找工位
空间入驻
小程序

Loop Engineering爆火!Harness 被彻底碾压

2026-06-19 00:00:00
文章转载自"北大纵横"

图片
来源 | 技术领导力
作者 | Mr.K
1978字 阅读时间5分钟

最近,Loop Engineering突然爆火,解决了之前Harness、Prompt等无法解决的问题,成为为社区热议的技术。起因是,OpenClaw的创始人Peter发了个推文,提到了Loop概念。



Claude Code的负责人Boris也在公开场合提到了这个实践。后来,Google工程师Addy Osmani写了一篇文章,正式命名:Loop Engineering。





01
Loop Engineering,为什么爆火?


经常使用AI的朋友都有这样的感觉,现在的Agent是能干活了,但是你不盯着它、手把手教它最佳实践、定期去检查它,那么它做出来的东西基本是不可用的。


但是,这不是我们想要的AI,它应该能够根据我提出的要求(目标),自己找到最佳路径,规划和调整人任务,定期反馈,形成一个自循环系统。很少需要人类介入,它做事情更有体系。


这背后是一种全新的Agent工作模式的改变。




02

从Prompt到Loop,AI使用新范式


要理解Loop Engineering,得先知道我们是怎么一步步走到这里的。


关于使用模式,总共经历了四个阶段:



1、Prompt Engineering。这就是最早的提示词工程,让你能够用结构化的信息跟AI高效交互。以写一篇文章为例,你不只是告诉AI:帮我写一篇爆文。


而是要告诉他:文章主题是什么,语言风格是严肃还是幽默,读者是职场人还是技术人员,主要表达什么观点等等。你要把关键信息给到AI,它才会生成你想要的内容。


2、Context Engineering。慢慢大家发现,光会提问是不够的,你还要给AI喂足够多的信息,比如背景、规则、参照等等,让AI尽可能多的“备课”。


所以,你要把更多上下文给到AI,可能几万字、甚至几十万字,AI的输出质量明显又提高了一个量级。


3、Harness Engineering。随着“龙虾”等Agent的爆火,出现了新的管理Agent的工程实践,这就是Harness Engineering。它的目的是更好地指挥Agent完成任务、让它不要跑偏、不乱烧Token等等,


你需要给Agent打通工具、整理Skill、配置环境、本地记忆等,这样Agent的执行效果更稳定。


4、Loop Engineering。在使用Agent的过程中,你希望AI更自主、而不是推一步走一步,随着模型越来越智能、上下文越来越大,使得这一切成为可能。Loop Engineering建立了一个自主执行系统,它会自己发现任务、分配任务、检查结果、记录进度、自己决定下一步。


以前是你来主导AI干活,现在你放手让它干。说白了就是,让AI帮你指挥、监督Agent干活,你的干预会越来越少。




03

拆解Loop Engineering的构成


根据Addy Osmani在文章中的定义,任何一个Loop Engineering从结构上来看,分成6个部分。



1、自动化调度。OpenClaw有定时任务,Loop Engineering继承了这个能力。如:每天早上8点,自动扫描昨晚的CI报错,整理出一份任务清单。你无需动手,这是它得以自动化的基础。


2、工作树隔离。相当于“多线程任务”,当任务比较复杂、比较大,Loop Engineering会自动启动多个子Agent拆分和执行任务,各子任务相对独立、互不影响。


Claude Code和OpenAI Codex、Kimi Work都已经内置了这个能力。


3、技能文件。存储在本地的技能文件,让Agent自己沉淀经验、实时更新。把项目规范、代码风格等等个性化的要求,写进一个文件,比如CLAUDE.md之类的。


4、插件连接器。插件连接器让AI能够操作外部工具,如:提GitHub的PR、更新Linear的任务。这是Agent把活干漂亮的保障。


5、子智能体。我觉得这个是最关键的,让Agent有了检查机制,大家知道现在智能体的问题就是不稳定,可能任务执行到一半网络断了,它不会重试。现在增加了这个任务检查机制,Agent能自己发现问题、纠错,大幅提升了任务执行的成功率。


6、状态记忆。它可以确保任务执行的状态,下次接着做,让Agent具备了跨任务、跨时间的能力,碰到异常能够自动恢复并执行任务,类似“断点续传”。




04
Loop Engineering应用场景案例


Loop Engineering有哪些应用场景呢?仍以CI任务来举例:早上8点,Loop自动跑起来,扫描昨晚CI失败的任务,整理出三个报错。


然后它把这三个任务分别分配给三个子智能体,每个子智能体在独立的工作空间里修复自己负责的那个报错。


修复完了,另一个专门负责检查的AI跑进来,对照项目规范和测试用例,逐一审查。


两个通过了,自动提了PR,等你上班来review。


一个没通过,Loop把问题记录在状态文件里,标记为“需要人工介入”,推送通知给你。


你早上打开电脑,看到的不是一堆报错,是两个等你review的PR,加一条需要你处理的问题说明。是不是比现在的“龙虾”更省心、办事更靠谱。




05

人机协作模式的重要跃升


很多人觉得,Loop Engineering只是Harness框架的升级,但是我个人任务,这是一次人机协作模式的重要跃升。


因为,它改变的是人机协作当中人类的所处的位置。以前,你是操作者,主导任务的发起、监督执行、验收结果,全程盯梢,容不得丝毫松懈,其实是挺累的。


现在,你是任务的委派者,你只需要定义目标,搭好结构,AI自己执行,并且能够处理执行当中的异常、优化执行的方法、检查任务状态。


AI从被动响应,变成了主动执行。这跟以往的AI应用有着本质区别。


从 Prompt Engineering 到 Loop Engineering,仅仅18个月。这就是AI时代的速度。


也许这个由人类孕育的新物种,已经悄然成长到了可以放手的阶段。

图片


文中观点仅为作者观点,不代表本平台立场


各位读者朋友,公众号改了推送规则,如果您还希望第一时间收到我们推送的文章,请记得给北大纵横公众号设置星标。图片

点击左下方公众号“北大纵横”→点击右上角“...”→点选“设为星标⭐️”