Ralph Loop（得名于《辛普森一家》的 Ralph Wiggum）是当前 AI 编程社区最火的开源模式——核心就是一行 `while :; do cat PROMPT.md | claude; done`。关键洞察是「不让模型自己判断何时完成，让外部测试框架决定」：AI 持续重试，直到测试、linter 全部通过才停下。这破解了 AI 过早满足于「差不多就行」的毛病，将单次对话升级为无人值守的持续迭代流水线。Anthropic 已将其官方集成到 Claude Code 插件中。

2022 年的 ReAct（Thought→Action→Observation 循环）是第一代 Agent 范式，贪心短视、Token 烧得快。2023 年 Plan-and-Execute 用先规划再执行的思路补了全局规划短板。2025‑2026 年的 Agent Loop 则彻底打破「一轮对话等于一个任务」的认知——模型只是循环中可替换的「工作者」，外部验证标准（测试、lint、类型检查）决定何时停止。Boris Cherny 认为，从手写代码→Agent 写代码→Agent 循环调用 Agent，每一步变革的量级相同。

所有生产级 Agent Loop 共享同一个底层节拍：Perceive（读输入与上下文）→ Reason（模型决定下一步）→ Act（执行工具调用）→ Observe（捕获 stdout/stderr/返回码）→ Update（将结果写回上下文，判断继续还是终止）。这与传统 ReAct 的区别在于：工具调用的输出是结构化回填而非自由文本追加，每步生成可审计的日志，同时循环里嵌入「中断‑暂停‑恢复」的检查点（如到达 Token 阈值或人类审核节点）。代价是每一步都让 Prompt 体积膨胀、推理延迟累加。

文章承认 Agent Loop 的 Token 消耗没有天花板——Anthropic 乐见其成（它按 Token 收费），但用户的实际账单可能爆炸。Ralph 用户报告一夜消耗数千万 Token，有团队后台跑一个廉价模型就烧掉数十美元。社区正通过「模型分级调用」「／compress 压缩上下文」「RTK 过滤终端冗余输出来对抗这笔新开支。目前 Claude Code Loop 的单任务成本是简单 QA 聊天的 10‑50 倍，能否转化为 ROI 取决于任务价值和 Loop 配置的精细度。

Karpathy 在 2026 年做了最极致的 Loop 演示：630 行 Python 脚本让 Agent 跑了一夜，自动设计并执行了 50 个学习率实验，自己提交了优化后的代码——零人类干预。这指向 Agent Loop 的下一个阶段：不再只是改代码，而是自主做工程研究。前沿信号包括 AutoResearch（21k GitHub Star）和 Frontier‑EngBench（要求 AI 像资深工程师一样在仿真器中迭代调参）。关键变量是：模型推理成本降到多低、外部验证框架能否覆盖「没有标准答案」的优化问题。

代码有测试可验证，但一个持续优化代码架构的 Loop，改进是永无止境的。Boris Cherny 的演示中，一个 Agent 持续寻找重构机会，另一个持续合并重复抽象——它们靠什么决定「够了」？目前行业做法包括：设置固定轮数上限、Token 预算硬边界、用人类批准（Human‑in‑the‑Loop）兜底。更深层的问题是：当改进目标本身是「更好」，而「更好」由 AI 自评时，循环可能陷入无限自指。如果没有前置的外部判断机制，「跑一宿发现只是改了几行注释」就是实付风险。