@0xCodez：Loop engineering：從 Prompter 到 Loop Designer 的 14 步指南 大多數開發者仍然手動對他們的 Coding Ag…

What this episode covers

Loop engineering：從 Prompter 到 Loop Designer 的 14 步指南 大多數開發者仍然手動對他們的 Coding Agent 下達 Prompt。他們輸入、等待、閱讀 Diff，然後再次輸入。十個開發者中有九個從未寫過一個能自動為他們執行 Prompt 的 Loop。 沒有自動化、沒有狀態檔案、沒有驗證器、沒有排程。槓桿點已經轉移了——從「輸入 Prompt」轉向「設計會自動執行 Prompt 的系統」。這是從 Prompter 轉型為 Loop Designer 的 14 步指南。 追蹤我的 Linkedin 以獲取最新的 AI 資訊：linkedin.com/in/lev-deviatkin 這份 14 步指南旨在協助你完成轉型，內容彙整自 Anthropic 的工程文件、Addy Osmani 關於 Loop engineering 的長篇論述，以及近期的效能評估研究。 分為三個階段：確認你是否真的需要 Loop、學習五個建構模組，然後在不造成損害的前提下，建構出最小可行性的 Loop。 展開畫面重點圖表標題：What a loop actually does（一個循環實際上做了什麼） 上方選單項目： AUTOMATIONS WORKTREES SKILLS CONNECTORS SUB-AGENTS STATE FILE（目前選取狀態） 循環流程圖： Find work（尋找工作）：A loop finds the work（循環負責尋找工作） Hand it to the agent（交給代理）：Bounded job, right context（有限的工作，正確的上下文） Check result（檢查結果）：Test, type error, failing build（測試、型別錯誤、建置失敗） Record what happens（記錄發生什麼）：State survives between runs（狀態在執行間存續） Decide next move（決定下一步）：Stop, retry, or hand off（停止、重試或轉交） 底部說明： State file：The agent forgets each run. The file does not.（代理會忘記每次執行，但檔案不會。） 畫面重點：此圖解說明了自動化系統如何透過「狀態檔案」來克服代理程式（Agent）本身無記憶的限制，確保任務在多次執行循環中能持續追蹤進度並做出決策。 14 個步驟，3 個階段。停止手動輸入 Prompt，開始進行系統設計。 --- 第一部分 · 為什麼要這麼做與測試方法 Loop engineering 就是讓你從 Prompter 的角色中解放出來。 過去兩年，你從 Coding Agent 獲取成果的方式是：寫一個 Prompt、分享 context、閱讀回傳的內容、寫下一個 Prompt。Agent 是一個工具，而你全程都在操作它。那個時代即將結束。 Loop engineering 是建立一個小型系統，讓它能自動尋找工作、交付給 Agent、檢查結果、記錄過程，並自行決定下一步。你只需要設計一次這個系統，之後系統就會自動為你對 Agent 下達 Prompt。 Addy Osmani 將其拆解為六個部分： 展開畫面重點該表格詳細列出了六種軟體開發原語（Primitive）及其在「Codex app」與「Claude Code」中的具體應用方式： Automations（自動化）： - Job in the loop：排程進行發現與分類（discovery + triage on a schedule）。 - Codex app：透過 Automations 分頁設定專案、提示詞、節奏與環境，結果存於 Triage 收件匣；使用 /goal 執行直到完成。 - Claude Code：支援排程任務、cron、/loop、/goal、hooks 以及 GitHub Actions。 Worktrees（工作樹）： - Job in the loop：隔離平行功能開發（isolate parallel features）。 - Codex app：每個執行緒內建工作樹（Built-in worktree per thread）。 - Claude Code：使用 git worktree、--worktree，並透過子代理（subagent）實現工作樹隔離。 Skills（技能）： - Job in the loop：編碼專案知識（codify project knowledge）。 - Codex app：透過 SKILL.md 定義 Agent Skills，以 $name 或隱式調用。 - Claude Code：同樣使用 SKILL.md 定義 Agent Skills。 Plugins / connectors（外掛/連接器）： - Job in the loop：連接工具（connect your tools）。 - Codex app：使用 Connectors (MCP) 以及用於發布的外掛。 - Claude Code：使用 MCP 伺服器與外掛。 Sub-agents（子代理）： - Job in the loop：構思與驗證（ideate and verify）。 - Codex app：在 .codex/agents/ 目錄下以 TOML 格式定義。 - Claude Code：在 .claude/agents/ 目錄下定義任務子代理，並支援代理團隊（agent teams）。 State（狀態）： - Job in the loop：追蹤進度（track what’s done）。 - Codex app：透過連接器使用 Markdown 或 Linear。 - Claude Code：使用 Markdown（AGENTS.md、進度檔案）或透過 MCP 連接 Linear。 Anthropic 的工程師現在每天合併的程式碼數量是 2024 年的八倍——儘管 Anthropic 自己也承認這「幾乎可以肯定誇大了實際的生產力提升」。 數字或許有爭議，但機制沒有：槓桿點已經從「輸入 Prompt」轉移到「設計執行 Prompt 的 Loop」上。 --- 在動手建構前，先執行 4 條件測試。 Loop 必須在四個條件下才具備經濟效益。只要錯過其中一個，Loop 的成本就會高於其產出。這是 AlphaSignal 分析中誠實的觀點，也是大多數 X (Twitter) 討論串會略過的部分： 展開畫面重點這張圖表標題為「So do you actually need one?」（你真的需要一個嗎？），旨在引導使用者判斷是否應將某項任務自動化。圖表分為四個主要評估步驟（01-04）： 01: The task repeats（任務會重複執行），說明：Happens at least weekly（每週至少發生一次）。 02: Verification is automated（驗證已自動化），說明：Test, type check, build, linter（測試、型別檢查、建置、代碼檢查）。 03: Token budget absorbs the waste（Token 預算能吸收浪費），說明：Retries cost even when no ship（即使沒有產出成果，重試仍有成本）。 04: Agent has senior engineer tools（代理程式具備資深工程師工具），說明：Logs, repro env, run the code（日誌、重現環境、執行程式碼）。 若以上四項皆通過（Answer yes to all four），則進入「Build the loop」（建立循環）。 若未能滿足其中任何一項（Miss one box），則應維持「Manual prompt」（手動提示）。 圖表下方註記： SOLID = all conditions pass（實線 = 所有條件通過） DASHED = keep manual（虛線 = 維持手動） Run the test before you build.（在建置前先執行測試。） 這四個條件簡單來說： 任務必須重複發生：Loop 的建置成本需透過多次執行來攤提。對於一次性工作，良好的 Prompt 更快且更便宜。如果工作不是每週都會發生，那你就不是在做 Loop，而是在執行一個只跑一次的腳本。 驗證必須自動化：Loop 需要一個能在你不在場時判斷工作失敗的機制。例如測試套件、型別檢查器、Linter 或建置流程。如果沒有自動化檢查，你就得回到電腦前閱讀每一個 Diff——這正是 Loop 本應幫你省下的工作。 token 預算能承擔浪費：Loop 會重複讀取 context、重試、探索。無論執行結果是否成功，這都會消耗 token。這項技術隨著預算規模擴大而展現優勢，這就是為什麼對於那些擁有…