Loops 取代 Prompts：循環工程正在改變 AI Agent 的用法

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

「Loops 取代 Prompts」，更準確地說，是 AI Agent 使用方式從「寫好一個提示詞」轉向「設計一個回饋系統」。

過去我們常把重點放在 Prompt 上：怎樣描述任務、怎樣限定輸出、怎樣讓模型一次給出更好的答案。這個思路對短任務仍然有效，但面對長週期、可驗證、需要多步執行的任務時，單次提示詞很容易半途而廢。

Loop 的思路不同。它不再期待模型一次性完成最終結果，而是把模型放進一個持續運行的循環裡：生成、執行、驗證、回饋、再生成。人類的工作也從「敲提示詞」變成「設計規則、狀態和邊界」。

Prompt 和 Loop 的核心區別

維度	傳統 Prompt（提示詞）	現代 Loop（循環工程）
工作模式	一問一答，通常是冷啟動	持續上下文，背景運行，自動迭代
人類角色	提示詞工程師，負責把話說清楚	系統架構師或 Meta-Prompt 工程師，負責寫規則
回饋機制	結果不好就重寫 Prompt	內建測試、驗證、重試和糾錯閉環
主要優勢	上手簡單，短期任務效率高	更適合複雜長線任務，能減少半途而廢
主要風險	結果不穩定，需要人工反覆追問	成本、狀態和失控風險都更高

Prompt 更像一次請求，Loop 更像一套系統。前者適合問答、摘要、改寫、簡單程式碼片段；後者更適合程式碼修復、自動化維運、庫存檢查、資料處理、持續監控等任務。

一個典型 Loop 怎樣運轉

現代 Agent 的 Loop 通常可以拆成四步。

第一步是指令輸入。使用者用自然語言給 Agent 一個大目標，例如「檢查倉庫庫存並在低於閾值時自動補貨」，或者「修復這個倉庫裡導致測試失敗的問題」。

第二步是生成與執行。Agent 根據當前目標拆出第一步行動，可能是讀取檔案、呼叫 API、執行命令、修改程式碼，或者生成一段計畫。

第三步是驗證與回饋。系統自動檢查執行結果，例如執行測試、檢查編譯錯誤、讀取日誌、比對庫存狀態、確認介面返回值是否符合預期。

第四步是決策循環。如果驗證通過，Agent 推進下一步；如果失敗，系統提取錯誤資訊，調整上下文或 Prompt，讓 Agent 自我糾錯後再次執行。

這個過程可以簡化成：

1
2
3

目標輸入 -> 生成行動 -> 執行任務 -> 驗證結果 -> 決策下一步
                   ^                         |
                   |----------- 回饋 --------|

Loop 的價值在於，它把「看結果、找錯誤、再試一次」這件事自動化了。人不必每輪都手動複製報錯、改提示詞、重新發起請求，而是讓系統持續推動任務向可驗證的目標靠近。

為什麼 Agent 更需要 Loop

AI Agent 和普通聊天最大的區別，是它不只生成文字，還會呼叫工具、讀取狀態、執行動作。只要進入工具呼叫和真實環境，單次 Prompt 就很難覆蓋所有分支。

比如修復一個專案的測試失敗，模型第一次可能只看到一個報錯。它修改後，還需要重新執行測試；測試通過後，還要確認有沒有格式化問題；格式化通過後，可能還要檢查邊界用例。這個過程天然就是循環。

再比如庫存自動補貨，Agent 不能只根據一句話輸出「建議補貨」。它需要讀取庫存、判斷閾值、查詢供應商、生成訂單、等待確認，並在失敗時回滾或告警。這裡真正重要的是流程和約束，而不是某一句提示詞寫得多漂亮。

落地前要注意的三個問題

Loop 模式很強，但它也把複雜度從提示詞本身轉移到了系統設計。

第一是 Token 成本。每次循環都需要消耗輸入、上下文和輸出 Token。短間隔、長週期、多工具的循環會讓成本快速上升。生產環境通常需要預算上限、迭代次數限制、快取策略和任務拆分。

第二是狀態複雜度。調試一個多輪狀態機，比調試一次 Prompt 難得多。你需要知道 Agent 當前處在哪個階段，讀到了什麼資訊，為什麼選擇這個動作，以及失敗後應該回到哪一步。

第三是失控風險。如果沒有明確的停止條件、拒絕機制和權限邊界，Agent 可能陷入死循環，不斷生成無用程式碼、重複呼叫工具，甚至在錯誤方向上越走越遠。

一個基礎 Loop 需要哪些規則

要讓 Loop 可靠運行，至少要給系統幾類規則。

目標規則：定義什麼叫任務完成，最好能被測試、狀態檢查或人工確認驗證。

行動規則：限制 Agent 能呼叫哪些工具、能修改哪些檔案、能存取哪些資料。

回饋規則：規定失敗時如何提取錯誤資訊，如何縮短上下文，如何決定重試或換策略。

停止規則：設定最大迭代次數、最大成本、最大運行時間，以及必須停止並交給人工的條件。

稽核規則：記錄每輪輸入、動作、結果和決策，方便回放和排查。

這些規則比「請你認真完成任務」更重要。Loop 工程的核心不是讓模型更聽話，而是讓系統能約束模型、觀察結果，並在錯誤出現時有明確的處理路徑。

從 Prompt 工程到 Loop 工程

Prompt 工程不會消失，它會變成 Loop 系統中的一個元件。你仍然需要寫清楚目標、約束和輸出格式，但真正決定長期任務成敗的，是驗證、狀態、重試和停止條件。

可以這樣理解：

Prompt 負責告訴模型「這一輪該怎麼想」；
Tool 負責讓模型「能做什麼」；
State 負責記錄「現在進展到哪裡」；
Test 負責判斷「結果是否可靠」；
Stop Hook 負責決定「什麼時候必須停下」。

當這些部分組合起來，AI Agent 才從一次性回答變成可持續運行的自動化系統。

結論

「Loops 取代 Prompts」並不是說提示詞不重要，而是說 AI Agent 的重點正在從單次表達能力，轉向持續回饋能力。

短任務仍然適合 Prompt。複雜任務、長線任務、需要驗證的任務，則更適合 Loop。真正的變化在於，人類不再只是寫一句完美提示詞，而是設計一套能運行、能驗證、能停止、能恢復的回饋閉環。

循環工程 on KnightLi的博客