龙虾之父一条推文，Loop 时代终结？
"我们还在讨论循环，还是已经转向图了？"
2026 年 7 月 18 日，Peter Steinberger（人称"龙虾之父"）在 X 平台上用这一句话，悄然宣告了循环工程时代的终结。这条帖子在发布后的两天内获得了 260 万浏览。
六周前，他用"设计能提示 Agent 的循环"获得了 840 万浏览，让全球开发者意识到提示工程的时代正在过去，循环工程才是新的方向。两条帖子累计浏览量超过 1100 万次，把 AI 编程领域最热门的讨论推向了下一个节点。
循环的崛起
过去一个月，"Loop Engineering（循环工程）"迅速成为 AI 编程领域的热门概念。但它真正的起源要追溯到一年前。
Ralph 方法：Loop 的原型
2025 年 7 月，软件工程师 Geoffrey Huntley 提出了一种被称作"Ralph"的方法——一个简单的 Bash 循环，让 Claude 反复执行任务直到目标达成：
while :; do cat PROMPT.md | claude-code ; done
Ralph 方法的核心在于绕过上下文窗口的限制。2025 年中期，上下文窗口最大为 20 万 Token，对复杂任务远远不够。Ralph 的运作方式：
- 为项目设定目标，持续运行或重新运行 Agent，直到实现目标
- 以"压缩"形式将已完成的工作持久化到文件系统中（日志或更新后的计划）
- 使用全新上下文启动 Agent，减少"上下文腐化"
- 必要时允许每个 Agent 添加或修改"总体计划"
Huntley 用这个方法从零构建了一门编程语言，验证了可行性。
概念的传播
Loop 的爆火离不开 Anthropic 和 OpenAI 的核心开发者推动：
- Boris Cherny（Claude Code 创造者）在 Anthropic 开发者大会上表示："我现在已经不再提示 Claude 了。我运行的是一些循环，由这些循环去提示 Claude，并判断接下来该做什么。我的工作是编写循环。"
- Peter Steinberger 发帖呼吁："每月提醒一次：你不应该再亲自提示编程 Agent 了。你应该设计能够提示 Agent 的循环。"
- Addy Osmani（前 Google 工程师）撰文《Loop Engineering》，将其概括为："让自己退出亲自提示 Agent 的位置，转而设计一个替你完成这件事的系统。"
基础设施产品化
2026 年 4 到 5 月，Codex、Claude Code、Hermes 相继推出 /goal 命令，把手工编写的循环产品化为一条指令。
Codex 文档写道：
"Goals 是 Codex 中持久存在的目标，可以让一个对话线程在多轮交互中持续朝着明确的结果推进。Goal 会为 Codex 提供一个完成条件：什么状态应该成立、如何检查是否成功，以及哪些约束必须始终得到保留。"
关键区别：普通提示词表达的是"接下来做这件事"，Goal 表达的是"继续工作，直到这个结果成立"。
例如："在保证正确性测试套件始终通过的前提下，将结账基准测试中的 p95 延迟降低到 120 毫秒以下。" Agent 会自行拆分任务、创建子 Agent，并持续运行直到完成。
Codex 团队借鉴 Ralph 循环的思路，构建了基础设施：协调多个 Agent、管理状态、运行测试、启动和停止 Agent、预算设置等。
开发者如何使用循环
根据社区反馈，最常见的场景是处理周期性工作，但循环的真正价值在于需要持续迭代的长期任务。
案例：大规模代码迁移
创业公司创始人 Rafel Mendiola 需要将一个 React 应用转换成 React Native。传统做法是创建一个大型 Epic，再拆分出 50 到 100 张工单。他的替代方案是：
- 创建一个 Skill，让 Agent 自己识别可迁移的代码块
- 完成转换并追踪进度
- 把这个 Skill 放进每 30 分钟运行一次的 Cron 定时任务里
与管理一份庞大的迁移计划相比，这种方式在认知上轻松得多。
下一站：Graph
Peter 的推文实际指向了一条演进路径：提示工程 → 循环工程 → 图结构。
Loop vs Graph 的本质区别
Luis Catacora 在讨论串中的回复最为精彩：
"循环有很大的容错空间。图会迫使你承认，工作流中还有多少部分根本没有被真正建模。"
这两种范式的核心区别：
| 维度 | Loop（循环） | Graph（图） |
|---|---|---|
| 架构设计 | 延期决策：先让一个 Agent 包揽所有工作 | 提前决策：提前声明整个结构 |
| 任务分配 | 单 Agent 包揽，直到处理不了 | 提前声明谁负责什么、依赖关系 |
| 容错性 | 高容错，推迟架构决策 | 强制建模，暴露未建模部分 |
| 本质 | 延期决策 | 提前决策 |
两种 Graph：组织图与工作图
Shubham Saboo（Google 高级 AI 产品经理，Awesome LLM Apps 作者）区分了两个层次：
- 组织图（Org Graph）：定义"谁负责什么"。由长期存在的 Agent 组成，每个负责一个固定领域，保留上下文、专业能力和工具权限。相对稳定，类似公司组织架构。
- 工作图（Work Graph）：定义"现在要做什么，以及任务如何流转"。随任务和新证据不断变化，可以拆分、合并、调整顺序或直接取消。更像实时生成的项目计划。
Preston Holmes 补充：两张图运行在不同的时间尺度上——组织图被预先设计并部署，工作图针对每项任务动态生成并在完成后丢弃。
范式演进的三个阶段
Loop 让 Agent 的行为变得可编程。Graph 让 Agent 的组织变得可编程。再往前一步是动态 Agent 组织——任务执行过程中，Graph 会自行改写自身结构。
从写好 Prompt，到设计 Loop，再到构建 Graph，AI 编程的能力重心正在持续上移。开发者越来越不需要关心如何与单个 Agent 对话，而是需要思考如何设计 Agent 之间的协作结构。