最近 AI 圈又出了一个新词Loop Engineering我寻思了一下，这已经是最近一年多冒出来的第四个 Engineering 了。从 Prompt Engineering 到 Context Engineering，再到 Harness Engineering，现在又是 Loop Engineering。我身边很多朋友跟我说有点跟不上了，一个个新词往外蹦，每隔几个月就得重新学一套话语体系坦率的讲，我自己也懵过一阵。但后来我把这几个词串起来看，发现它们其实不是在造新概念它们是在回答同一个问题的四个深度怎么让 AI 真的能干成事，而不是只会聊天故事是这样的2023 年，所有人都在研究 Prompt。怎么写一句话让 AI 答得更准。那时候的接头暗号是「你的 Prompt 能不能给我看看」2025 年 6 月，Shopify 的 CEO Tobi Lütke 在 X 上发了一条推，说现在写 AI 应用最核心的技能不是 Prompt Engineering，是 Context Engineering。同一个月，已经从 OpenAI 离职的 Andrej Karpathy 下场补了一句特别经典的定义，他说 Context Engineering 是「一门微妙的艺术与科学，旨在填入恰到好处的信息，为下一步推理做准备。太少或者形式不对，LLM 缺关键信息。太多或者太无关，成本飙升，表现还可能下降」2026 年 2 月，Mitchell Hashimoto，就是那个创造了 Terraform 和 Vagrant 的家伙，Hashicorp 的联合创始人，他在自己博客里正式把 Harness Engineering 这个名字立了起来。他说了一句话，我到现在都记得每当你发现 Agent 犯了一个错误，就投入时间设计一个方案，让它不再犯同样的错然后到 2026 年 6 月，Google Chrome DevRel 的负责人 Addy Osmani 正式提出了 Loop Engineering。定义很简单Loop engineering is replacing yourself as the person who prompts the agent. You design the system that does it instead.你不用再自己去跟 AI 一轮一轮对话了。你设计一套系统，让系统去跟 AI 对话你细品一下这句话从 2023 年到今天，四年的时间，我们跟 AI 交互的方式已经彻底变了。从「我教 AI 怎么说话」，变成了「我设计让 AI 自己运转的系统」顺着这个思路，我们一层一层聊Prompt Engineering 大家最熟它的本质，是解决「怎么表达任务」的问题。用什么样的措辞，给什么样的示范，让 AI 扮演什么角色。你给它一个输入，它还你一个输出这事在 2022 到 2024 年特别好使。因为那时候我们用 AI 的场景也简单，写个邮件，做个摘要，翻译一段文字，改个格式。单次交互，边界清楚，Prompt 够好，结果就够好但问题是，当任务变复杂之后，光靠一句 Prompt 撑不住了你让 AI 去修一个项目里的 bug。AI 得看到什么？它不能只看到你的一句话需求，它得看到相关的代码文件、项目目录结构、错误日志、测试结果、团队规范、历史 issue、之前的修改记录这些信息，光靠 Prompt 是装不进去的。Prompt 再长，也就是一句指令，它跟真实世界的信息环境之间，隔着一道巨大的鸿沟这个时候，重点就从「怎么问」，变成了「给它看什么」Context Engineering，解决的就是这个事它干的事很直接。管理 AI 在做每一个决策时能看到的全部信息。系统指令、工具配置、MCP 服务器、外部数据、消息历史，这些构成了一个决策信息环境。AI 的每一个输出，都是在它看到的这个环境里做出来的Anthropic 在 2025 年 8 月出了一份官方的 Context Engineering 指南，里面有句话我觉得可以刻在搞 Agent 的人的屏幕上上下文窗口不只是一个 Prompt，而是模型在做出每一个决策时能够注意到的全部信息。好的 Agent 输出和差的 Agent 输出之间的区别，往往跟原始请求的措辞无关，而取决于关键信号是否在正确的时刻出现在窗口内听着有点绕对吧我还是举个例子Chroma 团队，就是做那个全球最火