Loops 取代 Prompts：循环工程正在改变 AI Agent 的用法

Wed, 10 Jun 2026 13:13:28 +0800

“Loops 取代 Prompts”，更准确地说，是 AI Agent 使用方式从“写好一个提示词”转向“设计一个反馈系统”。

过去我们常把重点放在 Prompt 上：怎样描述任务、怎样限定输出、怎样让模型一次给出更好的答案。这个思路对短任务仍然有效，但面对长周期、可验证、需要多步执行的任务时，单次提示词很容易半途而废。

Loop 的思路不同。它不再期待模型一次性完成最终结果，而是把模型放进一个持续运行的循环里：生成、执行、验证、反馈、再生成。人类的工作也从“敲提示词”变成“设计规则、状态和边界”。

Prompt 和 Loop 的核心区别

维度	传统 Prompt（提示词）	现代 Loop（循环工程）
工作模式	一问一答，通常是冷启动	持续上下文，后台运行，自动迭代
人类角色	提示词工程师，负责把话说清楚	系统架构师或 Meta-Prompt 工程师，负责写规则
反馈机制	结果不好就重写 Prompt	内置测试、验证、重试和纠错闭环
主要优势	上手简单，短期任务效率高	更适合复杂长线任务，能减少半途而废
主要风险	结果不稳定，需要人工反复追问	成本、状态和失控风险都更高

Prompt 更像一次请求，Loop 更像一套系统。前者适合问答、摘要、改写、简单代码片段；后者更适合代码修复、自动化运维、库存检查、数据处理、持续监控等任务。

一个典型 Loop 怎样运转

现代 Agent 的 Loop 通常可以拆成四步。

第一步是指令输入。用户用自然语言给 Agent 一个大目标，例如“检查仓库库存并在低于阈值时自动补货”，或者“修复这个仓库里导致测试失败的问题”。

第二步是生成与执行。Agent 根据当前目标拆出第一步行动，可能是读取文件、调用 API、运行命令、修改代码，或者生成一段计划。

第三步是验证与反馈。系统自动检查执行结果，例如运行测试、检查编译错误、读取日志、比对库存状态、确认接口返回值是否符合预期。

第四步是决策循环。如果验证通过，Agent 推进下一步；如果失败，系统提取错误信息，调整上下文或 Prompt，让 Agent 自我纠错后再次执行。

这个过程可以简化成：

1
2
3

目标输入 -> 生成行动 -> 执行任务 -> 验证结果 -> 决策下一步
                   ^                         |
                   |----------- 反馈 --------|

Loop 的价值在于，它把“看结果、找错误、再试一次”这件事自动化了。人不必每轮都手动复制报错、改提示词、重新发起请求，而是让系统持续推动任务向可验证的目标靠近。

为什么 Agent 更需要 Loop

AI Agent 和普通聊天最大的区别，是它不只生成文本，还会调用工具、读取状态、执行动作。只要进入工具调用和真实环境，单次 Prompt 就很难覆盖所有分支。

比如修复一个项目的测试失败，模型第一次可能只看到一个报错。它修改后，还需要重新运行测试；测试通过后，还要确认有没有格式化问题；格式化通过后，可能还要检查边界用例。这个过程天然就是循环。

再比如库存自动补货，Agent 不能只根据一句话输出“建议补货”。它需要读取库存、判断阈值、查询供应商、生成订单、等待确认，并在失败时回滚或告警。这里真正重要的是流程和约束，而不是某一句提示词写得多漂亮。

落地前要注意的三个问题

Loop 模式很强，但它也把复杂度从提示词本身转移到了系统设计。

第一是 Token 成本。每次循环都需要消耗输入、上下文和输出 Token。短间隔、长周期、多工具的循环会让成本快速上升。生产环境通常需要预算上限、迭代次数限制、缓存策略和任务拆分。

第二是状态复杂度。调试一个多轮状态机，比调试一次 Prompt 难得多。你需要知道 Agent 当前处在哪个阶段，读到了什么信息，为什么选择这个动作，以及失败后应该回到哪一步。

第三是失控风险。如果没有明确的停止条件、拒绝机制和权限边界，Agent 可能陷入死循环，不断生成无用代码、重复调用工具，甚至在错误方向上越走越远。

一个基础 Loop 需要哪些规则

要让 Loop 可靠运行，至少要给系统几类规则。

目标规则：定义什么叫任务完成，最好能被测试、状态检查或人工确认验证。

行动规则：限制 Agent 能调用哪些工具、能修改哪些文件、能访问哪些数据。

反馈规则：规定失败时如何提取错误信息，如何缩短上下文，如何决定重试或换策略。

停止规则：设置最大迭代次数、最大成本、最大运行时间，以及必须停止并交给人工的条件。

审计规则：记录每轮输入、动作、结果和决策，方便回放和排查。

这些规则比“请你认真完成任务”更重要。Loop 工程的核心不是让模型更听话，而是让系统能约束模型、观察结果，并在错误出现时有明确的处理路径。

从 Prompt 工程到 Loop 工程

Prompt 工程不会消失，它会变成 Loop 系统中的一个组件。你仍然需要写清楚目标、约束和输出格式，但真正决定长期任务成败的，是验证、状态、重试和停止条件。

可以这样理解：

Prompt 负责告诉模型“这一轮该怎么想”；
Tool 负责让模型“能做什么”；
State 负责记录“现在进展到哪里”；
Test 负责判断“结果是否可靠”；
Stop Hook 负责决定“什么时候必须停下”。

当这些部分组合起来，AI Agent 才从一次性回答变成可持续运行的自动化系统。

结论

“Loops 取代 Prompts”并不是说提示词不重要，而是说 AI Agent 的重点正在从单次表达能力，转向持续反馈能力。

短任务仍然适合 Prompt。复杂任务、长线任务、需要验证的任务，则更适合 Loop。真正的变化在于，人类不再只是写一句完美提示词，而是设计一套能运行、能验证、能停止、能恢复的反馈闭环。

循环工程 on KnightLi的博客