別再寫 Prompt 了，現在的高手都在設計 Loop
整理版優先睇
Loop Engineering：自動循環代替手動 Prompt，AI 使用方式正在從對話變成編程
呢篇文章引用 Claude Code 作者 Boris Cherny 嘅一句話：「我不再 prompt Claude 了。我有循環在跑，係佢哋在 prompt Claude。」從而帶出一個新趨勢：Loop Engineering。作者想解決嘅問題係傳統 Prompt Engineering 嘅效率瓶頸——每次都要你在場，你係瓶頸。整體結論係：設計一個自動循環系統替你 prompt AI，你定義目標同驗證標準，然後就可以唔需要監控。
Loop 嘅核心係將 AI 當成子函數，由系統自動觸發、執行、驗證、停止。相比傳統對話式 AI 用法，Loop 嘅自動化程度更高，適合重複性、可驗證、高價值嘅任務。文章仲提出咗實際例子，例如代碼重構 Loop、競品監控 Loop、文檔同步 Loop，同埋 Claude Code 原生支援嘅 /goal、/loop 命令同 CLAUDE.md 檔案。
最後作者提醒 Loop 必須要設有停止條件，包括最大迭代次數、無進展檢測同費用上限，否則好易變成無限賬單。佢建議由簡單重構任務開始，逐步建立 Loop 系統，感受「睡一覺起來代碼寫好」嘅體驗。總括嚟講，Loop Engineering 代表 AI 使用方式正從「對話」轉向「編程」，你唔再係 AI 嘅聊天對象，而係系統架構師。
- Loop Engineering 係設計自動循環系統，由系統 prompt AI，唔使自己逐句問，提高效率。
- 核心組成包括觸發器、目標、執行器、驗證器同停止條件，每樣都要定義清楚。
- 同傳統 Prompt Engineering 最大分別在於自動化程度：Loop 唔需要你在場，你可以去睡覺。
- Loop 適合重複、可驗證、高價值嘅任務，唔適合隨手一問嘅一次性問題。
- 可以從簡單重構任務開始，用 Claude Code 嘅 /goal 命令、寫 CLAUDE.md、加通知，逐步建立 Loop。
/goal 命令
設定完成條件，Claude 自主工作到達標為止。例如：/goal 重構 auth 模塊，所有測試必須通過，代碼覆蓋率 > 80%
/loop 命令
定期執行，持續檢查。例如：/loop every 5 minutes, 對比當前代碼和 spec，繼續構建直到完成
CLAUDE.md 檔案
每次 Agent 犯錯，將修正寫入 CLAUDE.md，下次新會話自動讀取，避免重複錯誤，形成 Loop 嘅學習記憶。
內容片段
目標：把所有 var 改成 const/let，所有測試通過觸發：手動啓動循環：
1. AI 修改一批文件
2. 跑 eslint + jest
3. 有錯誤？把錯誤喂回 AI
4. 沒錯誤？檢查是否還有 var
5. 還有 var → 繼續循環
6. 沒有了 → 停止乜嘢係 Loop Engineering？
一句話定義：設計一個系統來替你 prompt AI，而唔係你自己去 prompt。你寫嘅唔係提示詞，而係一個程序：觸發 → AI 執行 → 檢查結果 → 冇達標？再嚟一輪 → 達標？停止。
- Prompt Engineering：你優化一條提示詞，AI 係你嘅對話對象，適合一次性任務，自動化程度低。
- Loop Engineering：你設計自動運行嘅循環系統，AI 係你程序裏嘅一個子函數，適合重複、可驗證嘅開放式工作，自動化程度高——定時/事件觸發，無人值守。
Loop 嘅核心組成
一個完整嘅 Loop 需要五個部分，缺一不可。
- 1 觸發器：乜嘢啟動呢個 Loop？定時、PR 提交、文件變化等。
- 2 目標：乜嘢算完成？例如測試全部通過、代碼符合規範。
- 3 執行器：邊個喺度做嘢？Claude Code、Codex 或任何 Agent。
- 4 驗證器：點樣判斷做得啱唔啱？跑測試、lint、另一個 AI 審核。
- 5 停止條件：幾時停？達標、超時、超預算。
沒有停止條件的 Loop 係一張無限賬單，必須設最大迭代次數、無進展檢測同費用上限。
實際例子：Loop 點樣用？
以下三個例子展示 Loop 嘅應用場景。
- 代碼重構 Loop：目標係將所有 var 改成 const/let，所有測試通過。觸發手動啟動後，AI 修改文件 → 跑 eslint + jest → 有錯誤就喂返俾 AI → 冇錯誤檢查仲有冇 var → 繼續直至冇。
- 競品監控 Loop：目標係檢測競品網站變化，生成分析報告。每日凌晨3點觸發，爬取官網 → 同昨日快照對比 → 有變化就分析含義 → 生成報告推 Slack → 冇變化靜默退出。
- 文檔同步 Loop：目標係保持文檔同代碼同步。每次 PR 合併觸發，AI 對比代碼變更同文檔 → 發現不一致就生成更新 PR → 另一個 AI 審核質量 → 通過就合併，唔通過就修改再審。
Loop 嘅成本現實：單 Agent Loop 比普通對話多 4 倍 token，多 Agent Loop 多 15 倍。一個實際案例用咗 25 小時、1300 萬 token，產出 3 萬行代碼。
點樣開始 Loop 同成本控制
Loop 唔係免費午餐，適合高價值、重複性嘅任務。判斷標準有三條：重複（經常要做）、可驗證（有自動化檢查）、有價值（產出值得 token 消耗）。
- 1 由簡單重構任務開始：讓 AI 喺 Loop 裏改代碼 + 跑測試。
- 2 用 Claude Code 嘅 /goal 命令：最低成本體驗 Loop。
- 3 寫一個 CLAUDE.md：將項目規則寫清楚，每個新會話自動執行，避免重複錯誤。
- 4 加上通知：Loop 完成或失敗時通知你，唔需要一直睇實。
Loop 係呢個時代嘅趨勢：AI 使用方式正在從「對話」變成「編程」。設計 Loop 嘅人，就係 AI 系統嘅架構師。
2023 年流行 Prompt Engineering。2024 年流行 Agent。
2026 年，新嘅關鍵詞嚟咗：Loop Engineering。
Claude Code 嘅作者 Boris Cherny 講咗一句話：
"我唔再 prompt Claude 啦。我有循環喺度行緊，係佢哋喺度 prompt Claude。"
呢句話第一次聽覺得好扮嘢，第二次讀先發現——呢個就係而家效率最高嘅 AI 使用方式。
咩嘢係 Loop Engineering
一句話定義：設計一個系統嚟替你 prompt AI，而唔係你自己去 prompt。
你寫嘅唔係 Prompt，而係一個程序：
觸發 → AI 執行 → 檢查結果 → 沒達標？再來一輪 → 達標了？停止核心區別：
| Prompt Engineering | Loop Engineering | |
|---|---|---|
| 你做啲咩 | 優化一條 Prompt | 設計自動運行嘅循環系統 |
| AI 係啲乜 | 你嘅對話對象 | 你程式裏面嘅一個子函數 |
| 自動化程度 | 無 | 高——定時/事件觸發，無人值守 |
| 適合啲咩 | 一次性任務 | 重複性、可驗證嘅開放式工作 |
點解 Prompt 唔夠用啦
你用 Claude Code 寫 code，流程係咁樣：
你輸入需求 → AI 寫代碼 → 你看代碼 → 不對，你再提需求 → AI 改 → ...每一輪都需要你在場。你係樽頸。
Loop Engineering 嘅做法：
你定義目標和驗證標準 → 系統自動 prompt AI → AI 寫代碼 →
系統跑測試 → 沒通過？系統自動把錯誤喂回去 → AI 再改 →
系統再跑測試 → 通過了？停止，通知你你唔需要在場。 你定義好「咩嘢算完成」，然後去瞓覺。
一個 Loop 嘅核心組成
| 組件 | 作用 | 例子 |
|---|---|---|
| 觸發器 | 咩嘢啟動呢個 Loop | 定時/PR 提交/文件變化 |
| 目標 | 咩嘢算完成 | 測試全部通過/code 符合規範 |
| 執行器 | 邊個喺度做嘢 | Claude Code / Codex / 任何 Agent |
| 驗證器 | 點樣判斷做啱咗 | 跑測試/lint/另一個 AI 審核 |
| 停止條件 | 幾時停 | 達標/超時/超預算 |
實際例子
例子 1：code 重構 Loop
目標：把所有 var 改成 const/let，所有測試通過
觸發：手動啓動
循環：
1. AI 修改一批文件
2. 跑 eslint + jest
3. 有錯誤？把錯誤喂回 AI
4. 沒錯誤？檢查是否還有 var
5. 還有 var → 繼續循環
6. 沒有了 → 停止例子 2：競品監控 Loop
目標：檢測競品網站變化，生成分析報告
觸發：每天凌晨 3 點
循環：
1. 爬取競品官網
2. 和昨天的快照對比
3. 有變化？讓 AI 分析變化含義
4. 生成報告，推送到 Slack
5. 沒變化？靜默退出例子 3：文檔同步 Loop
目標：保持文檔和代碼同步
觸發：每次 PR 合併
循環：
1. AI 對比代碼變更和現有文檔
2. 發現不一致？AI 生成文檔更新 PR
3. 另一個 AI 審核文檔質量
4. 審核通過？自動合併
5. 不通過？修改後再審Claude Code 原生支援
Claude Code 已經內置咗 Loop 能力：
/goal 命令：設定完成條件，Claude 自主做工到達標為止。
/goal 重構 auth 模塊，所有測試必須通過，代碼覆蓋率 > 80%/loop 命令：定期執行，持續檢查。
/loop every 5 minutes, 對比當前代碼和 spec，繼續構建直到完成CLAUDE.md 檔案：每次 Agent 犯嘅錯，將修正寫入 CLAUDE.md。下次新會話自動讀取，唔會重複同樣嘅錯誤。呢個就係 Loop 嘅「學習記憶」。
三條停止線：Loop 必須有剎車
冇停止條件嘅 Loop 係一張無限帳單。三條線缺一不可：
| 停止線 | 為什麼 |
|---|---|
| 最大迭代次數 | 防止卡死循環 |
| 無進展檢測 | 連續 N 輪冇變化就停 |
| 費用上限 | 燒到 X 蚊自動停 |
有啲人嘅 Loop 失控過：Agent 調用一個壞咗嘅工具，5 分鐘內重試咗 400 次。
"冇呢三條線，你跑嘅唔係 Loop，係一張無限嘅帳單。"
Loop 嘅成本現實
唔好以為 Loop 係免費午餐：
- • 單 Agent Loop：比普通對話多 4 倍 token
- • 多 Agent Loop：多 15 倍 token
- • 一個實際案例：25 小時，1300 萬 token，產出 3 萬行 code
所以 Loop 適合高價值、重複性嘅任務，唔適合隨口一問。
咩嘢任務適合做成 Loop
三個判斷標準：
- 1. 重複：成日要做，設計成本值回票價
- 2. 可驗證：「完成」有明確嘅自動化檢查（測試通過/lint 通過/diff 為空）
- 3. 有價值：產出值得嗰啲 token 消耗
滿足呢三條 → 做成 Loop。
任何一條唔滿足 → 手動 prompt 就得。
從邊度開始
如果你想嘗試 Loop Engineering：
- 1. 由一個簡單嘅重構任務開始：俾 AI 喺 Loop 裏面改 code + 跑測試
- 2. 用 Claude Code 嘅 /goal 命令：最低成本體驗
- 3. 寫一個 CLAUDE.md：將項目規則寫清楚，每個新會話自動執行
- 4. 加上通知：Loop 完成或失敗時通知你
唔需要一步到位。先俾一個小 Loop 行起，感受一下「瞓一覺起身 code 寫好咗」嘅體驗。
Loop Engineering 代表嘅係一個趨勢：AI 嘅使用方式正在由「對話」變成「編程」。
你唔再係 AI 嘅聊天對象，而係 AI 嘅系統架構師。
關注「八小時之外」，每日一篇 AI 實戰乾貨。
2023 年流行 Prompt Engineering。2024 年流行 Agent。
2026 年，新的關鍵詞來了：Loop Engineering。
Claude Code 的作者 Boris Cherny 說了一句話：
"我不再 prompt Claude 了。我有循環在跑，是它們在 prompt Claude。"
這句話第一次聽覺得裝逼，第二次讀才發現——這就是現在效率最高的 AI 使用方式。
什麼是 Loop Engineering
一句話定義：設計一個系統來替你 prompt AI，而不是你自己去 prompt。
你寫的不是提示詞，而是一個程序：
觸發 → AI 執行 → 檢查結果 → 沒達標？再來一輪 → 達標了？停止核心區別：
| Prompt Engineering | Loop Engineering | |
|---|---|---|
| 你做什麼 | 優化一條提示詞 | 設計自動運行的循環系統 |
| AI 是什麼 | 你的對話對象 | 你程序裏的一個子函數 |
| 自動化程度 | 無 | 高——定時/事件觸發，無人值守 |
| 適合什麼 | 一次性任務 | 重複性、可驗證的開放式工作 |
為什麼 Prompt 不夠用了
你用 Claude Code 寫代碼，流程是這樣的：
你輸入需求 → AI 寫代碼 → 你看代碼 → 不對，你再提需求 → AI 改 → ...每一輪都需要你在場。你是瓶頸。
Loop Engineering 的做法：
你定義目標和驗證標準 → 系統自動 prompt AI → AI 寫代碼 →
系統跑測試 → 沒通過？系統自動把錯誤喂回去 → AI 再改 →
系統再跑測試 → 通過了？停止，通知你你不需要在場。 你定義好「什麼算完成」，然後去睡覺。
一個 Loop 的核心組成
| 組件 | 作用 | 例子 |
|---|---|---|
| 觸發器 | 什麼啓動這個 Loop | 定時/PR 提交/文件變化 |
| 目標 | 什麼算完成 | 測試全部通過/代碼符合規範 |
| 執行器 | 誰在幹活 | Claude Code / Codex / 任何 Agent |
| 驗證器 | 怎麼判斷做對了 | 跑測試/lint/另一個 AI 審核 |
| 停止條件 | 什麼時候停 | 達標/超時/超預算 |
實際例子
例子 1：代碼重構 Loop
目標：把所有 var 改成 const/let，所有測試通過
觸發：手動啓動
循環：
1. AI 修改一批文件
2. 跑 eslint + jest
3. 有錯誤？把錯誤喂回 AI
4. 沒錯誤？檢查是否還有 var
5. 還有 var → 繼續循環
6. 沒有了 → 停止例子 2：競品監控 Loop
目標：檢測競品網站變化，生成分析報告
觸發：每天凌晨 3 點
循環：
1. 爬取競品官網
2. 和昨天的快照對比
3. 有變化？讓 AI 分析變化含義
4. 生成報告，推送到 Slack
5. 沒變化？靜默退出例子 3：文檔同步 Loop
目標：保持文檔和代碼同步
觸發：每次 PR 合併
循環：
1. AI 對比代碼變更和現有文檔
2. 發現不一致？AI 生成文檔更新 PR
3. 另一個 AI 審核文檔質量
4. 審核通過？自動合併
5. 不通過？修改後再審Claude Code 原生支持
Claude Code 已經內置了 Loop 能力：
/goal 命令：設定完成條件，Claude 自主工作到達標為止。
/goal 重構 auth 模塊，所有測試必須通過，代碼覆蓋率 > 80%/loop 命令：定期執行，持續檢查。
/loop every 5 minutes, 對比當前代碼和 spec，繼續構建直到完成CLAUDE.md 文件：每次 Agent 犯的錯，把修正寫進 CLAUDE.md。下次新會話自動讀取，不會重複同樣的錯誤。這就是 Loop 的「學習記憶」。
三條停止線：Loop 必須有剎車
沒有停止條件的 Loop 是一張無限賬單。三條線缺一不可：
| 停止線 | 為什麼 |
|---|---|
| 最大迭代次數 | 防止卡死循環 |
| 無進展檢測 | 連續 N 輪沒變化就停 |
| 費用上限 | 燒到 X 元自動停 |
有人的 Loop 失控過：Agent 調用一個壞掉的工具，5 分鐘內重試了 400 次。
"沒有這三條線，你跑的不是 Loop，是一張無限的賬單。"
Loop 的成本現實
別覺得 Loop 是免費午餐：
- • 單 Agent Loop：比普通對話多 4 倍 token
- • 多 Agent Loop：多 15 倍 token
- • 一個實際案例：25 小時，1300 萬 token，產出 3 萬行代碼
所以 Loop 適合高價值、重複性的任務，不適合隨手一問。
什麼任務適合做成 Loop
三個判斷標準：
- 1. 重複：經常要做，設計成本值回票價
- 2. 可驗證：「完成」有明確的自動化檢查（測試通過/lint 通過/diff 為空）
- 3. 有價值：產出值得那些 token 消耗
滿足這三條 → 做成 Loop。
任何一條不滿足 → 手動 prompt 就好。
從哪裏開始
如果你想嘗試 Loop Engineering：
- 1. 從一個簡單的重構任務開始：讓 AI 在 Loop 裏改代碼 + 跑測試
- 2. 用 Claude Code 的 /goal 命令：最低成本體驗
- 3. 寫一個 CLAUDE.md：把項目規則寫清楚，每個新會話自動執行
- 4. 加上通知：Loop 完成或失敗時通知你
不需要一步到位。先讓一個小 Loop 跑起來，感受一下「睡一覺起來代碼寫好了」的體驗。
Loop Engineering 代表的是一個趨勢：AI 的使用方式正在從「對話」變成「編程」。
你不再是 AI 的聊天對象，而是 AI 的系統架構師。
關注「八小時之外」，每天一篇 AI 實戰乾貨。