你是否有过这种感觉：AI 没让你省力，反而更累了
AI 号称能帮你写代码、省时间，可用了几个月，人反倒更疲惫。
以前是自己敲代码，现在改成轮番"伺候"AI——写提示词、看输出、不满意重写、再调……工作量一点没少，只是从"搬砖"换成"监工"。你才是那台发动机，每一轮对话都得亲手点火。
等你还在琢磨怎么把提示词雕得更细的时候，硅谷那帮人已经不跟 AI"对话"了——他们开始给 AI"放权"。
行业大佬集体转向
2026 年 6 月，硅谷悄悄换道。
Claude Code 缔造者鲍里斯·切尔尼先开口："我不再手动给 Claude 写提示词。我搭一批自动运行的循环，让循环自己给 Claude 发指令、定下一步——我的工作，变成了搭循环。"同月，他卸了代码编辑器，一个月提了 259 个 MR，全程没手敲一行。
紧接着，OpenClaw 创始人（现 OpenAI）彼得·施坦伯格把方向再推一步："别再为编程智能体手写提示词，你应该设计循环机制，让循环自动给智能体喂指令。"这条推浏览 150 万+。
谷歌工程师艾迪·奥斯曼随后给新范式钉了名——循环工程（Loop Engineering）。
三家公司、三位核心人物，同一周指向同一个方向，不是巧合。黄仁勋跟上表态："没人再手写提示词了，我的新活是搭循环。"吴恩达更直接：提示词工程 3 到 6 个月内会落幕。
你苦练两年的提示词工程，一夜之间，过时了。
问题不在提示词写得不够好，是你把自己钉在了"操作员"的位置上
过去两年，人和编程智能体基本是回合制：你输一段，AI 跑一轮，返结果；不满意，再输下一段。这套模式里，人同时当调度员和质检员。
这哪算"人工智能"，顶多是"人工 + 智能"。
提示词工程有个结构性瓶颈：提示词是人工定制的，绑死在特定模型版本上。模型一升级，前面调好的提示词就悄咪咪失效——业内叫它提示漂移（Prompt Drift）。不少团队现在专门给提示词写回归测试，每次模型迭代，都有一批策略批量挂掉。
更要命的是另一点：就算上下文给足，模型首轮答错了，它也察觉不到，更不会主动回来核验。整条流程里，没有二次复核的机制。
循环工程补的就是这块。
循环工程到底在解决什么
奥斯曼给的定义挺准：循环工程，就是你不再一遍遍手动给智能体发指令，转而搭一套能让智能体自己跑的系统。
打个比方：提示词工程是棋盘上一步步落子；循环工程，是定规则和裁判机制，让 AI 按规则自己下完一整盘。
它不只是一句"多跑几轮"，也不是简单定时执行，而是一套闭环——
模型执行 → 标准化工具核验 → 结果返给模型 → 模型修正重跑 → 反复，直到所有校验门槛过完。
Claude Code 团队在官方博客给了个更口语的版本：
循环，即智能体一轮接一轮持续执行任务，直至触发终止条件。
四类循环，对应四种"停法"：
回合式：人掌控每一轮；
目标循环
/goal：设验收标准，AI 迭代到达标；定时循环
/loop//schedule：按间隔触发，后者可挂云端；事件主动循环：Git 提交、MR 等外部事件触发。
你不用纠结 AI 怎么干，只要设计好什么时候让它停。
提示词没死，只是换了活法
别误会：循环工程不是来淘汰提示词的。
恰恰相反，循环里每一轮跑起来，靠的还是提示词驱动。变的是"谁发提示词"——从你手里，嵌进循环里，反复调、反复复用。你之前磨的那批提示词没废，价值反而往上走，成了循环里的"执行单元"。
真正变的，是人的位置。
过去你是"提问的人"，现在得是"定规则的人"——定义完工标准、选核验方式、排异常处理、划人工介入时机。你不在循环里当操作员，而在循环外当设计者。
科技媒体 The New Stack 有个比喻挺妙：从"操作一台机床"，升级成"设计整条生产线"。
尾声
Anthropic 内部透出来的数：已有 超 80% 工程师开始用自主迭代循环，预计 3–6 个月内全员铺开。
切尔尼自己的判词："十年后回看，循环机制和它的衍生，会是我最得意的那部分。"
一条提示词换一次答复；一套循环，合上电脑也还在替你跑。
还没学完提示词工程？不必焦虑。它从来不是终点，只是去下一站的过路票。
循环一铺开，模型侧的事也得跟上
循环这东西跑起来才知道——/goal 多轮 + Judge 双模型、/loop 本地轮询、/schedule 云端常驻，token 是细水长流地烧，不是脉冲式。再叠上 GPT-5.6 那类长推理科研场景（BH 悬案 90 分钟、图论五十年猜想 1 小时），单模型绑死全链路既不灵活也不划算。
现在不少团队的实际配法是分层切：Claude 主力写循环和自修逻辑，Gemini 扛多模态，GPT-5 系列攻坚长推理，DeepSeek 补性价比——不同环节塞不同模型，账才好看。
像 UseAIAPI 这类把 Gemini、Claude、ChatGPT、DeepSeek 等最新主流模型聚在一起的接入服务，近期在开发者圈提得越来越多：省掉逐个签约、逐个适配的麻烦；企业侧可以按自身 DevOps 节奏做定制封装，Claude Code 循环、
/schedule调度、CI 自修这些场景都能直接嵌；价格层面，官方定价 5 折起，对"循环常开 + 高频迭代"这种细水长流烧 token 的场景，预算比较好控。
切尔尼说"十年后最得意的是循环"——但循环要跑得动、跑得久，模型接入这头不灵活起来，系统设计者这边的活也松不下来。