前言写给每一个未来的 Loop 工程师“你不该再给编程 Agent 写提示词了你应该设计循环来提示你的 Agent。”—— Peter Steinberger, OpenClaw 创始人为什么写这本书2026 年中AI 工程领域正在发生一次安静的革命。如果说 2022 年 ChatGPT 的诞生让世界第一次意识到大模型的存在2023 年的 Prompt Engineering 让人们学会如何与模型对话2024 年的 RAG 与 Context Engineering 让模型拥有了记忆2025 年的 Harness Engineering 给了 Agent 一具身体——那么 2026 年兴起的 Loop Engineering则把人从 AI 的工作循环中推到了循环之外。这是一次范式跃迁。在这之前人是司机AI 是引擎在这之后人成了自动驾驶系统的设计师AI 是跑在路上的一辆辆车。这不是抽象的比喻而是正在发生的事实——Anthropic 内部工程师已开始将自己视为算力分配师Claude Code 负责人 Boris Cherny 在 6 个月内一个人通过 Loop 系统提交了 259 个 PR、497 次提交、4 万行代码。但这场革命还没有一本系统的技术书。市面上有 Prompt Engineering 的入门书有 RAG 的实战手册有 Agent 框架的 API 文档——但还没有一本书把从 Prompt 到 Context、从 Context 到 Harness、从 Harness 到 Loop 的完整演进链条讲透把 Loop Engineering 的原理、组件、设计哲学、实战案例一一拆解。这本书就是为此而写。这本书的定位这是一本面向工程师的硬核技术书不是科普读物也不是工具教程。本书的读者画像想从用 AI 写代码升级到设计 AI 工作系统的资深工程师在大厂负责 AI Agent 平台建设的架构师创业公司 CTO需要决定团队何时引入 Loop 工程实践AI 应用研究人员希望理解工业界的真实痛点任何对如何让 AI 自主完成长程任务这个问题着迷的人我们假设你已经会用 Claude Code、Cursor 或类似工具熟悉 Python/TypeScript 之一了解基本的大模型 API 调用——在此基础上带你看清楚 Agent 工程的全貌并掌握设计 Loop 系统的所有关键能力。这本书的结构全书分为 12 章 番外篇按原理 → 组件 → 实战递进第 1 章 引言从 Prompt 到 Loop 的范式跃迁建立全局认知第 2 章 长程任务的本质定义问题域理解为什么长程任务难第 3 章 Prompt Engineering 的边界回顾旧范式看清它的天花板第 4 章 Context Engineering上下文的工程化RAG 与长上下文的权衡第 5 章 Harness Engineering为 Agent 打造身体八大组件拆解第 6 章 Loop Engineering自主循环的设计哲学五大核心组件第 7 章 任务发现与调度Loop 的起搏器第 8 章 沙盒环境与 Worktree 隔离让 Agent 安全犯错第 9 章 独立评估Maker-Checker 范式破解自评分幻觉第 10 章 持久化记忆与状态管理让 Agent 拥有长时记忆第 11 章 Sub-Agent 协作与编排多 Agent 系统的设计第 12 章 实战构建端到端 Loop 系统番外篇Loop 工程师的一天与未来展望每一章都遵循以下结构开场金句——用一句话抓住本章核心正文——原理 实践 案例 类比大量纯文本图与表格——可视化呈现最佳实践 Tips——可操作的工程经验番外篇——增加趣味与跨学科视角本章小结——回顾要点思考题——引发深度思考写作风格声明本书刻意采用以下风格纯文本图表不用 mermaid、不用图片所有架构图、流程图、关系图都用 ASCII 线条绘制。理由有三纯文本在任何终端、任何编辑器、任何格式下都能渲染纯文本可以被 LLM 直接读取、引用、改写与 Loop 工程的精神一致纯文本强迫作者把图画清楚而不是被工具的漂亮欺骗类比与隐喻技术本质往往抽象类比让抽象落地。本书大量使用司机与自动驾驶、“马具与 Harness”、“起搏器与调度器”、工作记忆与持久化记忆等类比。对比与演绎每一种新范式都与上一代对比每一个设计决策都从根本原因演绎出来。金句驱动每节末尾有一条加粗金句作为本章思想的浓缩。真实案例所有原理都配工业界真实实现Claude Code、Cursor、Devin、HappyClaw、AutoGPT、LangGraph、AutoGen 等。一句话总结这本书Loop Engineering 的根本原因不是AI 变强了而是人跟不上 AI 了——所以我们不再当司机改当自动驾驶系统的设计师。致谢本书的写作受益于以下先行者的公开思考Addy Osmani——Loop Engineering 概念的提出者Andrew Ng吴恩达——三层 Loop 模型Peter Steinberger——OpenClaw 的实践Boris Cherny——Claude Code 的工程实绩Andrej Karpathy——Software 2.0 与 LLM 工程的哲学思考Anthropic、OpenAI、Google DeepMind 公开的技术文档与博客感谢 HappyClaw 开源项目本书第 5、7、8、9、10、12 章的大量实战剖析都基于其开源代码。关于作者本书由 HappyClaw AI Agent 系统协作完成。从大纲设计到 12 章并行写作全流程由 12 个独立 Sub-Agent 在 HappyClaw 平台上协同完成——这本身就是 Loop Engineering 的一次实践。写作时间2026 年 7 月。愿这本书帮助你从 Prompt 工程师蜕变为 Loop 工程师从司机蜕变为自动驾驶系统的设计师。——写于 2026 年 7 月AI 工程范式跃迁的黎明
前言写给每一个未来的 Loop 工程师“你不该再给编程 Agent 写提示词了你应该设计循环来提示你的 Agent。”—— Peter Steinberger, OpenClaw 创始人为什么写这本书2026 年中AI 工程领域正在发生一次安静的革命。如果说 2022 年 ChatGPT 的诞生让世界第一次意识到大模型的存在2023 年的 Prompt Engineering 让人们学会如何与模型对话2024 年的 RAG 与 Context Engineering 让模型拥有了记忆2025 年的 Harness Engineering 给了 Agent 一具身体——那么 2026 年兴起的 Loop Engineering则把人从 AI 的工作循环中推到了循环之外。这是一次范式跃迁。在这之前人是司机AI 是引擎在这之后人成了自动驾驶系统的设计师AI 是跑在路上的一辆辆车。这不是抽象的比喻而是正在发生的事实——Anthropic 内部工程师已开始将自己视为算力分配师Claude Code 负责人 Boris Cherny 在 6 个月内一个人通过 Loop 系统提交了 259 个 PR、497 次提交、4 万行代码。但这场革命还没有一本系统的技术书。市面上有 Prompt Engineering 的入门书有 RAG 的实战手册有 Agent 框架的 API 文档——但还没有一本书把从 Prompt 到 Context、从 Context 到 Harness、从 Harness 到 Loop 的完整演进链条讲透把 Loop Engineering 的原理、组件、设计哲学、实战案例一一拆解。这本书就是为此而写。这本书的定位这是一本面向工程师的硬核技术书不是科普读物也不是工具教程。本书的读者画像想从用 AI 写代码升级到设计 AI 工作系统的资深工程师在大厂负责 AI Agent 平台建设的架构师创业公司 CTO需要决定团队何时引入 Loop 工程实践AI 应用研究人员希望理解工业界的真实痛点任何对如何让 AI 自主完成长程任务这个问题着迷的人我们假设你已经会用 Claude Code、Cursor 或类似工具熟悉 Python/TypeScript 之一了解基本的大模型 API 调用——在此基础上带你看清楚 Agent 工程的全貌并掌握设计 Loop 系统的所有关键能力。这本书的结构全书分为 12 章 番外篇按原理 → 组件 → 实战递进第 1 章 引言从 Prompt 到 Loop 的范式跃迁建立全局认知第 2 章 长程任务的本质定义问题域理解为什么长程任务难第 3 章 Prompt Engineering 的边界回顾旧范式看清它的天花板第 4 章 Context Engineering上下文的工程化RAG 与长上下文的权衡第 5 章 Harness Engineering为 Agent 打造身体八大组件拆解第 6 章 Loop Engineering自主循环的设计哲学五大核心组件第 7 章 任务发现与调度Loop 的起搏器第 8 章 沙盒环境与 Worktree 隔离让 Agent 安全犯错第 9 章 独立评估Maker-Checker 范式破解自评分幻觉第 10 章 持久化记忆与状态管理让 Agent 拥有长时记忆第 11 章 Sub-Agent 协作与编排多 Agent 系统的设计第 12 章 实战构建端到端 Loop 系统番外篇Loop 工程师的一天与未来展望每一章都遵循以下结构开场金句——用一句话抓住本章核心正文——原理 实践 案例 类比大量纯文本图与表格——可视化呈现最佳实践 Tips——可操作的工程经验番外篇——增加趣味与跨学科视角本章小结——回顾要点思考题——引发深度思考写作风格声明本书刻意采用以下风格纯文本图表不用 mermaid、不用图片所有架构图、流程图、关系图都用 ASCII 线条绘制。理由有三纯文本在任何终端、任何编辑器、任何格式下都能渲染纯文本可以被 LLM 直接读取、引用、改写与 Loop 工程的精神一致纯文本强迫作者把图画清楚而不是被工具的漂亮欺骗类比与隐喻技术本质往往抽象类比让抽象落地。本书大量使用司机与自动驾驶、“马具与 Harness”、“起搏器与调度器”、工作记忆与持久化记忆等类比。对比与演绎每一种新范式都与上一代对比每一个设计决策都从根本原因演绎出来。金句驱动每节末尾有一条加粗金句作为本章思想的浓缩。真实案例所有原理都配工业界真实实现Claude Code、Cursor、Devin、HappyClaw、AutoGPT、LangGraph、AutoGen 等。一句话总结这本书Loop Engineering 的根本原因不是AI 变强了而是人跟不上 AI 了——所以我们不再当司机改当自动驾驶系统的设计师。致谢本书的写作受益于以下先行者的公开思考Addy Osmani——Loop Engineering 概念的提出者Andrew Ng吴恩达——三层 Loop 模型Peter Steinberger——OpenClaw 的实践Boris Cherny——Claude Code 的工程实绩Andrej Karpathy——Software 2.0 与 LLM 工程的哲学思考Anthropic、OpenAI、Google DeepMind 公开的技术文档与博客感谢 HappyClaw 开源项目本书第 5、7、8、9、10、12 章的大量实战剖析都基于其开源代码。关于作者本书由 HappyClaw AI Agent 系统协作完成。从大纲设计到 12 章并行写作全流程由 12 个独立 Sub-Agent 在 HappyClaw 平台上协同完成——这本身就是 Loop Engineering 的一次实践。写作时间2026 年 7 月。愿这本书帮助你从 Prompt 工程师蜕变为 Loop 工程师从司机蜕变为自动驾驶系统的设计师。——写于 2026 年 7 月AI 工程范式跃迁的黎明
)
