AI第四次范式转移：从Prompt到Loop，普通人如何落地循环机制

P.S. 目前国内还是很缺AI人才的，希望更多人能真正加入到AI行业，共同促进行业进步，增强我国的AI竞争力。想要系统学习AI知识的朋友可以看看我精心打磨的教程 http://blog.csdn.net/jiangjunshow，教程通俗易懂，高中生都能看懂，还有各种段子风趣幽默，从深度学习基础原理到各领域实战应用都有讲解，我22年的AI积累全在里面了。注意，教程仅限真正想入门AI的朋友，否则看看零散的博文就够了。

前言

最近有个词在开发者圈子里火了——Loop。

🎤 黄仁勋说"Prompt正在过时，Loop才是新范式"。Claude Code的创始人Boris Cherny说他早就不自己写提示词了，全让一堆Loop替他干活。OpenClaw的创始人Peter Steinberger一条关于Loop的推文，浏览量直接冲到150万。

这不是什么新概念硬炒，而是AI编程正在经历第四次范式转移——从Prompt到Context，到Harness，再到Loop。

🎤 说实话，我第一次听说"第四次范式转移"的时候，脑子里闪过一个画面：一个程序员在四次范式转移中，头发从茂密到稀疏，最后变成了地中海。范式转移了四次，我的发际线后退了四厘米。🦲

🤔 Loop到底是个什么东西？

别被名字唬住，道理挺直白的。

过去你用AI编程，是一句一句跟它对话：你写Prompt，它吐代码，你看结果，不满意再写一条。整个流程人一直在循环里面盯着，AI动一步，你推一步。

🎤 这就好比你养了一只仓鼠，它跑一步，你推一下轮子。跑一步，推一下。跑了三年，你瘦了，仓鼠胖了，但你们谁都没真正跑远。🐹

Loop干的事，就是把人从循环里抽出来。

你给AI定一个目标，它自己跑，跑完自己验收，不合格自己重来，直到干完或者花超预算才停。你的角色从"传话人"变成了"规则设计者"。

🎤 打个比方，以前你是在教实习生怎么敲代码，每一步都要你指挥。现在你是在设计一条流水线，实习生自己在那转，转完了交成品。

唯一的区别是：实习生会累，AI不会。实习生会摸鱼，AI……AI也会，但它摸鱼的方式比较高级，叫"幻觉"。😂

🤖 它跟Agent有什么区别？

好问题。很多人一听到Loop就说：这不就是Agent吗？

Agent是那个干活的"人"，Loop是让这个人不用你盯着也能持续干活的那套管理机制。

没有Loop的Agent，你问一句它动一下，本质上还是个听话的工具。套上Loop的Agent，才变成一个能自转的系统。

🎤 这就好比：Agent是孙悟空，Loop是金箍。没有金箍的孙悟空，今天去东海借个棒子，明天去地府改个生死簿，后天大闹天宫——挺能干的，但你不盯着他就翻天了。

有了金箍（Loop），孙悟空就能自己去取经了。虽然偶尔还是会打妖精，但至少不会把唐僧给炖了。🐵

Boris Cherny自己怎么工作的？他去年11月就把IDE卸载了。现在他手下几百个小Agent同时跑，有的扫GitHub Issue，有的读Slack反馈，有的监控CI失败。每个Agent在自己隔离的分支里干活，一个写代码，另一个跑测试验收。搞不定的才进他的收件箱。

🎤 据他说，自Opus 4.5以来，他所有代码都是Claude Code写的，大部分代码直接是在手机上完成的。

我听完沉默了。我手机上最大的生产力工具是微信和抖音，人家手机上跑的是几百个Agent。这大概就是我和大佬之间，除了银行卡余额之外的第二个差距吧。📱💸

🔥 为什么偏偏是现在火了？

其实Loop的理念学术界早就有了。2022年姚顺雨的ReAct框架（Reason+Act），做的就是"思考→行动→观察→再思考"的循环结构。

那为什么现在才在工业界爆发？

工具成熟了。一年前你想搞这套，得自己写一堆Bash脚本、排程系统、状态管理。现在Claude Code和OpenAI Codex把这些能力直接内建进产品了。

🎤 一年前搞Loop，你得是个全栈工程师+DevOps+运维+产品经理+心理辅导员。现在你只需要会打字，和一张信用卡。

当然，信用卡的额度决定了你能Loop多久。💳🔥

Claude Code里：

• /loop负责定时循环
• /goal负责目标驱动（跑到验收条件满足才停）
• /schedule负责云端定时任务，合上电脑也能跑

🎤 最精妙的设计在/goal——写代码的是大模型，验收的是另一个独立的小模型Haiku，各司其职。自己不能判自己的卷子，这条原则被写进了产品架构。

这让我想起了高中时的我：写作文的是我，判作文的还是我（如果老师允许的话）。结果？满分。Haiku要是也这么干，那代码质量大概和我当年的作文水平差不多——辞藻华丽，逻辑稀碎。✍️

OpenAI Codex的玩法更接近"自动化流水线+多Agent并行"，最多8个Agent同时在各自的云端沙箱里干活，最后汇总结果。

两个产品的实现路径不同，但长出来的形态高度相似——都拆碎任务、并行执行、统一汇总。公开评测里的表现也已经非常接近。

🎤 这说明一件事：模型本身已经卷不出太大差别了，真正的差距在上层的Loop编排。

翻译成人话：GPT和Claude的智商已经差不多了，现在比的是谁更会"带娃"。你带8个Agent，我带800个，差距就出来了。👶👶👶

📈 范式迁移：控制粒度不断上移

往回拉时间线，能看到一条清晰的演化路径：

• 2023~2024，Prompt Engineering：提示词怎么写决定AI表现好坏
• 2024~2025，Context Engineering：关注点从"怎么问"变成"给AI看什么信息"
• 2025~2026，Harness Engineering：给AI搭一个能干活、能约束、能调工具的运行环境
• 现在，Loop Engineering：让AI在这个环境里持续干活、自己推进、不需要人一步步盯着

🎤 本质上是人类对AI的控制粒度不断上移——从写一句话，到提供信息，到搭建系统，到设计循环。

按照这个趋势，2030年的AI工程师可能只需要做一件事：每天早上对AI说"加油"，然后去打高尔夫。⛳

当然，前提是你还付得起Token账单。

🛠️ 普通人怎么"Loop起来"？

X上有个博主Codez发了份14步实操Roadmap，我挑几个关键点说说。

第一步：先别急着建，先做"四条件测试"

Loop不是什么活都能往里塞。动手前先问四个问题：

• 任务重复发生吗？
• 有自动化验收手段吗？
• Token预算扛得住吗？
• Agent有完整工具权限吗？

四个全过，才值得建Loop。

🎤 这四个问题，我建议大家打印出来贴在显示器旁边。每次想建Loop的时候，先对着这四个问题深呼吸三次。

如果四个全过了，恭喜你，可以开始烧钱了。如果没过，也恭喜你，你省下了一个月的工资。💰

第二步：从最小可行Loop开始

第一次别搞花活。核心四件套：

• 一个触发器（定时跑或事件触发）
• 一个技能（把项目上下文写进STATE.md，让每次运行不用重新解释）
• 一个状态文件（记下"做到哪了、什么成了、什么挂了"）
• 一个门禁（测试、类型检查、构建——能自动拦住坏结果的东西）

顺序很关键：先手动跑通→写成Skill→包进Loop→最后才上定时。跳步是Loop死在生产环境的主要原因。

🎤 这就好比学做饭：先学会炒鸡蛋，再学炒土豆丝，最后才学满汉全席。你直接上Loop，相当于第一次做饭就做佛跳墙——跳的不是墙，是你的职业生涯。🍳🔥

第三步：写代码和验代码必须分开

这是Loop设计里最重要的一条原则。用一个模型负责写，另一个独立模型负责验收，验收的那个不能看到写的那个的推理过程。

为什么？因为模型给自己写的代码打分时，手太松了。所有"看起来不错"的代码，在独立验收器面前大概率能挑出一堆毛病。

🎤 这就好比让高中生自己判自己的高考卷子。“这道题我虽然写错了，但思路是对的，给满分吧。” “作文虽然跑题了，但字迹工整，加5分。”

最后总分750，实际能力250。独立验收器就是那个严格的阅卷老师：“跑题了，零分。” “编译不过，重写。” “这代码我奶奶都写得比你好。”

（当然，我奶奶不会写代码，但如果她会，可能真的写得更好。）👵💻

⚠️ 避坑指南：别人的教训

没有硬停止条件

Loop跑到你看到账单才停。必须设Token上限、迭代次数上限、时间限制。

🎤 我见过最惨的一个案例：某程序员设了个Loop去优化代码，忘了设停止条件，结果跑了一晚上。第二天早上醒来，邮箱里躺着一封来自OpenAI的账单，金额比他一个月工资还高。

他后来跟我说："那感觉就像你睡着的时候，信用卡自己在ATM机前排队取钱。"🏧💸

状态不落地

Agent的记忆是短时的，今天学的东西明天就忘。必须写进状态文件，每次运行接着读。

🎤 Agent的记忆就像金鱼，七秒。你让它记"上次做到哪了"，它说"什么上次？我是谁？我在哪？我要干嘛？"

所以STATE.md就是你的Agent的记事本。没有记事本的Agent，就像一个没有Todo List的程序员——看起来很忙，但什么都没做成。📝🐟

别让Loop碰"需要判断"的活

架构重写、鉴权代码、支付逻辑、产品方向决策，这些别让Loop碰。Loop适合干"对错清晰、机器可验证"的活，比如Lint自动修复、依赖更新PR、CI失败分类。

🎤 让Loop写支付逻辑，相当于让猴子去管银行金库。猴子可能很聪明，但金库里的钱……不太安全。

当然，如果你的Loop是GPT-6，那当我没说。但GPT-6出来之前，还是别让AI碰钱。毕竟AI不会坐牢，但你会。🚔💰

必须读Diff

Loop合入代码越来越快，你对代码库的理解越来越浅。这叫**“理解力债务”——真正的代价不是Token账单，而是某天你要调试一个团队里没人读过的系统**。

🎤 这就像一个房东，把房子租给了一群AI租客。租客们自己装修、自己改造，你每个月收租（代码提交），但从没进过房子。

直到有一天，水管爆了。你打开门，发现房子已经变成了一个你完全不认识的迷宫。墙上写满了你看不懂的代码，角落里蹲着一个正在自我迭代的Agent，对你说：“欢迎回家，主人。”

那一刻，你终于理解了什么叫"理解力债务"。🏠😱

衡量指标就一个：每个被接受的改动，平均成本是多少。如果你的"被接受率"低于50%，说明你做的Loop在亏钱。

🎤 低于50%的接受率，意味着你每接受一行代码，就要浪费一行代码的Token。这效率，还不如你自己写。

当然，如果你享受"看着AI瞎折腾"的过程，那当我没说。毕竟有些人看AI写代码，就像看电视剧一样上瘾——明知道剧情很烂，但就是停不下来。📺

💸 最大的两个问题：成本和认知投降

成本

这是最现实的障碍。Boris Cherny和Peter Steinberger背后都有公司提供近乎无限的Token支持，但普通人没这个条件。

有开发者算过：1分钟执行一次、连续跑8小时，就是480次API调用。Claude Code目前的策略是做限制：最小间隔1分钟，最长运行3天，到期自动停。关闭终端Loop就停，不是什么持久化后台任务，就是为了防止失控账单。

🎤 有人问Peter Steinberger"20美元的套餐根本不可能啊"，他回了一句大实话：“没错。可难道你的时间真不值钱吗？”

我看完这句话，沉默了五分钟。然后打开了我的银行账户，又沉默了五分钟。

最后我得出一个结论：我的时间确实值钱，但我的Token预算更不值钱。所以我还是先自己写吧。😅

认知投降

这是Google工程负责人Addy Osmani提的概念。当Loop运转越来越顺畅，人很容易停止思考。长期下来，可能逐渐失去形成独立判断的能力。

🎤 这就好比自动驾驶开久了，你突然要自己开车，发现连油门和刹车都分不清了。

Loop开久了，你突然要自己写代码，发现连for循环都不会写了。“等等，for循环的语法是什么来着？让我问问Claude……”

然后你打开了Claude Code，输入了：“帮我写一个for循环。”

Claude回复：“你确定要我写？这活Loop就能干。”

你：“……”

“设计Loop本身并不是答案。当你带着判断力去设计它时，它能成为解方；但当你用它来逃避思考时，它反而会成为加速问题恶化的催化剂。同样的行动，却可能带来完全相反的结果。”

🎤 这段话我建议大家抄下来，贴在显示器上，每天看三遍。不是为了记住，是为了提醒自己：别变成那个只会说"加油"然后去打高尔夫的人。

当然，如果你已经财富自由了，那当我没说。高尔夫确实挺好玩的。⛳

🔮 趋势已经很清晰了

过去三年，人一直在循环里，是驱动整个系统的核心。Loop工程第一次把人从循环的中心移到了循环的外面——人不再是司机，变成了导航。

🎤 这个比喻让我想起了驾校教练。以前你是学员，AI是教练，你开车，教练在旁边骂你：“踩刹车！踩刹车！你倒是踩啊！”

现在你是导航，AI是司机。你坐在副驾驶，说：“前方500米右转。” AI说：“收到。” 然后它自己开。

问题是：如果AI开错了，你能及时接管吗？还是你已经睡着了？😴🚗

对开发者来说，核心竞争力变成了定义问题、设计验收标准的能力。对产品来说，迭代速度会进一步加快，因为技术不再是瓶颈，判断力才是。

🎤 以前面试程序员，考的是算法、数据结构、系统设计。以后面试程序员，考的是：“请设计一个Loop，让AI在3天内完成一个项目，预算不超过100美元，验收标准你自己定。”

面试官：“你通过了。”

你：“我还没开始设计呢。”

面试官："不重要，你能把预算控制在100美元以内，已经比90%的候选人强了。"💯

当然这一切建立在一个前提上：模型还得继续变强。Loop能转多少圈、处理多复杂的任务，最终取决于模型的基础能力。如果模型跑个三五步就偏了，再精巧的Loop设计也没用。

🎤 这就好比给一辆自行车装上了自动驾驶系统。系统再精巧，它也只能在自行车道上跑，上不了高速。

所以每次GPT、Claude、DeepSeek出新版本，我都既兴奋又紧张。兴奋的是Loop又能干更多活了，紧张的是我的钱包又要瘦了。🚲➡️🚗

好在从今年的情况看，模型进步没慢下来。GPT-5.5、Claude 5、GLM-5.2、DeepSeek V4，半年时间各家都更新了一代，而且每一代都在Agent能力上有明显提升。

模型越来越强，Loop越转越顺，人越来越往外退。

🎤 这句话听起来像是一个悲伤的故事：人类被AI一步步挤出循环，最后站在循环外面，看着AI在里面疯狂转圈。

但换个角度想：以前你在循环里当苦力，现在你在循环外当老板。虽然这个老板可能很快也会被AI取代，但至少现在，你还能享受一下"指挥别人干活"的快感。

毕竟，当老板的感觉，确实比当苦力好。👔

这件事听起来好像只是效率提升，但仔细想想——它可能是AI从"工具"变成"协作者"的关键一步。工具是你用它，你得知道怎么操作。协作者是你告诉它目标，它自己想办法，你们一起把事情做成。

🎤 我们现在可能正站在这个分界点上。

左边是"工具时代"：你写Prompt，AI写代码，你改代码，AI再写，你再改……循环往复，直到你秃了。

右边是"协作者时代"：你说"做个电商网站"，AI说"好"，然后它自己设计、自己编码、自己测试、自己部署。三个月后，网站上线了。你问"做得怎么样？" AI说"还行，用户挺多的，就是支付模块有点bug，我已经修好了。"

你：“那我干嘛？”

AI：“你可以去写博客，教别人怎么用Loop。”

你：“这活儿Loop也能干吧？”

AI：“确实。那你去打高尔夫吧。”

你：“……”

我们现在可能正站在这个分界点上。

🎤 最后，作为一个在AI圈混了22年的老兵，我想说一句掏心窝子的话：

Loop很香，但别上头。

上头了的后果，可能是下个月收到账单的时候，你发现你的Loop比你还会花钱。💸💸💸

（全文完，我去检查我的Loop账单了。）

P.S. 目前国内还是很缺AI人才的，希望更多人能真正加入到AI行业，共同促进行业进步，增强我国的AI竞争力。想要系统学习AI知识的朋友可以看看我精心打磨的教程 http://blog.csdn.net/jiangjunshow，教程通俗易懂，高中生都能看懂，还有各种段子风趣幽默，从深度学习基础原理到各领域实战应用都有讲解，我22年的AI积累全在里面了。注意，教程仅限真正想入门AI的朋友，否则看看零散的博文就够了。