# 关于 Codex 的一点思考：为什么需要拥抱 Loop Engineering？ > 作者：晨旭｜发布：2026-06-15｜系列：入门系列文章 > 来源：https://chenxu.xin/writing/codex-loop-engineering Loop Engineering 是取代你自己去 prompt Agent 的那个角色，转而设计执行这件事的系统。用 Codex 的 Skills、Worktrees、Automations 三层机制看它如何落地。 --- 最近看了很多关于 Loop Engineering 的系列探讨，Peter Steinberger 和 Anthropic Claude Code 的负责人 Boris Cherny 都曾指出类似的观点：AI 时代工程师的核心交互方式，正在经历一次底层的范式转移。 这篇文章，就是我对 Loop Engineering 这个概念，再结合 Codex 这个真实产品做的一次思考复盘。 ## 一、什么是 Loop Engineering 首先，如何定义 Loop Engineering 呢？ > Loop engineering is replacing yourself as the person who prompts the agent. You design the system that does it instead. > > （循环工程就是取代你作为提示代理人的角色。你去设计执行该任务的系统。） ### 1、Prompt 工程与 Loop 工程 过去，我们与大模型交互的主流方式是对话式。这种模式的优势在于极低的门槛和即时的正反馈。 但它的劣势也很明显：人类成为了整个系统的性能天花板。 之前为了优化大模型的生成效果，需要花大量时间坐在屏幕前进行人工的 prompt 调优和数据分析。敲下一段指令，等待模型返回，阅读结果，再敲下一段。Agent 只是一个被动的工具，你必须全程紧紧握住它。一旦你停下，工作流就停止了。 而 Loop Engineering 恰好相反。它的突破点在于你不再微操每一步，而是建立一个小型系统：让这个系统去发现工作、分发任务、检查结果、记录状态，并自主决定下一步。 之前探讨过的[拉尔夫循环](/writing/agent-model-plus-harness)（Ralph Loop）中，那个无限运行的 `while true` 脚本就是为了抵抗上下文腐烂而设计的系统级脚手架（Harness）。而 Loop Engineering，就是跑在这个脚手架之上、更高维度的业务流水线。 ### 2、从 Chat 到 Loop：架构的演进 当面对复杂的软件工程需求，单纯的聊天窗口是远远不够的。于是就有了以下工具架构的演进： - **纯 LLM Chat**：一问一答。受限于人类的耐心和模型的注意力衰减。 - **任务委派**：给模型一个明确的单一任务（比如「修这个 bug」），模型在本地或沙盒中执行完毕，人类来 Review 代码。 - **[Loop Engineering](/writing/loop-engineering-optio)**：设定一个目标（如「迁移某个旧模块」），定义好验收测试，然后系统自动派生多个子智能体，在隔离的环境中并行修改、自测、相互审查，直到达成目标。 ## 二、「设计循环」：AI 开发者的新范式 理解了上述的演进，会发现一个问题：如果系统如此自动化，那人类工程师的价值在哪呢？ 答案是：工作从「执行者」变成了「循环设计师 + 审核员」。 这与在做产品时的思路很像。比如开发一个需求文档自动化生成工具时，单纯靠一段超长的 prompt 效果会极不稳定。真正的解法是把「写文档」这个大动作，拆解成结构化的 SOP 工作流。 在代码世界也是一样。Boris Cherny 说：「我不再 Prompt Claude，而是让运行中的循环驱动 Claude 自主决策。我的工作已转变为编写循环逻辑。」 过去，是通过写具体的代码来定义产品；在 AI 早期，是通过写 Prompt 来指导模型；而现在，是通过设计 Evals（评测）和 Stopping Conditions（停止条件）来校准和约束系统。 你的判断力、你的系统审美品味，以及你对错误边界的定义，构成了这个 Loop 的底线。 ## 三、在 Codex 中如何实践 Loop Engineering？ Codex 这个产品，就是 Loop Engineering 理论在真实工程环境中的完美映射。它不是一个聊天工具，而是一个「Loop-native 的软件工程控制台」。 可以将 Codex 的核心机制提炼为三个维度的关注点。 ### 1、Skills 与 State：解决 Agent 失忆问题 面对长周期任务，上下文污染一直是一个致命的问题。在处理庞杂且动态的文档上下文时，如果只是把所有的背景信息全塞给大模型，它的注意力很快就会崩溃。 **Skills（AGENTS.md）**：这是给 Agent 的黄金规范。不需要每次都在对话框里重复「我们的代码规范是什么」，而是把它写在项目目录下的 SKILL.md 中。这其实就是将领域知识前置做了一次「预处理切块」，Agent 在需要时才会隐式或显式地调用它。 **State（状态机）**：这就像之前在多智能体协作中提到的，需要一个团队白板来同步共识。在 Codex 中，一个简单的 Markdown 文件或 Linear 面板就是这个状态机。它记录了「尝试了什么，通过了什么，还剩下什么」。明天早上你的 Automation 醒来时，读的就是这个状态文件，而不是昨天几万 token 的废话日志。 ### 2、Worktrees 与 Sub-agents：定义「Maker-Checker」的隔离机制 在并行工作流中，两个 Agent 同时修改同一个文件，就像是人类工程师在毫无沟通的情况下修改同一个代码仓库。 **Worktrees**：Codex 内置了 Git worktree 支持，为每个并行的子任务分配了绝对干净的、物理隔离的工作目录。这完美呼应了 Anthropic 在 [Managed Agents 架构](/writing/anthropic-managed-agents)中「把沙盒变成牛」的设计哲学：沙盒只是一个干脏活的隔离环境，大脑（Harness）可以在一个又一个隔离环境里调度代码，彼此绝不干扰。 **Sub-agents**：这是对结果质量的保障。自己写代码的模型，往往会陷入幻觉，觉得自己写得无懈可击。Codex 允许拉起平行的 Sub-agents（比如一个探索者、一个实现者、一个安全审查员），这就相当于在产品中设定的自动化负面评测系统，用另一个带有批判视角的 Agent 来守住质量的下限。 ### 3、Automations 与 /goal：驱动系统的「目标函数」 这是 Loop 真正跑起来的引擎。 **Automations**：这个自动化功能就像产品的定时跑批任务。设定好频率和对应的 Skill，让 Agent 每天早上自己去扫 CI 失败日志、提炼 Bug，把结果推送到 Triage 收件箱，以供审查。 **/goal**：这是最能体现这个新范式的指令。我们给出的不再是「改这行代码」，而是「跑到所有测试全绿为止」。Codex 会在每次流转后，用一个独立的模型来评判当前状态是否满足了你设定的 Stopping Condition。 ## 四、循环，新一代工程师的核心杠杆 从理论到 Codex 的产品落地，我们可以清晰地看到技术范式的转变：Build the loop. Stay the engineer. 当 Loop 运行得越来越顺畅，我们很容易陷入一种舒适的「Cognitive Surrender（认知放弃）」：停止思考，全盘接受 AI 的产出。 但这是危险的。 Loop 只是放大了杠杆。同样一个自动修复 Bug 的 Loop，懂业务的人用它来快速清理技术债，将精力投入到更底层的架构思考中；而试图逃避思考的人，只会用它在代码库里埋下更多看不见的隐患。 ## 最后 在 AI 优先的世界里，系统的壁垒不再是敲击键盘的速度，而是我们如何定义正确的品味，以及设计这些循环。 ## 核心结论 - 对话式交互门槛低、正反馈快，但人类成为了整个系统的性能天花板。一旦你停下，工作流就停止了。（判断 · 把握较大） 永久链接：https://chenxu.xin/writing/codex-loop-engineering#human-is-the-ceiling-in-chat-mode - 工程师的角色从「执行者」变成「循环设计师加审核员」。过去写代码定义产品，AI 早期写 Prompt 指导模型，现在设计 Evals 和停止条件来约束系统。（判断） 永久链接：https://chenxu.xin/writing/codex-loop-engineering#engineer-becomes-loop-designer - 解决 Agent 失忆不靠塞更多上下文，而靠一个状态文件记录「尝试了什么、通过了什么、还剩什么」。第二天 Agent 醒来读的是这个，而不是昨天几万 token 的废话日志。（判断） 永久链接：https://chenxu.xin/writing/codex-loop-engineering#state-file-beats-token-log - 自己写代码的模型往往会陷入幻觉，觉得自己写得无懈可击。要拉起带批判视角的 Sub-agent 来守住质量下限，这就是自动化的负面评测。（判断） 永久链接：https://chenxu.xin/writing/codex-loop-engineering#models-need-adversarial-reviewers - Loop 只是放大了杠杆。懂业务的人用它清理技术债、把精力投入更底层的架构思考；试图逃避思考的人只会用它埋下更多看不见的隐患。（判断 · 把握较大） 永久链接：https://chenxu.xin/writing/codex-loop-engineering#loop-only-amplifies-leverage --- 本文出自晨光里的AI（https://chenxu.xin），作者晨旭。 引用时请保留来源链接。文中标注「判断」「假设」的部分是作者的个人看法，不是事实。