# 别急着搞 Loop——大多数人还没到需要它的阶段

> Loop Engineering 被过度营销。90% 的场景不满足 Loop 的前提条件，一个写得好的 prompt 就够了。

- 原文链接: https://laojin.blog/blog/20260701_dont_rush_loop
- 作者: 老金
- 发布日期: 2026-07-01
- 标签: Loop Engineering, AI, Prompt Engineering, 自动化

---

![别急着搞 Loop——大多数人还没到需要它的阶段](https://pic-1258874139.cos.ap-hongkong.myqcloud.com/laojinblog/posts/20260701/00_cover.png)

最近半个月，我的信息流里全是 Loop Engineering。

每篇文章都在告诉你 Loop 多厉害：AI 自己跑、自己检查、自己迭代，你只要定个目标就能去睡觉了。有人用它六天重写了整个代码库，有人一个月自动提交 259 个 PR。

听起来像超能力。

但我自己跑了一个多月 Loop 之后，最大的感受是——大多数场景下你根本不该用它。

## 先说 Loop 是什么，三句话够了

Prompt 是一条指令，AI 答完就停。

Loop 是一个目标，AI 自己跑"执行→验证→修正"的循环，直到达标或触发退出条件。

核心区别：你从操作者变成了设计者。你不再一步步推着它走，而是定好规则让它自己转。

但问题是——

## 90% 的人搞 Loop 是在烧钱

我见过（也自己犯过）的典型错误：

### 错误 1：任务本身不重复

一次性的事情，一个好 prompt 就够了。花两小时设计一个 Loop 去做你下周不会再做的事，这叫工程自嗨。

Loop 的设置成本只有在重复执行中才能摊薄。如果一个任务每周出现不到一次，prompt 永远比 Loop 划算。

### 错误 2：没有硬性验证手段

这是最致命的。

Loop 的灵魂是验证环节——每轮迭代后，有东西能客观判断"这次做对了没"。测试通过没？类型对了没？lint 干净没？

如果你的任务没有这种硬判据——比如"帮我写一篇有洞见的文章"——那 Loop 里的验证环节就变成了 AI 给自己打分。

自检是无效检测。

我踩过这个坑：让 compile agent 自己判断是否需要更新已有 wiki 条目。它每次都说"不用"——因为"不更新"是最安全的答案，不会犯错。后来拆成独立的 checker agent，更新率从 5% 跳到 30%。

但如果你连一个独立 checker 都很难定义（因为"好"本身就是主观的），那这个任务就不适合 Loop。

### 错误 3：Agent 无法端到端完成

如果工作做到一半要停下来等你拍板，那它不是 Loop，是一个带暂停键的 prompt。

Loop 的价值在于你不在的时候它还在转。如果每轮都得把球传回给你，你省下的时间全花在了检查中间产物上。

### 错误 4："完成"是品味判断

代码能不能跑，有客观答案。文章写得好不好，没有。

凡是最终需要人类品味来拍板的任务，Loop 只能帮你到 80 分，最后 20 分你还得自己来。而那 80 分，一个精心写的 prompt 通常也能到 70。

Loop 带来的边际提升，不值得它的复杂度和成本。

## Loop 的成本是复利增长的

这是所有鼓吹 Loop 的文章都轻描淡写的部分。

每次迭代，Agent 要重新读整个上下文：目标、历史、上轮结果、失败记录。这堆东西每轮都在膨胀。

![Loop 迭代成本曲线](https://pic-1258874139.cos.ap-hongkong.myqcloud.com/laojinblog/posts/20260701/01_cost_curve.png)

跑 10 轮的 Loop 不是花 10 个 prompt 的钱——是花 10 个越来越胖的 prompt 的钱。加上 Maker/Checker 双模型，账单再翻一倍。

一个中等任务单次跑完大约 5-20 万 tokens。但如果 Loop 迭代 6 轮才收敛，实际消耗可能是 80-150 万 tokens。

**真正该看的指标：每个被接受的产出的成本。**

如果你的 Loop 产出 10 个结果，你丢掉 6 个，你在做它本该替你省掉的审查工作。这不叫自动化，这叫用更贵的方式做同样的事。

## "Ralph Wiggum Loop"——静默失败

还有一种更阴险的情况：Agent 跑了两轮就宣布完成，在半成品上退出。Loop 框架没有觉察到（因为 Agent 说了"done"），继续按节奏触发下一个周期。

结果：Loop 持续运行、持续计费，但什么有价值的都没产出。

![静默失败](https://pic-1258874139.cos.ap-hongkong.myqcloud.com/laojinblog/posts/20260701/03_silent_failure.png)

**静默失败是 Loop 最大的敌人**——它不会崩溃报错，它会安静地花你的钱。

没有硬门控的 Loop，不是在帮你，是在骗你。

## 那什么时候该用？

四个条件必须同时满足：

![Loop 的四个前提条件](https://pic-1258874139.cos.ap-hongkong.myqcloud.com/laojinblog/posts/20260701/02_four_gates.png)

| # | 条件 | 反面 |
|---|------|------|
| 1 | 每周至少重复一次 | 一次性任务 → 用 prompt |
| 2 | 有硬性验证手段能自动拒绝坏输出 | 品味判断 → 人类来 |
| 3 | Agent 能端到端完成，不需要中途交还 | 需要你拍板 → 不是 Loop |
| 4 | "完成"有客观定义 | 主观标准 → prompt + 人工润色 |

少一条都不要搞。

满足这四条的典型场景：修复测试、lint cleanup、依赖升级、重复性代码迁移、定时数据处理。

不满足的典型场景：写文章、做设计决策、探索性研究、产品规划、任何需要"审美"的事。

## 我的建议：从不用 Loop 开始

逆向思考：

第一步，把你现在所有用 AI 做的事列出来。

第二步，划掉所有不满足四个条件的。

剩下的那 2-3 个，才是你真正值得投入 Loop 设计的地方。

对于剩下的大多数任务，一个写得好的 prompt（甚至一个 prompt 模板文件），效果已经够了。

## 如果你还是想试试

有一个零成本的方式可以感受 Loop 的思维模式。把这个粘贴到任何 LLM 里：

```
你将在循环中工作直到达标。

任务：[你要什么]

成功标准（严格）：
- [标准 1]
- [标准 2]
- [标准 3]

每轮：
1. 执行——生产或改进
2. 验证——对每个标准打分 1-10，列出薄弱点
3. 决定——每项 8+ 输出"最终版本"；否则修最弱项继续

规则：
- 8 分前不能说完成
- 不要问我问题
- 最多 5 轮

开始。
```

这不是 Loop——你还是触发者，关掉窗口它就消失。但它能让你体会到"给 AI 一个目标+验证标准，让它自己迭代"的效果。

体会到了，再决定要不要往真正的自动化方向走。

## 最后

Loop Engineering 是真实的技术演进，但它被过度营销了。

大部分人此刻需要的是：
- 一个好的 CLAUDE.md 让 Agent 理解你的项目
- 几个写得好的 prompt 模板
- 清楚什么该让 AI 做、什么不该

**这些基本功没做好，Loop 只会帮你更快地把事情搞砸。**