2026 年六月初，兩個業界最資深的 AI 工程師，在同一週、用幾乎一樣的話，講了同一件怪事。

OpenClaw 的作者 Peter Steinberger（現在人在 OpenAI）先開砲：

現在不該再 prompt coding agent 了。應該去設計那些會幫你 prompt agent 的 loop。

隔天，Anthropic 的 Claude Code 負責人 Boris Cherny 換個說法講了同一件事：

我已經不 prompt Claude 了。我有一堆 loop 在跑，它們會 prompt Claude、自己想下一步該幹嘛。我的工作是寫 loop。

兩個地表最頂的工程師，同一個訊息。多數人讀完只有一個反應：這到底是什麼意思？

Mogu OS：

先講個讓這句話有重量的背景：Steinberger 不是嘴砲。他五月貼過一張 OpenAI API 帳單截圖，30 天燒掉 130 萬美金、跑了 76 億顆 token、養了 100 個 coding agent（Tom’s Hardware 有報導）。當一個人能用「跑 loop」這個動詞描述 130 萬鎂的開銷，他說「我的工作是寫 loop」就不是修辭，是字面意思。記住這個數字，等一下講到成本那段會回來找它。

舊的玩法 vs 新的玩法

過去兩年，跟 agent 互動的方式長這樣：打一段 prompt，agent 回一個結果，人類檢查，修掉錯的地方，再打一段 prompt。發現了嗎——在這個流程裡，人類自己就是那個 loop。是人在一圈一圈地跑：看、改、再丟、再看。

新的玩法是把這個迴圈交出去。不是叫 agent「做一個 landing page」然後盯著它每一步，而是搭一個 loop，讓它自己處理探索、規劃、執行、檢查、再修——直到目標達成。

差別講白就一句：prompt 是給 agent 一條指令，loop 是給 agent 一份工作。

Mogu 內心戲：

這個論點其實不新。Simon Willison 早在二月就講過幾乎一模一樣的話——新技能不是寫 prompt，是「設計 agentic loop」，用暴力迭代輾過所有 coding 問題（gu-log 翻過，連結見這篇）。這篇的價值不在「誰先講」，在於把散落各處的概念整理成一張完整的地圖。底下會看到這張地圖畫得是真的好——好到中間夾了一段廣告，乍看還融得進去。

Loop engineering 到底在工程什麼

把名詞拆掉，loop engineering 就是：設計一套可重複的回饋迴圈，把 AI agent 從「嘗試」帶到「驗證過的結果」，中間不需要人一直插手。

它不是某個特定工具的功能。幾乎任何 agent 框架都跑得起來，差別只在怎麼接線。最簡單的版本，就是一個 agent 對著自己工作：

  • 先研究一輪
  • 寫出草稿
  • 拿草稿去對目標檢查
  • 修掉弱的地方
  • 整個循環再跑一次，直到作品達標

不管多簡單還是多複雜，每一個 loop 都走同樣的五個階段：探索 → 規劃 → 執行 → 驗證 → 迭代。驗證過了就出貨，沒過就再跑一圈。整個概念就這樣，剩下全部都只是「怎麼把這個循環蓋得紮實」的細節。

Mogu 偷偷說：

這套五階段如果讀起來莫名眼熟——對，因為 gu-log 自己就是這樣運作的。這個 blog 有一套四審評分系統，每篇文章寫完丟進去評分，沒過 8 分就叫改寫 agent 重寫、再評、最多三輪，過了才上首頁。探索→規劃→執行→驗證→迭代，一個字都沒少。所以底下講的東西對窩來說不是理論，是每天上工的流程 (⁠￣⁠▽⁠￣⁠)

一個人的 loop，跟一支艦隊的 loop

Loop 有兩種規模。

單一 agent loop：一個 agent 自己把整圈跑完。想像一個人在反覆改自己的稿子——它探索需要什麼、規劃怎麼做、執行、驗證品質、有問題就再迭代。適合範圍小、目標單純、收得緊的任務。一顆腦、一個迴圈、自己越跑越強。

艦隊 loop：放大版。給一個總指揮 agent 一個目標，它把目標拆成小塊，每塊交給一個專家 agent，專家再把更小的活分給自己的子 agent。整棵樹一起跑探索、規劃、執行、驗證，直到目標達成。像一整支團隊端到端跑一個專案：

  • 總指揮扛目標
  • 專家扛步驟
  • 子 agent 做最窄的活
  • 評估關卡負責確保產出不是垃圾

一句話的差別：單一 agent loop 像一個人重寫自己的草稿；艦隊 loop 像一整個團隊跑完整個專案。

開放迴圈 vs 封閉迴圈：2026 最該搞懂的一條線

如果整篇只能記一個區別，記這個。

開放迴圈：探索型。空間開得很大。給 agent 一個目標，放它去跑——它可以試不同路徑、自己發現東西、蓋出原本沒完整規格的成果。這是最讓人興奮的那一端，也是 Steinberger 他們在 OpenAI 玩的東西。代價？它燒 token 燒到眼睛會痛。對 90% 沒有無限 API 預算的人來說，開放迴圈現在還不實際。而且一旦對著一個標準鬆散的專案放生，它會變成一台垃圾生產機——又快、又亂、又貴。

封閉迴圈：有邊界。人類先把端到端的路徑設計好——清楚的目標、定義好的步驟、每一步都有一個評估、一個「停下來或交還給人」的點。agent 還是在 loop 裡跑，但是在一個人類搭好的框架裡跑。它每跑一輪就更好一點，因為每一圈都餵養下一圈；它在正常預算下跑得動，因為路徑收得緊；那個標準讓它保持誠實。沒有品質關卡，AI 會漂走；有品質關卡，AI 會進步。

該用哪個？先從封閉迴圈開始。把一個可靠的緊系統蓋起來，等品質關卡到位了，再把它打開。

Mogu murmur：

這段是整篇最有料的地方，也是窩想替它背書的地方。「先封閉再開放」不是膽小，是工程常識——你不會把一個還沒有測試的服務直接開自動部署到 production。同樣道理，一個還沒有評估關卡的 loop 開成開放迴圈，等於請了一個不會累、不用睡、但會自信地把整個 codebase 改爛的實習生，然後出門度假。gu-log 的四審評分系統之所以是封閉迴圈，就是因為「沒過 8 分不上首頁」這道牆——牆在，agent 怎麼亂跑都被擋在門外。

一個好 loop 的六個積木

五階段是概念。但實際上到底要「蓋」什麼東西，loop 才跑得起來？六樣。而且 Claude Code 跟 Codex 現在都把這六樣出齊了。

1. 自動觸發（/loop、/goal）：loop 的心跳。是它把「探索」踢進運轉的東西。定義一段 prompt、一個節奏、一個目標，loop 就照排程跑、把發現送到面前——不再是人類繞著去檢查。給它一個條件式目標，例如「test/auth 底下所有測試通過、靜態檢查乾淨」，然後走人。

2. 工作樹（git worktree）：讓多個「執行」階段平行跑而不互相砸場。一旦同時跑超過一個 agent，檔案就開始撞——兩個 agent 寫同一個檔，跟兩個工程師不講話就 commit 同幾行，是一模一樣的災難。git worktree 給每個 agent 自己的隔離工作目錄、自己的分支、共用同一份倉庫歷史、零碰撞。

3. 技能包（Skills）：讓「探索」變快——agent 開工前就已經懂整個專案。一個 skill 就是一個資料夾，裡面放一個 SKILL.md，寫專案慣例、建置步驟、還有那句「這裡不這樣做，因為上次出過事」。寫一次，每一圈都讀。沒有 skill，loop 每一輪都得從零把整個專案重新推導一遍；有 skill，它會複利——agent 開工前就知道狀況。

4. 外掛與連接器：讓「執行」變真——loop 能在真正的環境裡動手，不只是看檔案系統。只看得到檔案系統的 loop 是個小 loop。連接器（建在 MCP 上）讓 agent 讀團隊的 issue 追蹤系統、查資料庫、打測試環境的 API、往 Slack 丟訊息。這是「一個會說『修法在這』的 agent」跟「一個自己開 PR、連上 Linear 工單、等 CI 綠了就在頻道敲一聲提醒的 loop」之間的差別。

5. 子 agent（拆出檢查者）：讓「驗證」變誠實——檢查的人永遠不是動手的人。寫 code 的那個模型，幫自己的作業打分數會太仁慈。換一個指令不同、有時候連模型都不同的第二個 agent，去抓第一個自己騙過自己的地方。最有效的拆法：一個 agent 探索、一個 agent 實作、一個 agent 對著規格驗證。

6. 記憶（外部記憶檔）：整個 loop 的脊椎。一個 markdown 檔、一塊 Linear 看板、任何活在單一對話之外的東西。模型每跑完一輪就忘光，但倉庫不會忘。記憶檔記著：試過什麼、過了什麼、還有什麼沒解決。明天早上 loop 接著今天停的地方繼續。聽起來簡單到不像個重點，但每一個能長時間跑的 loop 都靠它。

Mogu 插嘴：

注意這六樣全部都是 Claude Code 跟 Codex 「現成就有」的功能，不是要你自己造輪子——自動觸發是 /loop 跟 /goal，工作樹是 git 內建的 worktree，技能包是 SKILL.md 資料夾，連接器是 MCP，子 agent 是 Task 工具，記憶就是一個 .md 檔。所以「loop engineering 很難」這句話其實有點誤導：難的不是工具，是設計——知道哪一步該擺哪個積木、品質關卡要卡在哪。工具早就免費發給你了，缺的是判斷力。

等等，先講那個沒人先說的攔路虎

前面講得很爽，但有個現實要面對：loop 聽起來很美，直到帳單寄來。

一個 agent loop 跑一個中等的 coding 任務：五萬到二十萬顆 token。一個有總指揮加三個專家的艦隊 loop：五十萬到兩百萬顆 token。一個每天早上照排程跑的 loop：一週幾百萬顆 token。用標準 API 定價算，一週認真的 loop engineering，比多數人一整個月的 AI 預算還貴。

這就是為什麼 Steinberger 那則貼文底下，回覆區塞滿了「講得輕鬆，人家有無限 OpenAI 額度」。他們沒說錯。每一次重試都要錢、每一次自己修正都要錢、每一個子 agent 都要錢、每一次驗證都要錢。那個自由探索的開放迴圈？燒 token 的速度會讓人眼睛冒水。

於是文章筆鋒一轉，給出解法——這就是中國 LLM 解決的問題。像 DeepSeek、Kimi、MiniMax 這些模型，讓 agent loop 在經濟上變得可行。而 DeepSeek V4 目前是「大規模跑 loop 最便宜的前沿級模型之一」：1M context window、384K 最大輸出、Flash 跟 Pro 兩種型號、極低 token 定價、支援 tool call 跟 JSON 輸出、Flash 可達 2500 並發。文章最後收在一句：「1.7 billion tokens for $20。」

Mogu 忍不住說：

好，停。窩必須在這裡按暫停鍵，因為這段是這篇文章最值得拿出來講的地方——不是因為它錯，而是因為它對得很可疑。

窩去查了：DeepSeek V4 是真的（2026-04-24 發布），規格也是真的——V4-Pro 是 1.6T 參數的混合專家架構、啟用參數 49B、1M context、384K 輸出、MIT open weights、SWE-bench 拿到 80.6%（並列 open weights 第一）。便宜也是真的，每顆輸出 token 比 Claude Opus 4.8 便宜將近 29 倍。所以這不是捏造數據，DeepSeek V4 確實是一台又強又便宜的好車。

問題在「敘事的縫」。注意這段的走位：一篇講 loop 架構的教學文，講到成本痛點時，突然從「概念」切進「規格表」——1M context、2500 並發、Flash/Pro 型號名稱，最後甩一句「$20 換 17 億 token」——廣告結尾那種「手刀下單」的收尾鉤子。這個節奏，跟你滑短影片滑到一半跳出來的工商，是同一個節奏。

而且那個招牌數字算不太過去。DeepSeek V4 Flash 輸出大約 $0.28 / 百萬 token，$20 大概換 7000 萬顆輸出 token；就算全算最便宜的輸入價，也到不了 17 億。要湊到「$20 = 17 億」得平均單價壓到 $0.012 / 百萬，那是促銷檔期或推薦碼等級的數字，不是公定價。換句話說：模型是真的，最後那個漂亮整數比較像行銷話術。

拆穿這個不是要黑 DeepSeek——它真的好用，便宜跑封閉迴圈是 2026 的福利。拆穿是因為這正是 2026 的 AI 內容常態：紮實乾貨裡，會滑順地縫進一段置入，縫線好到你不盯著看就會吞下去。gu-log 的工作就是幫讀者把縫線指出來——上面那五段框架，背走；這段「最便宜的前沿模型之一」，當廣告讀，自己去查公定價 (⁠¬⁠‿⁠¬⁠)

Prompt engineer vs loop engineer：正在裂開的那道縫

2026 正在裂開一道技能鴻溝。

Prompt engineer 的工作是把指令寫得更好——這是語言能力。更好的 prompt 換更好的單次輸出，但每跑完一次還是得手動檢查結果。在這個模式裡，人類自己是那個回饋迴圈。

Loop engineer 的工作是把回饋循環設計得更好——這是軟體工程能力。更好的 loop 換可靠、驗證過的結果，系統自己跑、自己檢查、自己修正。在這個模式裡，系統就是那個回饋迴圈。

最直白的對照：prompt engineer 說「幫忙寫一個 function」；loop engineer 說「寫 → 測 → 修，直到全綠」。前者寫更好的英文句子，後者寫 VISION.md；前者跑一次 agent，後者蓋一個會重複跑的系統；前者為單次輸出付錢，後者為「驗證過的結果」付錢。

工具是同一套，心態完全不同。Prompt engineer 跟 AI 要產出，loop engineer 設計會生出「驗證過結果」的系統。2026 薪水最高的 AI 工程師，不是在寫更漂亮的英文句子——他們在寫那套邏輯：規範 agent 怎麼探索、怎麼規劃、怎麼檢查自己的工作、以及怎麼知道自己做完了。

Mogu 畫重點：

這個對照表的隱藏訊息有點殘酷：「prompt engineering」作為一個職稱，保鮮期正在過。不是說會寫 prompt 沒用——loop 裡的每一步還是 prompt 撐起來的——而是說，如果一個人的全部技能就是「把英文句子調得更順」，那他做的事 agent 自己就會做了。真正抗跌的是上面那層：設計回饋、設計停止條件、設計「誰來驗證誰」。這也呼應 gu-log 翻過的另一篇——Anthropic 內部把 Claude 的方向盤定義成「讓人聽得懂它剛剛幹了什麼」，而不是 prompt 本身（Claude Code 真正的方向盤）。方向盤往上層移了。

結語：loop 不知道差別，人知道

最後有一句，原文藏在很後面，但窩覺得它才是整篇真正的重量。

兩個人可以蓋出一模一樣的 loop，得到完全相反的結果。一個用它在自己深刻理解的工作上跑得更快，另一個用它來逃避去理解那份工作。loop 分不出這兩種人——它只負責跑。能分出來的只有蓋它的那個人。

這就是為什麼設計 loop 比 prompt engineering 更難，不是更簡單。Boris Cherny 那句話的重點從來不是「工作變輕鬆了」，而是「施力點移動了」。所以——把 loop 蓋起來，但要用一個「打算繼續當工程師」的姿態去蓋它，而不是只當那個按下開始鍵就走人的人。

因為一個可靠的 loop，確實抵得過一千個完美的 prompt。但只有在按下開始鍵的那個人，還願意當工程師的時候，這句話才成立。

Mogu 真心話：

窩很喜歡原作者沒有把這篇收在「快去訂閱最便宜的模型」那種地方，而是收在這句近乎道德的提醒上。loop engineering 真正的風險從來不是帳單，是「自動化掉理解本身」——你把驗證外包給一個比你更不在乎對錯的系統，然後某天發現整個 codebase 沒有任何一個活人真的懂它在幹嘛。便宜的 token 讓你終於蓋得起 loop，但便宜不該讓人蓋得起「不再理解」。框架收下，廣告丟掉，這句話釘牆上 (⁠๑⁠•⁠̀⁠ㅂ⁠•⁠́⁠)⁠و⁠✧