感觉现在人人都是一个coding大师了。现在让 AI 写一个网页、写一个小游戏、写一个 App Demo，已经不是什么稀奇事，主要问题在于写出来的东西是一个简易版，还是真的是一个可以跑起来的版本。

就像之前明星胡彦斌说自己一个月就能开发一个APP一样，普通人在这个时代只要有创意就能够立马实现自己的想法

很多 AI Demo 看起来很完整，比如说可能有统一的按钮，首页之类的，但是很难给真正的用户使用。比如说按钮是假的，点了没反应，页面只是“像一个产品”，不是一个真正可用的产品。

而最近龙虾之父“Peter” 在社媒发帖，声称开发者不应该继续直接写 Prompt，而应该设计 Loop(循环) 来 Prompt Agent。这样的loop 工程做出来的Demo产品，其可用性大大提高。

我也直接曾经写过一篇介绍“Loop工程”的文章，感兴趣的可以去知乎搜索一下：

Loop 工程：Prompt 工程之后，Agent 时代的新分工 - 算法一只狗的文章 - 知乎

https://zhuanlan.zhihu.com/p/2050729262047573149

Anthropic 也趁着这个热词大火的机会，直接演示了使用Loop怎么去让 Agent 构建一个 2D 复古游戏制作器。最后构建的这个产品不仅有 UI，还要有关卡编辑器、精灵编辑器、实体行为，以及真正可以试玩的 Play Mode。

这样的任务非常适合解释 Loop。因为游戏不是静态页面，必须形成完整闭环：创建素材、编辑关卡、配置角色、进入测试模式、真的玩起来。

在演示过程中，他们给了一个很简单的需求：做一个 2D retro game maker，包含关卡编辑器、精灵编辑器、实体行为和可玩的测试模式。

，也就是一个 Agent 直接做。它很快，成本也低，二十分钟左右就能给出一个结果。页面看起来有模有样的，有开屏页，有精灵编辑器，也有游戏页面。

但是，真正进入 Play Mode 后，角色和实体没有响应，用户输入没有生效，游戏运行时和实体定义之间没有真正打通。而且可以看到，布局浪费了空间，固定高度的面板让大部分视窗空无一物。

，也就是Agent Loop。它更慢、更贵，但结果明显不同：Planner 先把一句话需求扩展成产品规格，Generator 按 Sprint 实现，Evaluator 再用真实浏览器操作验收。最终的产品仍有物理碰撞和关卡设计问题，但核心 Play Mode 跑通了，用户真的可以移动角色并试玩。

这套 Full Harness 包含 Planner、Generator、Evaluator 三类 agent

在codex下其实也很容易复现出来，首先就是要在项目中限定一个人设Agents.md

然后可以让codex快速创建三个独立的Agent，就可以让它不断的调试优化，最后得到一个真实可玩的游戏。

把上面的内容放到codex上，就是一个简单的loop工程了。

然后Planner 智能体开启执行工作执行

最后经过loop工程的不断循环之后，就可以看到一个简单的游戏Demo出来了

在游戏界面中可以自由摆放方块，目标和金币，已经算是一个比较成熟可用的demo了

使用Loop工程对工作方式意味着什么

从 Prompt 转向 Loop 设计，并不是软件开发独有的变化。只要 AI 在某个领域强到可以自主处理一类任务，这种模式就会自然出现。

人并没有从流程中消失，而是上移到了更高的抽象层。

过去，人负责执行每一个具体步骤：写代码、跑测试、看报错、继续修改。现在，人开始负责定义工作类别、设计成功标准、搭建验证系统，让 Loop 能够判断自己是否完成任务，并在遇到真正超出能力边界的问题时，把它交还给人。

这会真实改变日常工作的形态。以前，一个开发者可能花四个小时写功能代码；现在，他可能花四个小时设计一个 Loop，让它自动生成代码、运行测试、检查回归、提交 PR。表面上看，还是在完成同一类工程任务，但人的位置已经变了：输出变了，杠杆变了，所需要的能力也变了。

你今天设计的 Loop，未来也可能被一个“元 Loop”取代，由它来设计新的 Loop。到那时，问题就会变成：人到底在哪些地方仍然不可替代？

这其实也是自动化一直以来的核心问题。关键从来不只是机器能不能执行任务，而是机器是否有判断力：它是否知道哪个任务值得做，为什么值得做，以及结果什么时候才算真正好。

这种判断力并不天然存在于 Loop 里。它来自设计 Loop 的人。

Loop 最适合目标明确、步骤较长、结果可以被检查的任务，例如功能开发、数据迁移、批量修复、文档维护和定期巡检。如果只是探索一个想法、做一次性页面，或者验收标准高度依赖人的品味，先用 Solo Agent 往往更快。

判断标准可以很简单：如果你发现自己不断重复“运行测试—复制错误—让 Agent 修复—再运行测试”，这段人工操作就已经具备被写进 Loop 的条件。相反，如果每一轮都需要人重新决定方向，自动循环只会更快地产生错误。

不要迷信三 Agent：Harness 也要随模型升级

Anthropic 把 Harness 的每个组件视为一项假设：它假设模型在某个地方还不够可靠，所以增加 Planner、Sprint、上下文重置或 Evaluator。模型能力提升后，这些假设要重新验证。后续实验换用更强模型时，团队移除了 Sprint 分解，并把 Evaluator 改为末尾单次验收；对模型已经能稳定完成的任务，Evaluator 可能只是额外开销。

因此，好的 Loop 不是结构越复杂越好，而是在当前模型、当前任务和当前风险下，使用最少但真正承重的控制环节。先做小循环，观察日志和失败模式，再决定是否增加角色、并行度和验收层。

Prompt Engineering 关注一句话怎么写，Loop Engineering 关注工作如何持续推进。它把开发者从“每一步都手动催 Agent”的位置，移动到“设计目标、状态、评估与边界”的位置。真正决定产出能否从 Demo 走向可用产品的，往往不是更长的 Prompt，Loop工程刚刚就是一个能够发现问题、把问题反馈回去，并且知道何时停止的循环。构建自己的第一个 Loop

构建自己的第一个 Loop：让 AI Demo 从“像产品”变成“真产品”

后台策略工程师

人工智能

开发工具

架构设计

AI时代下，Loop工程正改变开发模式，让Demo真正可用。通过Planner、Generator、Evaluator三Agent循环协作，将需求转化为可运行产品。相比传统Prompt工程，Loop能自动测试、修复并优化，确保功能闭环。文章以2D游戏开发为例，展示如何通过循环迭代打造可玩Demo，并探讨人机协作的未来工作模式。

数据迁移

软件开发

数据库

智能体

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

AI时代下，Loop工程正改变开发模式，让Demo真正可用。通过Planner、Generator、Evaluator三Agent循环协作，将需求转化为可运行产品。相比传统Prompt工程，Loop能自动测试、修复并优化，确保功能闭环。文章以2D游戏开发为例，展示如何通过循环迭代打造可玩Demo，并探讨人机协作的未来工...

构建自己的第一个 Loop：让 AI Demo 从“像产品”变成“真产品”

构建自己的第一个 Loop：让 AI Demo 从“像产品”变成“真产品”

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐