WTF Is a Loop? Peter Steinberger vs. Boris Cherny
這篇文章把 AI coding 圈最近很紅的「不要再 prompt agent，要設計 prompt agent 的 loop」拆開來看：loop 不是一個神祕新名詞，而是一個會替你呼叫 agent、讀結果、判斷是否繼續，並且知道何時停下來的小系統。
這篇文章不是在宣告 prompt 死了，而是在說控制層升級了
Matt Van Horn 的出發點，是 Peter Steinberger 那句引爆討論的 loop 口號，以及 Boris Cherny 對 Claude Code 工作方式的描述。文章的重點不是「以後完全不用 prompt」，而是當 coding agent 已經能跨多步驟工作時，人類不該一直坐在回圈裡逐輪餵指令，而應該設計那個回圈本身。
用工程語言說，loop 是一段控制程式。它負責把目標餵給模型，讀取模型產物，依照目前狀態判斷下一步，必要時重跑或改路線，最後在符合條件、成本超標或沒有進展時停下來。模型變成 loop 裡的一個 subroutine，人類則負責設計這個 subroutine 如何被使用。
Loop 是會替 agent 做下一步判斷的外層系統
它不只是重複下同一句 prompt，而是根據輸出、測試、狀態與規則，決定下一輪該做什麼。
人的角色從操作員變成 loop 作者
過去你在 terminal 裡盯著 agent；現在你把監控、回饋、重跑與停損條件寫成系統，讓它替你維持節奏。
難點不是「跑起來」，而是讓它可靠停下來
沒有完成定義、無進展偵測與預算上限，loop 很容易把不確定性放大成成本與風險。
Van Horn 把「loop」放回一條五年脈絡
文章最有用的部分，是把社群裡混在一起的 loop 意義分層。很多人其實在講不同東西：有人指的是模型思考與工具調用的基本 while-loop，有人指的是 AutoGPT 式自動任務，有人指的是 coding CLI 裡的 run-until-done，還有人指的是長時間運行的多 agent orchestration。
ReAct：reasoning 與 action 交替
模型先推理，再呼叫工具，接著觀察結果並繼續。這是許多 agent loop 的基本形狀。
AutoGPT：把目標丟給模型持續追
這一代讓「自動完成目標」變成大眾想像，但也暴露出容易空轉、缺乏收斂與驗證的問題。
ralph loop：用簡單重跑維持 agent 前進
一個很樸素的做法：把同一份 anchor prompt 反覆餵給 agent，讓它每輪重新讀取狀態後繼續處理。
/goal 與 /loop：產品化的長任務循環
Codex、Claude Code 這類工具把「一直做直到完成」做成可用功能，並加入 validator 或 completion check。
Orchestration：loop 成為工作單位
最新的重點是多個 loop 互相監督、定時執行、保存狀態、出錯後能恢復。這已經接近 workflow infrastructure，而不只是聊天技巧。
「不就是 cron job 嗎？」這個吐槽只有一半對
文章承認 loop 有排程與自動化的老味道。用 cron 定時跑任務、檢查狀態、觸發腳本，本來就是工程師熟悉的做法。差別在於現代 agent loop 的中段不是固定 if/else，而是讓模型根據目前狀態選下一步。
傳統排程比較擅長
- 固定時間啟動固定流程
- 可預期的資料搬運與報表生成
- 明確分支、明確輸入輸出的自動化
Agent loop 多出的部分
- 讀取模糊狀態後決定下一步
- 在多種工具、子任務、修復策略中選路
- 把 reviewer、測試、記憶與預算放進同一個工作回路
真正落地時，最重要的是四個控制點
Van Horn 的判斷很務實：loop 不是魔法，它會放大好的 workflow，也會放大壞的 workflow。當模型呼叫變便宜、執行變自動，昂貴的反而會變成整條 loop 持續運行的成本、錯誤與注意力負債。
文章最後的反轉：資產不是 loop，而是 skill
Van Horn 最後把討論從「loop 是不是新東西」拉回更實際的資產觀。loop 只是 plumbing，真正能複利的是裡面被反覆呼叫、已經驗證過、能處理具體任務的 skill。沒有 skill 的 loop，只是把陌生模型包進 while-loop；有 skill 的 loop，才會開始累積團隊自己的工作能力。
這個觀點很適合拿來校準 agent workflow：每次完成一件困難任務後，不要只留下聊天紀錄，而是把有效步驟、檢查方法、失敗案例與停損規則沉澱成 skill。下一次 loop 呼叫的就不是一段臨時 prompt，而是一個已經被打磨過的工作單位。
把重複任務變成 skill
例如 PR 修復、研究摘要、release 檢查、資料清洗、規格驗收，都值得整理成可呼叫的固定能力。
把檢查也寫成 skill
不要只自動生成，也要自動驗證。真正讓 loop 可用的是「知道怎麼判斷好壞」。
讓 loop 呼叫一組能力庫
當 loop 能組合多個 tested skills，它才會從一個自動化腳本變成可擴張的工作系統。
給 Discord 讀者的快速帶走
- 01Loop 不是把 prompt 寫更長，而是把「下一步怎麼決定」寫成系統。
- 02它的 lineage 從 ReAct、AutoGPT、ralph loop 到 2026 年的
/goal、/loop與多 agent orchestration。 - 03實務上最重要的是驗證、停損、預算與狀態保存，否則 loop 只會放大錯誤。
- 04長期資產是可重用 skill，而不是 loop 這個名字。把做過的困難工作沉澱成 skill，下次才會更便宜。