Claude Code 之父删了 IDE！干掉提示词：只写循环

硅星人Pro 2026-06-22 10:51 上海

提示词没死

它钻进了循环里

循环工程来了，是不是意味着提示词工程已死？

并没有。

先看看循环到底怎么跑。

Claude Code有/loop和/goal两个命令；Codex也能干同样的事，靠的是/goal加上它的定时任务（Automations）。

/loop让一段提示词按你设的间隔反复跑；/goal则让智能体一直干，直到你写的那个条件为真才停。每跑完一轮，由一个独立的小模型来判断「到底完成没有」，写代码的那个不许给自己打分。

提示词没死，它只是从你手里钻进了/loop和/goal。你不再一句句敲，现在写进循环、反复复用。所以你苦练的提示词非但没作废，反而更值钱了。

你可能早就在用

只是没叫它循环

别被「工程」两个字吓住。

ChatPRD创始人Claire Vo对它有一个特别接地气的判断：

你要是在Claude Cowork里设过一个定时任务，那么，恭喜，你已经写过一个循环了。

这并非一个刚刚提出的全新概念，Django框架的联合创造者、独立AI研究者Simon Willison，早在2025年9月就写过「设计智能体循环」。

18个月里，开发者一路从提示词工程跳到上下文工程，再到脚手架工程，如今轮到循环工程。

一年前想搭个循环，你得自己手搓一大堆bash脚本，写完还不算完，得永远养着它，三天两头怕它散架。

现在，搭循环要用的那些组件，Codex和Claude Code里直接内置了。

1

复刻Boris的「蜂巢」你现在的Claude Code里就能搭

Boris没公开过自己的配置，X上一位@Av1dlive的开发者，根据Boris的公开访谈，从零重建了一整套名为「蜂巢」（THE HIVE）的系统配置。

而这样一套自运转的系统，普通人也搭得起来。它需要的组件，全在你的Claude Code里。

整套「蜂巢」是三层。

第一层是本地循环，靠/loop。开着会话时它持续干活，最小1分钟跑一次，关掉电脑就停。

第二层是云端例程（Routines），Anthropic今年4月推出，跑在云上、新克隆的仓库里，关了电脑照样跑，最小1小时一次。

第三层是集群，靠/batch和动态工作流（dynamic workflows）：一次性把活扇出去，几百上千个worktree子智能体并行，每个待在自己隔离的代码检出里，互不干扰。

@Av1dlive还整理出七个可以直接抄的循环。

七条slash命令，七个并行的循环：盯PR、挖Slack反馈、清僵尸PR、给issue分类、把你反复纠正的规则沉淀进CLAUDE.md……全是会话级的，关掉终端就停。这是「蜂巢」最入门的一层。

真正的魔法在于组合。

第二层的云端例程把发现写进文件，第一层的本地循环读文件接力去干，撞上大活就拉起第三层集群。

结果回流，每周再让一个例程去蒸馏、更新CLAUDE.md。

这套飞轮一转，你的智能体每周都比上周更聪明。

1

Codex与Claude Code撞脸 才是真正的信号

Osmani在博客里列了一张对照表，一个完整的循环，拆开就是这六大组件：

自动化（Automations），定时触发，自己去做发现和分诊，把找到的东西丢进一个收件箱等你查看。

隔离工作区（Worktrees），防打架。两个智能体同时改一个文件，就跟两个工程师不打招呼往同一行代码上提交一样，必定会打架；git worktree给每个智能体一份独立检出，谁也碰不到谁。

技能（Skills），治金鱼记忆。把项目惯例、构建步骤、踩坑经验，一次写进SKILL.md，省得智能体每轮从零猜。

连接器（Connectors），摸清真实世界。它基于MCP，让智能体能读你的issue、查数据库、往Slack里发消息：这是「告诉你该怎么改」和「直接替你开好PR、更新好工单」的区别。

子智能体（Sub-agents），写查分离。写代码的模型给自己批改，总是太手软；另开一个指令不同、最好换个模型的子智能体来挑刺，能抓住第一个智能体自己说服自己放过的毛病。

最后是记忆（Memory），一个markdown文件就行，记下做了什么、过了什么、还剩什么，明天那一轮才能接上今天。

这些组件听起来都不新鲜：

从2022年的ReAct，到2023年的AutoGPT，到2025年7月Geoffrey Huntley那个「一行bash反复喂同一句提示词」的Ralph循环，再到今年春天Codex和Claude Code都上的/goal。

新就新在，两家产品几乎一字不差地把同一套组件都做了出来。

真正的竞争，开始转变为谁能让人更顺手地写循环，这将是Codex与Claude Code新一轮竞争的胜负手。

1

能自己干活的循环 也会自己闯祸

能够让智能体自动干活，这听起来似乎很爽，但仍面临以下几个挑战：

第一个挑战，是成本。

多个智能体叠着子智能体、跑在最前沿的模型上，动态工作流动辄吃掉预期5到10倍的token。

Steinberger敢这么玩，是因为他自嘲是「拥有无限token的人」，那是OpenAI的福利，普通人没有。

第二个挑战，是失控。

Anthropic自己点名过循环最容易栽的三种坑。

偷懒：50项安全问题做了20项就说「搞定」；

自夸：给自己的活打高分；

漂移：跑了很多轮之后，你当初写的「别做X」在第47轮悄悄消失了。

这三种坑，正是「制造者」和「检查者」必须拆开的原因。

第三个挑战，是质疑。

Reddit和开发者圈里不少人觉得，循环工程本质就是ReAct、智能体循环（agent loop）、任务调度这些老东西换个名字、加层产品化包装，新瓶装旧酒。

「我是提示词工程师」→钻进灌木丛→「提示词工程根本不算什么，就是把话说清楚的花哨叫法」→「我现在是上下文工程师」。这张疯转的辛普森梗图，道破了这轮质疑：从提示词到上下文再到循环，头衔换了一茬又一茬，会不会只是同一个人钻进同一片灌木丛，换个名字再钻出来？

这些怀疑，也不全是酸话。

就连Anthropic自己也坦白：所谓人均日合并代码量已是2024年的8倍，这个数「几乎肯定高估了真实生产力」：代码行数衡量的是量，不是价值。

所以话说回来，循环并不等于全自主AI：它照样靠停止条件、靠验证机制、靠人来定目标。

它也并非全新技术，而且强烈依赖场景：编码、测试这类有明确验收标准的活才跑得稳，开放式任务很容易跑飞、白烧算力。

1

会写循环才是你的护城河

虽然，循环工程仍面临以上挑战，但方向并不会变。

Claire Vo在直播中，把这一刻叫「属于管理者的时代」：你其实是在设计一份工作。写循环，就像给一名新员工办入职，你带的是一支随叫随到的数字团队。

模型本身，正越来越像水电煤：谁都能接，谁接的都一样。每个季度，都会有新模型把你上季度的妙手提示词作废：真正能形成复利的，是你那套循环、那些攒下来的技能、那份被每周蒸馏的CLAUDE.md。

这也是Boris卸载IDE的底气：他的产出不依赖于某一次对话，而是依赖系统。

Osmani在博客里提醒：循环越强，有三件事反而越扎手。

第一件事，验证还得你自己过：循环报「完成」，只是它的说法，不是真做对了的证明；

第二件事，理解债（comprehension debt）越欠越多：循环写的代码越堆越高，你真读懂的没跟上，每一个没读就合的PR，都在加宽这道沟。

第三件，也是最险的：同一个循环，用在你懂的活上是杠杆，用来逃避理解，就是在加速自己的下滑。

Boris能把IDE删掉，靠的并非「不写提示词」，而是把提示词从自己手里，移进了循环。

现在，就去写你的循环。

但记得要当那个看得懂它在干什么的工程师，而不是只会按下「运行」的人。

参考资料：

https://addyosmani.com/blog/loop-engineering/https://x.com/Av1dlive/status/2064292484856041558

https://x.com/steipete/status/2063697162748260627

https://www.businessinsider.com/what-are-loops-ai-engineering-tips-2026-6

编辑：元宇

点个“爱心”，再走吧