从驾驭到循环：每次都要人启动，算不上自主
场景：系统很可靠，但人还是最慢的环节
想象一个场景：你有一个完美的 Harness 系统。AI 能够：
- 分析需求并写代码
- 运行测试并验证输出
- 修复发现的 bug
- 优化性能和代码质量
系统每一步都工作得很好，可靠、可预测、可控。但是，每当发现一个 bug，你必须说"修复这个 bug"。然后又发现另一个 bug，你又说"修复这个 too"。接着是一个新功能请求，你说"实现这个功能"。
你是整个系统中最慢的环节。
虽然 AI 已经被很好地"驾驭"住了，但它依然需要你启动每一个任务循环。你成为了高级的"启动器"，而不是系统设计者。这就是当前 AI 工程的困境：我们让 AI 变得可靠，但把人类变成了新的瓶颈。
问题本质
Harness Engineering（驾驭工程）的核心在于：人类仍然是每个任务周期的启动者。
无论你的系统多么自动化，无论你的工作流多么复杂，最终都需要你说"开始"或"继续"。人类依然在循环内部，只是循环层级更高了。
真正的规模化要求系统能够自己启动自己的循环。也就是说，系统能够：
- 自动发现问题
- 自主决定何时需要介入
- 启动适当的工作流
- 知道何时停止
在 Harness Engineering 中，AI 是工具；在 Loop Engineering 中，AI 是司机。
信号：行业正在转向
这个转变不是凭空想象的，而是正在发生的行业共识：
Peter Steinberger（OpenClaw 创始人）
“你不应该再提示编码智能体了。你应该设计能提示你的智能体的循环。"（2026年6月5日推文，500万+浏览）
这句话震惊了整个行业。一个顶级工具的创始人说，传统的方式已经错了。
Boris Cherny（Anthropic，Claude Code 负责人）
“我不再提示 Claude 了。我有循环在运行，这些循环会提示 Claude。”
Anthropic 的技术负责人已经转向了循环驱动的方式。
Addy Osmani（Google）
正式命名"循环工程”（Loop Engineering）（2026年6月7日，addyosmani.com）
这不是小人物的见解，而是来自 Google 工程师的正式命名。
核心认知转变
这不仅仅是一个技术变化，而是思维的根本转变：
从：“为 AI 设计提示词” 到：“设计能提示 AI 的循环”
从：“人在循环中” 到：“人设计循环”
这就像编程语言的发展：从机器语言到汇编语言再到高级语言。我们是在抽象层次上的提升。
过去，我们关注的是如何让 AI 更好地响应单个提示。现在，我们关注的是如何设计整个循环，让 AI 能够在没有人工干预的情况下持续工作。
预告
下一篇文章将详细介绍 Loop Engineering（循环工程）的五大模块、经典循环模式，以及如何设计让 AI 自主运行的系统。
如果你正在搭建 AI 系统，不要只想着如何优化单个提示词。思考如何设计循环，让 AI 能够在没有你持续干预的情况下持续工作。
这就是从"驾驭"到"循环"的转变——这不仅是一个技术升级，更是一个思维方式的革命。
本文是"AI 工程范式演进"系列的第 7 篇。系列按顺序阅读效果更佳：权重 10→20→30→40→50→60→70→80→90…