Agent Loop 是什么？我用 Harness 做了半年，发现它就是 Loop Engineering

2026 年 7 月，硅谷突然火了一个词：Agent Loop。

引爆点是 Open Cloud 创始人 Peter Stenberg 发了一句话："我们所有人都应该停止写 Prompt，应该转向去为你的 Agent 设计 Loops。" 这句话 24 小时内获得了两百多万的浏览量。

紧接着，Cloud Code 的创始人 Boris 在访谈里说："我现在根本不写 Prompt。我的工作就是设计 Loops。"

我看了之后的感觉很复杂——一方面觉得"这个方向我做了半年了"，另一方面也觉得"终于有一个词能描述清楚我在做什么了"。

这篇文章把我的理解和实践串起来，讲清楚三个问题：

1. Agent Loop 是什么？ — 用最通俗的方式解释
2. Loop Engineering 和 Harness 是什么关系？ — 我的系统里每根缰绳都是一个 Loop
3. 你现在该怎么做？ — 从停止写 Prompt 开始

一、先搞清楚：Agent Loop 到底是什么

先别有什么心理负担。这个概念本质很朴素。

你写程序的时候写过 while 循环吗？就是 while (条件成立) { 做一件事 }。Agent Loop 就是把这个思路搬到 AI 系统里。

不是让模型一次性回答，而是让模型在一个循环里反复执行："想一下 → 做一步 → 看看结果 → 再想一下"。

这个循环的每一圈叫一次迭代。一个复杂任务可能需要三五圈甚至十几圈。每一圈的开销就是一次 LLM 调用 + 工具调用。

但 Agent Loop 不是只有这一层。真正让懂行的人兴奋的，是循环可以嵌套、可以组合、可以形成多层体系。

理解了这个三层结构，你就理解了 Loop Engineering 的核心：不是一个循环解决所有问题，是多个循环分层协作。

二、Harness 四根缰绳，每根都是一个 Loop

回头看我自己搭了半年的 Harness 体系：

ReAct Loop — 发动机

这是最底层的循环。模型在里面"想→做→看"反复循环。没有这个循环，Agent 只是一个高级聊天机器人。有了它，Agent 能调用工具、能多步推理、能基于实时信息决策。

对应 Harness 什么？ Harness 不替代这个循环——它是这个循环的基础设施。上下文管理给循环提供高质量的输入，输出约束给循环设定产出格式。

Quality Loop — 质量门

这是套在 ReAct Loop 外面的第二层循环。ReAct 每产出一个结果，Quality Loop 检查一次。不通过就回到 ReAct 重新生成，通过就放行。

对应 Harness 什么？ 验证闭环。三层检查：格式 → 语义 → 安全。每一层都是一个判断节点，不通过就走修正路径。

这个 Loop 的关键设计参数是阈值——多严格才算通过。阈值太松，垃圾输出放过去；太严，好输出也被卡住。我在实践中发现这个阈值需要根据不同任务动态调整——复杂任务可以松一点，安全敏感任务必须严。

Learning Loop — 经验沉淀

Quality Loop 发现了问题，修正了，但如果不记住，下次同样的坑还会再踩。Learning Loop 就是在每次循环结束后，把经验提取出来固化为可复用的东西。

对应 Harness 什么？ 知识沉淀 + 记忆系统。从 Session 到 Skill 的管道，就是这个 Loop 的具体实现。

Meta Loop — 自进化

这是最大的一层循环。不关心一次对话的质量，关心的是系统整体的进化。采集所有下级 Loop 的运行数据 → 分析模式 → 发现问题 → 生成改进方案 → 部署 → 继续观察。

对应 Harness 什么？ 自进化引擎。就是这两天刚写完的那套代码。

三、为什么是"设计 Loops"不是"写 Prompt"

Peter Stenberg 那句话说得很绝对，但他说到了点子上。

Prompt 是一次性的。你写了一个 Prompt，用在特定的场景、特定的上下文、特定的模型。换一个场景，Prompt 要重写。换一个模型，Prompt 可能不生效。迭代 Prompt 到一定程度后，收益急剧递减——改一次 Prompt 提升 2%，但调试花了半天。

Loop 是可复用的。你设计了一个 Quality Loop，它可以用在任何 Agent 上。你设计了一个 Retry Loop，它在所有场景下的行为一致。Loop 跟 Prompt 的核心区别：

所以"不写 Prompt"的意思是：不要靠一个无所不能的 Prompt 解决所有问题。改成设计多个专门负责一件事的 Loop，让它们协同工作。

在我的系统里，没有一个"终极 Prompt"。Harness 的四根缰绳、记忆系统的三层模型、自进化引擎的五层架构——全是不同的 Loop 在各自的职责范围内运转。

四、设计 Loop 的五步法

市面上最新的一份 Loop Engineering 手册给出了五步设计流程，我用自己的语言翻译一遍：

第一步：任务分解

不要把整个任务丢给一个 Loop。拆开。我写文章让 Agent 帮我，拆成了四个独立的 Loop：研究 Loop（查资料）→ 写作 Loop（写初稿）→ 审计 Loop（检查质量）→ 发布 Loop（上线）。每个 Loop 只做一件事。

对照你的系统： 你的 Multi-Agent 编排模式就是在做这件事。Supervisor 负责拆，Worker 负责干。

第二步：专家识别

每个 Loop 需要一个"专家"——要么是一个专门的 Agent，要么是一个专门的 Skill。专家的能力范围要窄（不要一个专家什么都会），深度要够。

对照你的系统： 你的每个 Skill 就是一个专家。从 Session 到 Skill 的管道，就是在"培养专家"。

第三步：通信设计

Loop 之间怎么传数据？是同步还是异步？超时怎么办？失败怎么通知？

对照你的系统： delegate_task 在做这件事。但目前通信协议没有标准化——每个 Worker 返回什么格式，没有统一约定。

第四步：契约治理

这是最容易被忽略的一步。每个 Loop 的输入输出格式、错误码、调用约定——需要白纸黑字写下来。市面上有人用 claude.md 做这件事。你在用 SKILL.md。

对照你的系统： SKILL.md 目前只描述了"这个 Skill 做什么"，还没有标准化"输入输出格式"和"错误处理"。这是一个可以升级的方向。

第五步：运行检查表

上线前检查：每个 Loop 有没有最大迭代次数？有没有超时设置？失败回调有没有定义？日志有没有打开？

对照你的系统： 自进化引擎里的 system_config 表就是做这个的。但目前是代码级的，还没有变成可视化的检查清单。

五、你现在该做什么

这篇文章不是为了介绍一个新概念。是为了让你看清楚：

• 你已经在做 Loop Engineering 了。Harness 的四根缰绳、记忆系统的三层模型、自进化引擎——全是 Loop。
• 你的系统比很多人的设计更成熟——因为你已经解决了"多个 Loop 怎么嵌套协作"这个问题。
• 还缺什么？缺的是"显式的 Loop 声明"。每个 Loop 应该有名字、有输入输出契约、有可观测性接口。现在它们是散在代码里的，需要把它们"端到端"地组织起来。