9.0
深览指数
科技腾讯新闻·钛媒体APP··AI 生成
Loop Engineering：新的循环收费站
本文深度解析了 2026 年 6 月由 AI 圈引爆的新概念「Loop Engineering」（循环工程）。作者指出，其技术内核（让 AI 自动循环、自我验证）并非全新，实为 2023 年 AutoGPT 的进化版，关键在于加入了工程控制与边界。然而，文章的核心洞见在于商业层面：在大模型能力边际提升趋缓的背景下，Anthropic 和 OpenAI 等厂商正通过快速迭代概念（从 Context 到 Harness 再到 Loop），将用户的注意力从「模型进步」转移至「使用范式」，从而实现利润模式从卖 API 到卖「持续运行的管道」的升级，本质是建立新的收费站。文章适合对 AI 行业商业模式有深度兴趣、拒绝被概念绑架的工程师或投资者阅读。原文 ↗
核心观点
- ▍Loop Engineering 既是真实的工程进化（在模型够用但不够完美的时刻，通过循环+验证提升 Agent 可靠性），也是厂商在模型能力趋同后，为维持增长、锁定用户而设计的商业策略——一个全新的「循环收费站」。
- ▍厂商通过快速迭代概念（Context→Harness→Loop）实现议程设置，将「模型增长放缓」的压力，悄悄转嫁成「用户能力不够」的焦虑，从而让用户购买的不是算力，而是「不被淘汰的资格」。
- 01Anthropic 的 Boris Cherny 和 OpenAI 的 Peter Steinberger 在 2026 年 6 月同时喊出「别再写提示词，去设计循环」，获得千万级曝光；Google 工程主管 Addy Osmani 随后正式命名「Loop Engineering」。
- 022025 年到 2026 年，MIT 研究指出算力投入的边际效益下降；Steve Eisman 和 Ilya Sutskever 也表达了对大模型 Scaling Law 的悲观态度；但同期 Agent 工程基础设施（MCP协议、长上下文、自验证机制）补齐。
- 03Anthropic 的 Claude Code 在 5 月 28 日上线 Dynamic Workflows，OpenAI 的 Codex 加入持续目标（goals）能力，产品先备好，再等概念来引爆市场。
- 04Uber 给约 5000 名工程师部署 Claude Code 后，四个月烧穿全年 AI 预算，重度用户月支出高达 2000 美元；微软也因成本问题要求工程师从 Claude Code 迁回 GitHub Copilot。
- 05Loop Engineering 本质是让用户从「按需调用模型」变成「持续运行模型」；Anthropic 在动态工作流说明中直接警告该功能会消耗更多 token。这是一种杰文斯悖论：技术效率提升导致总消耗增长。
反方 / 局限
- — 作者承认，多家厂商同步、概念整齐递进的现象，也可能是各家独立撞到同一面工程墙后自然收敛的产物，而非精心编排。更稳妥的说法应是：厂商「未必编排了节奏，但一定在用力利用这个节奏」。
- — 作者指出，概念债的主要受害者是中层开发者；顶层设计者（如 Boris）资源近乎无限，底层用户尚未入场，而中间层永远在追赶。这暗示了该范式对不同层级用户的不同影响，并非绝对有害。
- — METR 2025 年的研究显示 AI 工具曾导致开发效率下降 19%，但该结论在 2026 年被修正为「尚不能确定」。文章引用了证据也引用了其修正，展现了数据的复杂性和不确定性。
Loop Engineering提示词工程 (Prompt Engineering)Context EngineeringHarness EngineeringAnthropicOpenAIClaude CodeGitHub CopilotUber微软MCP 协议Boris ChernyPeter SteinbergerAddy Osmani杰文斯悖论AutoGPTVibe Coding
12 分钟 · 5 卡片 · 11 资料
读原文 →