正在打开每日关注
从提示词到循环：长任务 Agent 的工程化方法
Loop Engineering 将 Agent 从单轮问答升级为可验证、可恢复、可持续迭代的系统循环。
来源摘录
Loop Engineering 精华文章汇总! 2026 年 Agent 开始聚焦在长任务后，重点慢慢变成了： 如何设计一个能够持续思考、执行、观察、验证和演进的循环系统？ 从 Codex 到 Claude Code，从 OpenHands 到各种 Coding Agent。 业余项目和生产级系统之间最大的差距是Harness 工程，包括 Loop。 Agent 能不能持续工作几十分钟甚至几个小时？ 能不能在失败后恢复？ 能不能控制成本？ 能不能知道什么时候停下来？ 这些问题，最终都落到了 Loop 设计上。 📚 推荐阅读 1. Loop Engineering — Addy Osmani https://t.co/bPvEN2wJIB 2. Loop Engineering — Firecrawl https://t.co/38BnoAs2g1 3. What Is the AI Agent Loop? — Oracle https://t.co/R17XAigxNf 4. Harness Engineering — OpenAI https://t.co/N3qBMBaybB 5. Harness Engineering for Coding Agent Users — Martin Fowler https://t.co/341m6RB95h 6. Agentic Loops: From ReAct to Loop Engineering https://t.co/uZIFZCeOVi 7. Loop Engineering for AI Agents (Memory-First) — Mem0 https://t.co/IbhAUs9CkD 📄 推荐论文 1. Agentic Harness Engineering https://t.co/D8CqREgstF 2. From Agent Loops to Structured Graphs https://t.co/vq34blqjrw 🛠 推荐研究的开源项目 Codex CLI https://t.co/8uwQryevJF OpenHands https://t.co/YMv6Fy9Jrp PydanticAI https://t.co/AgFNXxkiCR OpenAI Agents SDK https://t.co/xEnSYXRcVu 重点研究： Loop 如何运行 Loop 如何停止 Loop 如何验证 Loop 如何恢复 Loop 如何调试 Prompt 决定 Agent 如何开始。 Context 决定 Agent 能看到什么。 Loop 决定 Agent 最终能走多远。 Loop Engineering： Think ↓ Act ↓ Observe ↓ Verify ↓ Evolve ↓ Repeat 你设计循环。 Agent 在循环中持续改进。 每完成一次循环，系统都会比上一次更接近目标。 Agent 从来不缺 Loop。 缺的是 Loop 的工程学。
深度解析
是什么 这组内容把 Loop Engineering 定义为：不再靠人逐轮提示，而是设计一个能自行触发、执行、观察、验证、记忆并决定是否继续的 Agent 系统。提示词工程优化单轮输入，Harness Engineering 塑造单个 Agent 的运行环境，Loop Engineering 则在其上负责调度、恢复与停止。
核心设计 循环的关键不是“让模型多想几次”，而是把 Think/Act/Observe/Verify/Evolve 变成可观测控制面：目标必须可验证，结束必须有条件；worktree 隔离并发修改，Skills 固化项目知识，外部 Markdown/Linear 或记忆层保存跨会话状态，独立 reviewer 检查执行者。成本、上下文、重试上限和人工审批决定它能否进入生产。
仓库与边界 Codex CLI 是本地终端 coding agent；OpenHands Agent Canvas 是可自托管控制中心，可连接本地、远程、云端及 ACP agent 并运行自动化；Pydantic AI 是端到端类型化 Python agent loop，Harness 以 capabilities 组合记忆、子代理、上下文压缩、文件与 Shell；OpenAI Agents SDK 用 provider-agnostic 的 agents、tools、handoffs、guardrails、sessions 和 tracing 组织轻量多 Agent workflow。可借鉴的是外置状态、独立验证和可恢复编排；风险是 token 成本、无限重试、目标漂移与并发冲突。AHE 的可观测性闭环和结构化图论文提供了方向，但后者明确是设计提案，不能视为生产验证。