“别再自己写提示词了”：一条推文获260万浏览，AI编程的下一个范式来了

“我们还在讨论循环，还是已经转向图了？”

2026年7月18日，Peter Steinberger在X平台上抛出这个问题。两天内，这条推文获得了260万浏览。六周前，他用一句“设计能提示Agent的循环”拿下840万浏览，让全球开发者意识到提示工程的时代正在过去。两条帖子，累计浏览量超过1100万次，把AI编程领域最热门的讨论推向了下一个节点。

从提示到循环，现在指向图——这不是某家公司的产品发布会，而是开发者社区在过去一年多里，自发走出来的技术路线。

Ralph：一个Bash循环引发的工程思路

“Loop Engineering”在过去一个月迅速成为AI编程领域的热门概念，但它真正的起点要追溯到2025年7月。软件工程师Geoffrey Huntley发明了一种方法，只用一行Bash代码就让Claude持续运行直到完成任务：

while :; do cat PROMPT.md | claude-code ; done

他把这个方法命名为“Ralph”。

当时是2025年中期，上下文窗口最多只有20万Token。处理复杂任务时，这个窗口远远不够。Ralph的解法是把Agent运行拆分成更小的单元，逐个执行。具体运作逻辑是：先设定一个目标，让Agent持续运行或反复重启，直到目标达成；再把已完成的工作以“压缩”形式持久化到文件系统中，比如保存为日志或更新后的计划；然后用全新的上下文启动下一轮Agent，尽量减少“上下文腐化”；必要时允许每个Agent添加或修改总体计划。

Huntley用这个方法从零构建了一门编程语言，证明了可行性。但真正让它大规模传播的，是更强模型的出现。

概念成型：三位关键人物的三句话

Loop Engineering走出小圈子，离不开几位核心开发者的公开表态。在Anthropic的开发者大会上，Claude Code的创造者Boris Cherny说了这样一句话：“我现在已经不再提示Claude了。我运行的是一些循环，由这些循环去提示Claude，并判断接下来该做什么。我的工作是编写循环。”

Peter Steinberger随后发帖，把观点说得更直接：“每月提醒一次：你不应该再亲自提示编程Agent了。你应该设计能够提示Agent的循环。”

前Google工程师Addy Osmani专门撰写了题为《Loop Engineering》的文章，给出了一个简洁定义：“循环工程，就是让自己退出亲自提示Agent的位置，转而设计一个替你完成这件事的系统。”

三句话，层层递进。Cherny说的是个人实践的转变，Steinberger把它变成行动号召，Osmani完成了概念抽象。Loop Engineering就这样有了名字、有了理论。

产品化加速：/goal命令登场

概念确立后，基础设施迅速跟进。2026年4到5月，Codex、Claude Code、Hermes相继推出/goal命令，把手工编写的循环产品化为一条指令。在Ralph开始广泛应用约六个月后，Codex率先发布了goal功能。

Codex文档里有一段值得注意的表述：“Goals是Codex中持久存在的目标，可以让一个对话线程在多轮交互中持续朝着明确的结果推进。Goal会为Codex提供一个完成条件：什么状态应该成立、如何检查是否成功，以及哪些约束必须始终得到保留。”文档还强调了一个关键区别：“普通提示词表达的是：接下来做这件事。Goal表达的是：继续工作，直到这个结果成立。”

区别在于结束条件。普通请求里，Agent处理完当前指令就停下来等待下一步。使用Goal时，线程上附着持久目标，一轮执行结束后，Agent检查当前状态，判断目标是否完成——如果没完成、Goal仍处于激活状态且预算没有耗尽，就从最新状态继续工作。

举个例子：“在保证正确性测试套件始终通过的前提下，将结账基准测试中的p95延迟降低到120毫秒以下。”这是一个足够清晰的结束标准，可以直接交给Agent。Agent自行拆分任务、创建子Agent并持续运行，直到工作完成。Codex团队借鉴了Ralph循环的思路，在这个基础上构建了多Agent协调、状态管理、测试运行、预算设置等基础设施。

开发者在怎么用：从定时任务到大规模迁移

社区反馈显示，循环最常见的应用场景仍是周期性工作。但真正体现循环工程价值的，是那些需要持续迭代的长期任务。

创业公司创始人Rafel Mendiola面临一个典型困境：把一个React应用转换成React Native。传统做法是创建大型Epic，再拆分出50到100张工单，搭建基础设施本身就让人望而却步。他换了一种方式：创建一个Skill，让Agent自己识别可迁移的代码块，完成转换并追踪进度，然后把这个Skill放进每30分钟运行一次的Cron定时任务里。与维护一份庞大的迁移计划相比，他形容这种方式“在认知上轻松得多”。

循环的核心价值就在这里——它让你可以推迟结构决策。先让Agent跑起来，遇到瓶颈再迭代。

从循环到图：下一站是什么

Peter Steinberger最近的推文指向的正是这个演进方向。一年前，提示工程是核心技能。到了2025年到2026年初，重心转移到设计循环。而现在，他指向的已经是更远的地方：设计由多个循环组成的图——每个Agent运行自己的循环，通过依赖关系彼此连接。

最有启发的回复来自Luis Catacora：“循环有很大的容错空间。图会迫使你承认，工作流中还有多少部分根本没有被真正建模。”这句话精准揭示了两种范式的本质差异。循环允许你推迟架构设计：先让一个Agent包揽所有工作，直到它再也处理不了为止。图要求你提前声明整个结构——谁负责什么，哪些任务依赖哪些任务，某个分支失败后该怎么办。循环是延期决策，图是提前决策。

Google高级AI产品经理、Awesome LLM Apps代码库作者Shubham Saboo进一步拆解了图的层次。他指出，生产级多Agent系统实际上有两张图在同时运行：长期存在的“组织图”定义谁负责哪个领域并保留上下文；“工作图”则定义当前需要做什么，可以根据新证据拆分、合并、重新排序或直接消失。

Preston Holmes补充了一个观察：至少有两种Graph都很重要。第一种是由长期存在的Agent组成的类似区域联防式的图，各自负责一个区域；第二种是实际需要完成的工作形成的图，它是动态的、会不断变化。

换句话理解：Loop让Agent的行为变得可编程。Graph让Agent的组织变得可编程。再往前一步，就是动态Agent组织——在任务执行过程中，Graph自身会改写自己的结构。

从一行Bash循环到/goal命令，再到正在浮现的图网络，AI编程的工程范式正在经历一场由下而上的重构。提示工程教会了开发者如何跟模型对话，循环工程教会了如何让模型跟模型对话，而图工程可能教会的是如何让一群模型协同工作。这不是某篇论文里的远景，而是已经焊在终端里的实践。