上周 AI 开发圈讨论最热烈的不是模型发布而是一条招聘描述。Anthropic Claude Code 负责人 Boris Cherny 在 The New Stack 采访中说了句让所有人沉默的话我不写 prompt 了我写循环。Loop Engineering 这个词可能成为未来两年开发者技能树里最烫手的新技能。一条招聘描述一个信号消息源头是 The New Stack 的一篇专访。Boris Cherny——Claude Code 的工程负责人也是 Anthropic 内部最清楚人类怎么跟 AI Agent 协作的那个人——在谈到他们正在招的岗位时没有用Prompt Engineer这个词而是一个新的标签Loop Engineer。他的原话大意是他不再花时间精雕细琢一条 prompt而是把任务拆成可循环执行的小步骤让模型在 plan → act → verify → repeat 的回路里自己推进。这话从一个每天跟 Claude Code 产品深度交互的人嘴里说出来分量很重。因为这不是一种更高级的 prompt 技巧而是一种根本不同的交互范式。Prompt Engineering 的天花板在哪里过去两年Prompt Engineering 一直是用好 AI 的核心竞争力。但如果你认真跟踪前沿实践者会发现它正在撞上一堵墙边际收益递减一开始改几个字能让输出质量飙升 50%但现在翻来覆去调整几十遍 prompt可能只提升 5%。上限越来越明显。prompt 本质上是传声筒你给模型一个指令它执行一次然后你检查结果。如果结果不好你的选择只有两个——改 prompt 再来一次或者手动修正。你没法教模型记住这个教训下次遇到类似情况自动调整。因为 prompt 是一次性的、无状态的。prompt 不可验证你怎么知道一条 prompt 改了之后是不是真的更好了绝大多数 Prompt Engineer 靠的是直觉和人工评分。当你的 prompt 有 300 个 token嵌入了大量 few-shot 示例时你就已经失去了对输出质量的系统化控制。Prompt Engineering 本质上是在设计问题。Loop Engineering 在设计过程。Loop Engineering 到底是什么用最简单的类比旧范式新范式你写一个完美的 prompt → 模型一次性执行 → 你接受/拒绝结果你写一个循环 → 模型在每个循环中尝试 → 检查自己 → 如果不满意自动调整再试 → 直到自我判定成功它把人在循环里变成了人在循环外定义规则、模型在循环里自己迭代。Cherny 描述的具体实践大概是这样定义一个循环 1. 给模型一个可以独立完成的子任务 2. 给模型一个判断自己是不是做对了的验证标准可以是代码编译通过、测试通过、或者 LLM as Judge 3. 如果验证不通过自动回溯、修正、重试 4. 如果超过 N 次循环仍不通过暂停并把结果交给人判断这和传统的高并发 prompt 调优思路是两个完全不同的方向。一个追求一次命中的精度一个追求过程收敛的可靠性。这个转变对开发者意味着什么你现在需要的技能会变做 Loop Engineering需要的技能和 Prompt Engineering 很不一样Prompt Engineering 技能Loop Engineering 技能对话设计、格式控制任务拆解、循环设计few-shot 示例编排验证标准制定test-driven经验直觉可回滚的状态管理输出美化工具白名单 权限控制简单说Prompt Engineer 是个作家型岗位Loop Engineer 是个架构师型岗位。你不需要写出最优美的那句话但你需要设计出让模型大概率走向正确结果的路径结构。岗位会怎么演进我不认为Prompt Engineer 已死——至少在接下来两年里大多数 AI 产品仍然依赖 prompt 作为主要交互方式。但可以确定三个趋势Prompt Engineering 会下沉为基础技能。就像今天每个程序员都会写 SQL但不一定需要专门的 DBA。Loop Engineering 会成为 Agent 开发的核心技能。当你的产品不是一个用 AI 的聊天框而是一个能自主完成多步任务的 Agent时你不会在设计 prompt——你会在设计循环。Agent Architect会成为一个新岗位。这个岗位不写 prompt不写循环而是定义 Agent 能力的边界——“这个 Agent 能在哪些范围内行动哪些事情绝对不允许一旦越界怎么处理”这是一个从让 AI 好好说话到让 AI 靠谱做事的范式迁移。一个值得观察的信号Karpathy 之前提过 “context engineering”——强调 prompt 不只是文字是整个上下文窗口的设计。ChatGPT 早期有 system prompt 工程的实践。这些都是同一个方向上的不同探索。但 Boris Cherny 把这件事推进到了循环设计这个层面是因为他手上有 Claude Code 这个产品作为实验场。Claude Code 本来就是一个需要多次迭代才能完成任务的 Agent——不是一次性问答工具。所以 Loop Engineering 不是他们的理论偏好而是在实践中被倒逼出来的工程解法。这对所有做 Agent 的团队都是一个信号如果你的 Agent 已经在做多步任务但你还是靠调 prompt 一条龙来改进它你可能会在未来 6-12 个月被调循环的团队拉开一个数量级的效率差距。你现在可以试试的事如果你感兴趣这里有一个零成本的入门在 Claude Code 或 Cursor 里别要求它一次性写完整段代码而是把它拆成三步“写出函数签名 核心逻辑框架”“用我给的测试用例跑一遍告诉我哪里不对”“根据失败点逐一修正”这三步不是一个复杂 prompt——它们是一个简单的 loop。你会立刻发现做对了的代码不需要你再手改出错的地方会以更系统的方式被定位和修复。这就是 Loop Engineering 的最小实践单位。参考The New Stack / Boris Cherny / Anthropic Claude Code 团队
Claude Code 主创放弃写 Prompt 了：他改写循环。Prompt Engineer 这个岗位还活得下去吗？
上周 AI 开发圈讨论最热烈的不是模型发布而是一条招聘描述。Anthropic Claude Code 负责人 Boris Cherny 在 The New Stack 采访中说了句让所有人沉默的话我不写 prompt 了我写循环。Loop Engineering 这个词可能成为未来两年开发者技能树里最烫手的新技能。一条招聘描述一个信号消息源头是 The New Stack 的一篇专访。Boris Cherny——Claude Code 的工程负责人也是 Anthropic 内部最清楚人类怎么跟 AI Agent 协作的那个人——在谈到他们正在招的岗位时没有用Prompt Engineer这个词而是一个新的标签Loop Engineer。他的原话大意是他不再花时间精雕细琢一条 prompt而是把任务拆成可循环执行的小步骤让模型在 plan → act → verify → repeat 的回路里自己推进。这话从一个每天跟 Claude Code 产品深度交互的人嘴里说出来分量很重。因为这不是一种更高级的 prompt 技巧而是一种根本不同的交互范式。Prompt Engineering 的天花板在哪里过去两年Prompt Engineering 一直是用好 AI 的核心竞争力。但如果你认真跟踪前沿实践者会发现它正在撞上一堵墙边际收益递减一开始改几个字能让输出质量飙升 50%但现在翻来覆去调整几十遍 prompt可能只提升 5%。上限越来越明显。prompt 本质上是传声筒你给模型一个指令它执行一次然后你检查结果。如果结果不好你的选择只有两个——改 prompt 再来一次或者手动修正。你没法教模型记住这个教训下次遇到类似情况自动调整。因为 prompt 是一次性的、无状态的。prompt 不可验证你怎么知道一条 prompt 改了之后是不是真的更好了绝大多数 Prompt Engineer 靠的是直觉和人工评分。当你的 prompt 有 300 个 token嵌入了大量 few-shot 示例时你就已经失去了对输出质量的系统化控制。Prompt Engineering 本质上是在设计问题。Loop Engineering 在设计过程。Loop Engineering 到底是什么用最简单的类比旧范式新范式你写一个完美的 prompt → 模型一次性执行 → 你接受/拒绝结果你写一个循环 → 模型在每个循环中尝试 → 检查自己 → 如果不满意自动调整再试 → 直到自我判定成功它把人在循环里变成了人在循环外定义规则、模型在循环里自己迭代。Cherny 描述的具体实践大概是这样定义一个循环 1. 给模型一个可以独立完成的子任务 2. 给模型一个判断自己是不是做对了的验证标准可以是代码编译通过、测试通过、或者 LLM as Judge 3. 如果验证不通过自动回溯、修正、重试 4. 如果超过 N 次循环仍不通过暂停并把结果交给人判断这和传统的高并发 prompt 调优思路是两个完全不同的方向。一个追求一次命中的精度一个追求过程收敛的可靠性。这个转变对开发者意味着什么你现在需要的技能会变做 Loop Engineering需要的技能和 Prompt Engineering 很不一样Prompt Engineering 技能Loop Engineering 技能对话设计、格式控制任务拆解、循环设计few-shot 示例编排验证标准制定test-driven经验直觉可回滚的状态管理输出美化工具白名单 权限控制简单说Prompt Engineer 是个作家型岗位Loop Engineer 是个架构师型岗位。你不需要写出最优美的那句话但你需要设计出让模型大概率走向正确结果的路径结构。岗位会怎么演进我不认为Prompt Engineer 已死——至少在接下来两年里大多数 AI 产品仍然依赖 prompt 作为主要交互方式。但可以确定三个趋势Prompt Engineering 会下沉为基础技能。就像今天每个程序员都会写 SQL但不一定需要专门的 DBA。Loop Engineering 会成为 Agent 开发的核心技能。当你的产品不是一个用 AI 的聊天框而是一个能自主完成多步任务的 Agent时你不会在设计 prompt——你会在设计循环。Agent Architect会成为一个新岗位。这个岗位不写 prompt不写循环而是定义 Agent 能力的边界——“这个 Agent 能在哪些范围内行动哪些事情绝对不允许一旦越界怎么处理”这是一个从让 AI 好好说话到让 AI 靠谱做事的范式迁移。一个值得观察的信号Karpathy 之前提过 “context engineering”——强调 prompt 不只是文字是整个上下文窗口的设计。ChatGPT 早期有 system prompt 工程的实践。这些都是同一个方向上的不同探索。但 Boris Cherny 把这件事推进到了循环设计这个层面是因为他手上有 Claude Code 这个产品作为实验场。Claude Code 本来就是一个需要多次迭代才能完成任务的 Agent——不是一次性问答工具。所以 Loop Engineering 不是他们的理论偏好而是在实践中被倒逼出来的工程解法。这对所有做 Agent 的团队都是一个信号如果你的 Agent 已经在做多步任务但你还是靠调 prompt 一条龙来改进它你可能会在未来 6-12 个月被调循环的团队拉开一个数量级的效率差距。你现在可以试试的事如果你感兴趣这里有一个零成本的入门在 Claude Code 或 Cursor 里别要求它一次性写完整段代码而是把它拆成三步“写出函数签名 核心逻辑框架”“用我给的测试用例跑一遍告诉我哪里不对”“根据失败点逐一修正”这三步不是一个复杂 prompt——它们是一个简单的 loop。你会立刻发现做对了的代码不需要你再手改出错的地方会以更系统的方式被定位和修复。这就是 Loop Engineering 的最小实践单位。参考The New Stack / Boris Cherny / Anthropic Claude Code 团队
