趋势丨Prompt红利见顶，Loop接管AI交互

·聚焦:人工智能、芯片等行业

欢迎各位客官关注、转发

前言：

2026年6月，硅谷AI圈被两句话彻底点燃。Claude Code之父Boris Cherny说：“我不再给Claude写提示词了，我的工作就是写循环。”几乎同时，OpenAI发文：“别再给编程智能体写提示词了，你应该设计一套循环机制，让这些循环去提示你的Agent。”两句话收获千万级曝光，谷歌云AI总监正式将这一新范式命名为“循环工程”（Loop Engineering）。

黄仁勋紧接着划出新重点：“Nobody writes prompts anymore. The new job is to write and handle loops.”吴恩达更是断言：三到六个月后，prompt将消亡。从Prompt到Loop，AI交互的底层逻辑正在被重写。

作者| 方文三

图片来源 | 网络

Prompt红利为何见顶

2023年，Prompt Engineer是AI行业最热门的岗位，年薪百万不是新闻。但仅仅三年后，如果你还在简历上写“精通Prompt Engineering”，猎头可能会礼貌地建议你更新技能树。

Prompt权重为何断崖式下跌？核心原因有两个。第一，模型变聪明了。 两年前，人们需要通过精巧的话术“哄着”模型工作。但如今，DeepSeek V3、Claude 4.5等先进模型的意图理解能力已大幅提升。即使给出粗糙的Prompt，模型也能大概率领会意图。

第二，单次问答解决不了复杂任务。 一个供应链Agent的任务包括检测库存、分析销量、预测需求、生成补货单并发送审批，这种多步骤流程无法依靠单一Prompt实现。MIT 2026年初的一份研究指出，顶尖模型与轻量模型之间的性能差距正在收敛，每多投入一美元带来的提升在持续下降。当模型本身不再有指数级飞跃，真正的竞争从“模型能力”转向了“工程能力”——如何让现有模型完成更复杂的任务，成为新的决胜点。

从“回合制”到“闭环”：Loop到底是什么

要理解Loop，先回顾旧范式。过去两年用AI的标准动作是：你写一条Prompt，AI吐一段代码，你看了不满意再写一条，AI再改……来回拉锯，人全程盯着。你才是那个真正的“发动机”，每一轮对话都得亲手点火。

Loop彻底翻了过来。它的核心逻辑只有一句话：你定义一个目标，AI自己跑，跑完自己验收，不合格带着报错再来一轮，直到通过或撞上预算上限才停。用Osmani的话说，循环工程就是“把那个负责提示智能体的人替换掉，你转而去设计那套替你提示的系统”。循环本身是一个递归式的目标：你定下目的，让AI一轮轮迭代，直到完成。

一个完整的Loop通常包含五个要素：明确的目标、上下文管理、可调用的工具、对产出的评估，以及判断何时停止的标准。五者组合起来，Agent就不再是“接收指令、输出结果”的单次调用，而是能形成自我迭代、自我修正的闭环。没有Loop的Agent，你提一句它动一下，本质上还是个听话的工具；套上Loop的Agent，才真正变成了一个能自转的系统。

Loop并非纸上谈兵 已形成“双雄对峙”格局

Claude Code围绕Loop做了三件套：/loop负责定时循环，/goal负责目标驱动（跑到验收条件满足为止），/schedule负责云端定时任务（合上电脑也能跑）。其中最精妙的设计是/goal背后的原则——自己不能判自己的卷子。写代码的是大模型，验收的是另一个独立的小模型Haiku，两个模型各司其职。这样Agent不会自己给自己打高分，验收才有真实约束力。

OpenAI Codex则更接近“自动化流水线+目标驱动+多个子Agent”的组合，最多支持8个Agent同时跑在各自云端沙箱里并行工作。虽然两家的实现路径不同，但最终形态高度相似。

Boris Cherny去年11月卸载了自己的IDE——在那一个月里，他提了259个PR，没一行代码是自己敲的，全是Claude Code写的。明略科技目前有1400余名员工与超过2900个AI Agent在日常业务中协同运作。Anthropic内部80%以上工程师已在使用自改进循环，预计三到六个月内将达100%。

三个底层驱动力Loop已拉开差距

Loop概念并非全新。2023年AutoGPT就试过让AI自己跑循环，但没验证、没边界，撒开了跑，最后失败了。为什么2026年突然火了？

第一，模型能力刚好够用。 模型本身没有指数级飞跃，但围绕模型的工程基础设施补齐了——工具调用从一碰就碎到标准化的MCP协议，长上下文从记不住到百万token稳定输出，自我验证从自说自话到“写查分离”的工程机制。

第二，人力成本成为瓶颈。 传统Prompting的本质是人类，每一步都依赖人类注意力、上下文记忆和决策带宽。一个人一天能有效驱动的任务量是有限的。Loop的本质是系统自己成为Loop，人类只做一次高价值设计。第三，竞争从模型转向编排。 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。就像从“操作机床”变成“设计机床所在的整条产线”。

挑战与边界：Loop并非万能

当然，Loop并非万能。成本是最大变量。一个自由循环如果没有上限，一个用户请求可能产生60次LLM调用和9美元的账单。有开发者坦言：“配置终于调顺了，但字符膨胀把我的额度烧得飞快。”其次是评估难题。 在组织级协作中，很多判断不适合完全交给算法——一个营销方案好不好、一个产品决策对不对方向，这些都需要人的判断介入。明略科技为此引入了“品鉴者”角色，在关键节点做方向性判断，而非简单二元审批。

第三是边界控制。 设计Loop只完成了一半，另一半是在Loop里放入能够说“不”的机制——测试、类型检查或真实错误。否则，一套没有反馈机制的Loop只是一台“富士康工厂”式的重复劳动机器。

结语：

Prompt没有消失，它只是从你手里钻进了Loop里。你苦练的提示词非但没作废，反而更值钱了——只是从“一句句敲”变成了“写进循环、反复复用”。从写代码到写Prompt，再到写Loop——每一次跃迁，工程师的位置都在后退一步，但手中的杠杆却在几何级放大。

网络援引：

凤凰网：《老黄：Prompt已死，整个AI圈都在疯狂追Loop》

新智元：《Claude Code之父删了IDE，干掉提示词，只写循环》

钛媒体：《Prompt已死，Loop Engineering成了硅谷AI圈新顶流》

澎湃：《黄仁勋：Prompt正在过时，Loop才是新范式》

本公众号所刊发稿件及图片来源于网络，仅用于交流使用，如有侵权请联系回复，我们收到信息后会在24小时内处理。

请务必注明：

「姓名 + 公司 + 合作需求」