定就把约定放进 CLAUDE.md、AGENTS.md 或项目文档如果它经常自己判断不准也可以加一个 verifier 负责检查。到了这一步Agent 工作流就不再只是一次次聊天而是在不断积累经验。当然它依然得要人来把关。Loop 跑得越久越需要清晰的边界、可靠的验证和明