4.4 KiB
title, created, updated, type, tags, sources, authors, platform
| title | created | updated | type | tags | sources | authors | platform | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| AI 开发范式演进：从 Prompt Engineering 到 Loop Engineering | 2026-06-29 | 2026-06-29 | article |
|
|
|
Datawhale |
AI 开发范式演进：从 Prompt Engineering 到 Loop Engineering
来源：Datawhale 公众号，作者：邱汉宸
一句话
系统性复盘 AI 开发范式的四次浪潮：Prompt Engineering → Context Engineering → Harness Engineering → Loop Engineering，揭示人类从 Agent 循环内部走向外部、从执行者变为设计者的范式迁移。
核心命题
2025–2026 年三句话引爆 AI 社区：
- "I really like the term 'context engineering' over prompt engineering." — Tobi Lütke, Shopify CEO
- "You shouldn't be prompting coding agents anymore. You should be designing loops that prompt your agents." — Peter Steinberger, OpenClaw
- "I don't prompt Claude anymore. I have loops running. My job is to write loops." — Boris Cherny, Claude Code
四次浪潮
1. prompt-engineering（2022–2024）
"如何跟 AI 沟通"。核心方法论：Zero-shot/Few-shot、Instruction Prompting、dspy 声明式自动编译。瓶颈：上下文窗口限制、缺乏记忆/工具调用、blind-prompting 带来的技术债务。
2. context-engineering（2025）
"信息怎么喂给模型"。三大方法论：
三种故障模式：context-failure-modes。关键隐性维度：prefix-matching-invariant 与 prompt-caching 的成本经济学。
3. harness-engineering（2026–）
"Agent = Model + Harness"。四大支柱：环境资产与工具集、控制与编排逻辑、规则中间件（Hooks）、运行时可观测性。八条model-proposes-harness-executes。DataTalks.Club 事故案例：Claude Code 执行 terraform destroy 抹除生产数据库 — 问题不在模型，在 Harness 缺位。
4. loop-engineering（2026–）
"Loop = Cron + 决策器"。系统从人类单次触发的工具演进为具备独立运行周期的自主工程。loop-maturity-levels：Open Loop → Closed Loop → Review Loop。核心组件 "五件套 + 一个记忆"：Automations / Worktrees / Skills / Connectors (mcp) / Sub-agents / State 文件。
核心框架
Loop Contract（loop-contract）
六维约束：TRIGGER / SCOPE / ACTION / BUDGET / STOP / REPORT。BUDGET 和 STOP 固化为 circuit-breaker-pattern 和 watchdog-pattern 两道硬约束。
嵌套关系
Prompt ⊂ Context ⊂ Harness ⊂ Loop
架构哲学
mechanism-policy-separation — 底层平台提供机制（定时器、工作区隔离），控制策略由架构师独立配置。
工程实践
- harness-as-a-service：Worktree + Skills + Connector + Subagent + State 封装为标准底座
- skill-issue-framework（CodeRabbit）：当 Agent 表现不佳，排查 Harness 代码而非责怪模型
- 分层拦截流水线：确定性规则层（Semgrep）→ 策略网关层（OPA）→ AI 审查层 → 人类终审（80%/15%/5%）
人类角色转变
开发者进化为 loop-designer，聚焦三件事：
- 定义终止边界（Goal & Verifier）
- 维护工具链与领域资产（Tooling & Skill）
- 设计安全断路器（Human-in-the-Loop & Budget Guard）
关键引用
- Terminal Bench 2.0 实证：不改模型权重，仅改写 Harness 约束使排名从 30 → 前五
- 缓存经济学：同一前缀命中第 3 次即可净收益（首次 100% 计费，后续 20%）