2026年6月，Anthropic Claude Code 负责人 Boris Cherny 在一场闭门分享会上说了句让全场安静的话。

他说："我已经不再直接提示 Claude 了。我有循环在跑，是循环在提示 Claude，是循环在决定下一步做什么。"

同一周，开源 Agent 项目 OpenClaw 的创建者 Peter Steinberger 发了一条推文，220万浏览："你不应该再手动提示 AI 编程助手了。你应该设计循环系统，让 Agent 自己提示自己。"

这两个人，一个是闭源巨头 Claude Code 的掌门人，一个是开源社区最火的 Agent 框架作者。他们没有商量过，但他们说了同一件事。这不是巧合。

提示词工程师，正在被淘汰

过去两年，"提示词工程"是整个 AI 圈最热的词。大家花大量时间研究怎么写提示词更有效，怎么用 role prompt 给 AI 立人设，怎么用 chain-of-thought 让 AI 推理更准确。

2026年的答案是：这些都不重要了。

因为顶级的 AI 编程实践，已经从"人写提示词"变成了"人设计系统，系统自动写提示词"。你和 AI 之间的关系，发生了一次根本性的重定位。

回头看这四年的进化轨迹：

2023年，自动补全。你敲代码，AI 帮你补下一行。你是主笔，它是助手。

2024年，提示写代码。你描述需求，它写出代码，你审查。这个阶段诞生了"提示词工程"这个职业方向，大家开始研究怎么把需求描述得更精准。

2025年，并行 Agent。你同时开多个 AI 会话，每个处理不同任务，你在中间协调分配。你变成了项目经理。

2026年，循环工程。你不再坐在循环里手动操作。你去写那个自动运行的循环系统。AI 自己观察、思考、行动、评估、重新规划。

每一步，你离一线操作越来越远。你的工作越来越像"建系统"而不是"干活"。

循环工程到底长什么样

前 Google Cloud AI 总监 Addy Osmani 系统性定义了这个新范式，给它起了个名字叫 Loop Engineering。

它的核心结构很简单：

目标定义 → 观察当前状态 → 分析局面制定计划 → 执行行动 → 评估结果 → 根据反馈调整计划 → 循环直到目标达成。

你不告诉 AI "第一步做什么，第二步做什么"。你只给它一个目标和一套约束。它自己在一个循环里观察、思考、行动、评估、重新规划，反复迭代，直到目标达成。整个过程不需要你再写一行提示词。

Claude Code 团队把循环分为四种模式：

回合制循环。你发的每条指令启动一个手动循环，每一步你控制节奏。这是入门模式，适合探索性任务。

基于目标的循环。你给一个可验证的完成标准，比如"所有单元测试通过且代码审查无阻塞意见"，AI 自己迭代到满足条件为止。这是目前最实用的模式。

持续监控循环。设定触发条件，比如"当 CI 报错时自动修复"或"每天凌晨检查依赖更新"。AI 在后台持续运行，发现问题自己处理。

多 Agent 编排循环。多个 Agent 同时跑不同的子循环，有的负责代码生成，有的负责审查，有的负责测试。一个"指挥 Agent"协调全局。

这四种模式不是递进关系，是不同场景用不同的循环。但它们的共同点是：你不再写提示词，你设计循环。

为什么现在才爆发

循环工程不是新概念。2023年就有团队在尝试。但为什么 2026 年才真正引爆？

三个条件同时成熟了。

长上下文窗口的突破。Claude 支持 100 万 token 上下文，Gemini 2.5 Pro 也是百万级。AI 可以一次性读完整个代码仓库，理解项目全貌。过去最大的瓶颈——AI 不懂项目全局——被彻底解决。循环需要全局视野，这个条件 2026 年才到位。

Agent 基础设施的成熟。Vercel 开源了 Eve 框架，两行代码启动一个 Agent，内置持久化、沙箱计算、人机审批、可观测性。就像 Next.js 当年让前端工程化走入大众一样，Eve 这类框架正在让 Agent 开发从"手工作坊"变成"标准化产线"。循环工程的门槛正在被拉低。

成本临界点到来。云端 Agent 模式的算力成本大幅下降，中小团队也跑得起持续循环。Uber 四个月烧完全年 AI 预算这个故事的另一面是：企业愿意为循环买单，因为回报远超投入。

这三个条件在 2026 年上半年同时到位，循环工程从先锋团队的实验，变成了可落地的工程实践。

你的提示词经验，正在贬值

这可能是最让开发者焦虑的一个事实。

过去两年，你在提示词工程上积累的经验——怎么写 system prompt，怎么设计 few-shot 示例，怎么调 temperature 参数——这些东西的保质期可能比你想象得要短。

因为循环工程的核心逻辑是反过来的。提示词工程的核心是"你要把话说清楚"，循环工程的核心是"你要设计一个能自己把话说清楚的系统"。前者考验你的表达能力，后者考验你的系统设计能力。

这不是渐进式升级，是一次质的跃迁。

就像当年从手写 SQL 到使用 ORM 框架。优秀的 DBA 不会因此失业，但只会手写 CRUD 的程序员会。同样，真正理解系统设计的人不会因为循环工程而失业，但只靠"写提示词"吃饭的人会。

Anthropic 官方博客最近专门发了一篇文章叫《Getting Started with Loops》，手把手教开发者怎么写循环。这个信号非常清晰：官方已经把循环工程定位为下一代 AI 编程的核心范式，不是实验特性，是主航道。

怎么开始

三条路径，对应不同阶段。

如果你还在用手动提示词模式：先用好基于目标的循环。把任务描述从"帮我写一个登录功能"升级为"帮我实现登录功能，要求所有测试通过且代码符合项目规范"。给 AI 一个可验证的目标，让它自己迭代，你只做最终审查。

如果你已经习惯并行 Agent：开始尝试多 Agent 循环编排。让一个 Agent 专门负责代码审查，一个专门跑测试，一个专门修 Bug。你在循环外面观察，只干预异常情况。

如果你在带团队：把循环工程纳入团队工作流。不是买工具，是改造流程。需求评审后，不是分配给人，而是分配给循环系统。人从执行者变成仲裁者。

需要明确一个边界：循环工程不是万能药。探索性原型开发、需求模糊的早期项目、安全敏感的系统，这些场景不适合全自动化循环。循环工程最适合的场景是：目标清晰、验证标准可量化、有成熟工具链的工程任务。知道什么时候不用循环，和知道怎么用循环，同样重要。

结尾

AI 编程的叙事一直在变。2023年说"AI 帮你写代码"，2024年说"AI 理解你的需求"，2025年说"AI 管理你的项目"。

2026年的叙事是：AI 不需要你了。

它不需要你写提示词，不需要你分配任务，不需要你盯着它看。它在一个你已经设计好的循环里，自己观察、思考、行动、修正——你在循环外面喝咖啡。

这不是威胁。这是进化的必然。就像汽车不需要人挥鞭子一样，好的自动化系统，本质上就是让你从操作者变成设计者。