迴圈工程（Loop Engineering）取代提示詞，AI 編碼模式三年內四次翻轉

工程師不再為 AI 撰寫提示詞。他們設計能夠自主運行的自循環系統，讓代理程式自主工作——這一轉變將四個截然不同的編碼時代壓縮進三年之內。

Nvidia 的黃仁勳宣布提示詞撰寫已經過時，標誌著「迴圈工程」（Loop Engineering）的到來——這是一種工程師設計自主反饋系統而非輸入指令的方法，將四個截然不同的 AI 編碼時代壓縮進三年之內。

「現在沒有人再寫提示詞了，」黃仁勳表示。「新的工作是編寫和管理迴圈。」Anthropic 旗下 Claude Code 的創作者 Boris Cherny 也描述了類似的轉變：「我已經不再為 Claude 寫提示詞了。我用運行中的迴圈告訴 Claude 該做什麼，並決定下一步的動作。」

Claude Code 現在推出了三種迴圈原語——/loop 用於定時循環，/goal 用於目標驅動執行直至驗證通過，以及 /schedule 用於雲端無人值守運作。/goal 命令執行一條關鍵的架構規則：撰寫程式碼的模型不得驗證自己的輸出。Anthropic 將其大型模型用於程式碼生成，而由另一個獨立的、較小的 Haiku 模型負責驗收測試。OpenAI 的 Codex 則採用並行策略，在隔離的雲端沙箱中啟動最多八個代理程式，各自處理一個子任務，最後再合併結果。

從提示詞到迴圈的轉變，對 AI 基礎設施支出有著直接的影響。相較於單一提示詞工作流程，自主迴圈系統每個任務消耗的代幣（token）數量更多，進而推升推論運算需求。Nvidia 作為驅動這些多代理迴圈的 GPU 主要供應商，將從中受益；而雲端服務商——Amazon Web Services、Microsoft Azure 與 Google Cloud——則競相爭取這塊增量工作負載。上週提交 IPO 申請的 Anthropic，已將迴圈架構直接嵌入 Claude Code，可能加速企業採用並帶動經常性 API 收入。

這四個階段的演進軌跡清晰可見。從 2023 年至 2024 年，「提示工程」主導市場——使用者為每次互動精心設計指令，輸出品質完全取決於提示詞的工藝水準。大約在 2024 年至 2025 年，「上下文工程」將重點從「如何提問」轉向「該向模型展示什麼」，RAG 管道與程式碼庫整合擴大了每次查詢可獲取的資訊量。到了 2025 年至 2026 年，「工具賦能工程」興起，賦予代理程式存取工具、API 以及真實世界執行環境的能力。而「迴圈工程」作為第四個也是目前的階段，透過讓代理程式能夠自主運行——規劃、執行、驗證、重試，無需每一步的人為干預——完成了整個循環。

迴圈背後的架構

核心洞察在於關注點分離。在 Claude Code 的 /goal 系統中，一個模型生成程式碼，而一個獨立的驗證器——一個無法看到生成器推理過程的獨立模型——對輸出進行測試。這防止了困擾單一模型工作流程的「自己批改自己作業」的問題。驗證器會拒絕那些看似合理但無法通過功能測試的輸出，迫使生成器重回迴圈。

提出「迴圈工程」一詞的 Google 工程主管 Addy Osmani 態度謹慎。「還很早。我保留判斷。你必須非常注意代幣成本，」他寫道。這一警告並非理論上的：缺乏硬性停止條件——如代幣限制、迭代上限或時間邊界——的迴圈系統，可能會一直運行，直到耗盡預算或觸及 API 速率限制。

「理解債務」問題

Andrej Karpathy 在 Sequoia Capital 舉辦的 AI Ascent 2026 會議上發表了對自動化熱潮的不同看法。「你可以外包你的思考，但你無法外包你的理解，」他引用了一句他反覆回味的話。當迴圈合併程式碼的速度遠超人類審查能力時，工程師便累積了「理解債務」——團隊中無人能完全理解的系統。Karpathy 指出，實際成本並非代幣帳單，而是有一天必須除錯一個沒人讀過的系統。

Cherny 表示，他在 2025 年 11 月刪除了自己的整合開發環境（IDE），現在從手機上管理數百個代理程式，他也承認其中的取捨。無法自行解決問題的代理程式會升級到他的收件箱。他的工作流程代表了迴圈方法的終極形態：人類制定規則並做出判斷；代理程式執行其餘一切。

迴圈系統的學術基礎可追溯至 Yao Shunyu 於 2022 年提出的 ReAct 框架（Reason + Act），該框架獲得了 ICLR 2023 口頭報告資格，並已累積數萬次引用。ReAct 將現代所有代理迴圈底層的「思考-行動-觀察」循環正式化。後續的研究——Reflexion 的錯誤反饋機制、Tree of Thoughts 的多路徑搜索，以及一系列工具使用代理論文——最終收斂為如今被稱為「迴圈工程」的工程學科。

對投資人而言，關鍵指標是每次接受的變更成本。如果一個迴圈的接受率低於 50%，該系統就在虧損——因為人類正在做本該由迴圈自動化的審查工作。隨著企業大規模部署迴圈架構，贏家將是那些能夠最大化自主處理吞吐量、同時最小化代幣浪費的公司。

本文僅供資訊參考，不構成投資建議。