循环工程：在验证成本低廉处，循环才能取胜

打造 Claude Code 的工程师 Boris Cherny，白天会同时开着五到十个会话、跑着几百个代理，而每天夜里则有几千个代理在运行。²上周，一段他说”我不再给 Claude 写提示词了……我的工作是写循环”的视频片段在 X 上传开，大多数评论都把这句话当成了关于自主软件开发的预言。没过几天，Addy Osmani 就以此为名提出了一门学问：循环工程（loop engineering）。⁷我把那段片段背后三场演讲的完整文字记录都翻了出来。这些记录讲的是一个更平静的故事，而恰恰是这个平静的版本才值得在其上构建：Cherny 真正点名的每一个循环，都有一个机器可以免费检验的成功条件。决定你能自动化什么的，是验证成本，而非循环本身的搭建。我从 2 月起就在生产环境中运行循环，我的日志与这些文字记录所言一致——其中还包括两次让我以惨痛方式学到这一课的事故。

太长不看 / 要点速览

• 这句病毒式传播的话出自 Cherny 在 Acquired Unplugged 的访谈，他把循环描述为一条连续谱上的下一步：从打孔卡到汇编，到高级语言，再到提示词。¹他给这一过渡设定了很短的保质期：”接下来这几个月，也许会持续到今年年底。”¹
• 其机制刻意做得平淡无奇。在 Sequoia 的演讲中，Cherny 把 /loop 描述为 Claude 用 cron 来调度一个重复执行的任务。²他点名的几个循环负责照看拉取请求、维持 CI 健康，并每 30 分钟对 Twitter 上的反馈做一次聚类。²
• 这些循环无一例外都是”打扫卫生”式的。每一个都有一个机器可检验的终止状态：CI 变绿、PR 完成 rebase、反馈完成聚类。他点名的例子里，没有一个是在无人值守下构建新功能。
• 写循环这份活计本身，已经在溶解进模型之中。Cherny 称，更新的模型会主动发起循环，他还把用户侧的循环搭建称为”一个产品设计问题”，意味着”我没把这件事做好”。⁵
• 这个迷因之下真正持久的技能：判断什么可以安全地无人值守自动化。这个判断关乎可验证性，而且在循环语法消失之后，它依然属于你。

他究竟说了什么

人人转发的那段片段来自一场 Acquired 的现场访谈。Cherny 用家族史为这句话作了铺垫：他的祖父在苏联用打孔卡编程，他的父亲写汇编，”要是看到我写 Python，准会笑话我”。接下来才是传开的那部分：

“这某种程度上就是编程的本质：抽象层级总是在不断上升……一年前我写代码的方式，是在 IDE 里借助某种自动补全来敲代码。到了 11 月，我卸载了 IDE，因为我根本没在用它……那时候，我大概同时跑着五到十个 Claude，而我所谓的写代码，就是给 Claude 写提示词让它写代码。现在又升了一级……我已经不给 Claude 写提示词了。我有一些正在运行的循环。是它们在给 Claude 写提示词，自己琢磨该做什么。我的工作就是写循环。”¹

完整的 Acquired Unplugged 访谈；关于循环的那段从 11:14 开始。

完整记录中有两个细节始终没出现在那些片段里。其一，Cherny 自己为这一过渡标注了时间：循环是”我们接下来这几个月、也许会持续到今年年底”会看到的东西。¹他描述的是一个阶段，而非一个终点。其二，为所有想梳理这场讨论脉络的人附一条出处上的提醒：不少病毒式传播的帖子把循环这部分内容归到了他长达一小时的 Y Combinator 播客那一期。我查了那一期的完整记录，里面对循环只字未提；那期讲的是产品的起源故事和子代理。⁶真正的实质内容在 Acquired 访谈和一场 24 分钟的 Sequoia 演讲里。

一个循环就是一个 cron 任务

Sequoia 的演讲提供了机制层面的细节，而这些细节是刻意做得乏味的：

“它无非就是让 Claude 用 cron 调度一个将来某个时刻执行的任务，而且是个重复任务。它可以每分钟跑一次、每五分钟跑一次，或者每天跑一次。”²

Sequoia 演讲补全了病毒式片段略去的每一处机制细节；循环那一段从 7:56 开始。

Cherny 跑着几十个这样的循环。他点名的有：一个照看他 PR 的循环（修复 CI、自动 rebase）、一个维持 CI 健康的循环（它会修复不稳定的测试），以及一个每 30 分钟从 Twitter 拉取反馈并聚类的循环。²Routines 在 5 月 Anthropic 的 Code with Claude 活动上发布，它把同样的模式搬到服务器端，让循环在合上笔记本后仍能存活。²为这场主题演讲做实时记录的 Simon Willison，记下了 Anthropic 自己采用的措辞：Routines 是”高阶提示词”。¹²几个月来，Cherny 一直在告诉别人，/loop 和 /schedule 是这款产品里最强大的两个功能；他那个经典的入门示例，是一个每五分钟照看 PR 的循环。¹¹

这种模式有一个更粗糙的”祖先”。Geoffrey Huntley 的 Ralph Wiggum 技法，用他自己的话说，就是”Ralph 是一个 Bash 循环”：一个 while true，永远把同一个提示词文件喂给代理，迭代之间的进度则保存在文件和 git 历史里。⁹如今 Anthropic 已把 Ralph 作为官方插件发布，它会拦截代理试图退出的动作，并不断重新喂入提示词，直到出现某个完成字符串、或触及迭代次数上限。⁹The Register 证实 Cherny 本人也在用 Ralph，并援引了 Huntley 关于这套经济账走向何方的警告：创业公司会用这套技法去克隆现有的 SaaS 业务并以低价抢食，因为代理式编程的成本大约是每小时 10 美元。¹⁰这条脉络之所以重要，是因为它揭示了这个想法真正的”年纪”：循环是计算领域里最古老的控制结构，这个构造本身毫无新意可言。¹⁵

他点名的每一个循环都是打扫卫生

这里有一个被这场讨论略过的观察。把 Cherny 的循环再列一遍，看看它们各自的终止状态：

它们每一个，要么有一个机器可检验的成功条件，要么产出的是出错也无关痛痒的结果。他点名的例子里，没有一个是”趁我睡觉时把功能建出来”。这位每晚运行着几千个代理的人，把他个人的自动化描述为修 CI、做 rebase 和反馈分流。

那个看似的反例，恰恰印证了规律。Anthropic 自家的工程团队让 16 个代理在无限循环里跑了两周，产出了一个 10 万行的 Rust 写的 C 编译器，算力成本约为 2 万美元。⁸编译器是软件中最可验证的产物：一套庞大的程序测试集，要么能正确编译运行，要么不能。团队挑的正是一个验证几乎免费的目标，而即便如此，主持这项实验的 Nicholas Carlini 仍写道，程序员部署自己从未亲自验证过的软件，是”一个真切的隐忧”。⁸

Addy Osmani 为这门学问命名为”循环工程”的那篇文章，从设计这一侧落到了同一个约束上：”一个无人值守运行的循环，也是一个无人值守地犯错的循环。”⁷他提出的架构（用单独的验证代理，这样制作方永远不会给自己的活打分）正是一种尝试：在验证不会天然便宜的地方，人为地制造出廉价的验证。⁷

我自己的循环教会了我什么

我在 2 月写过我那套通宵运行的代理系统，那时候，对这套技法还客气地用一个《辛普森一家》的梗来称呼。¹⁶从那以后，我这套设置里活下来的循环，无一例外都收敛到了同一种形态，而那些失败的循环，教给我的比成功的还要多。

幸存者都是”检查”形态的。一个夜间循环会读取当天的提交，把改动过的文件映射到线上 URL，加载每一个受影响的页面，然后连同加载时间一起报告通过或失败。一个安全循环整夜盯着各个端点，并在清晨写出一份简报。一个抓取循环会读取 Googlebot 和 Bingbot 在我各个站点上的活动，并报告索引收录的漂移。这些循环都不创造任何东西。每一个都只是观察、与预期状态比对，然后报告。当某个循环出岔子时，代价不过是一份过期的报告，而非一个坏掉的产品。早上读这些报告只需几分钟，因为每一项的输出都是二元的：通过、失败、看这里。

失败的，都是那些会”动手”的循环。有一个隔离功能，会为并行代理自动创建 git worktree，它两次删掉了它擅自判定为可丢弃的临时目录；这套自动化的杀伤半径，波及了它既没创建、也不理解的文件。有一次，一个定时缓存清除任务相对于部署以错误的顺序执行，搜索爬虫在 11 小时里一直为本就存在的页面收到 404，因为这次清除在源站交付替换内容之前，就把正确的缓存响应给驱逐了。¹⁶这两次失败都不是模型的错。两次都源于我把写权限授予了一个我尚未把前置条件钉死的循环。如今它们各自都加了一道护栏：worktree 自动化被直接封禁，而清除任务只在部署验证通过之后才运行。我从中提炼出的通则是：一个只读的循环需要一张时间表；一个会写入的循环，在配得上一张时间表之前，需要一份顺序证明和一个杀伤半径上限。

这条通则也解释了 Cherny 那套设置里人们最难以置信的那部分。”现在其实我大部分工作都在手机上完成，”他说，他通过 Claude app 里的 code 标签页来运行会话。²手机是个糟糕透顶的看代码的地方，却是个不错的读”通过/失败”报告的地方。这个”用手机”的说法，实则是一个伪装过的验证主张：他的循环所发出的输出，清晰到足以一眼就接受或否决——而这只有在循环开跑之前就设计好成功条件时才有可能。

验证成本的阶梯

如果这个论点成立，那么选择自动化什么就归结为一个问题：由谁来验证结果，以及这次验证的成本是多少？下面是我在让任何一项任务上时间表之前所用的阶梯。

起决定作用的是第二列，而任务难度从未在其中现身。一个有免费验证者的难活（那个不稳定的测试），会比一个验证成本高昂的易活（一行需要人来批准的文案改动）先被自动化。Cherny 的循环、Anthropic 的编译器，以及我那些幸存者，统统坐落在阶梯的上半部分；而病毒式的评论假定的却是下半部分。

无论规模大小，能熬过这道阶梯的形态，看起来都像同一种监督者模式：

一个配得上时间表的循环的解剖。验证者画得更粗，因为它是那个承重的方框：把它移走，循环照样运行，但没人知道它干了什么。

最小的、值得一跑的循环是只读、自验证、且一眼可读的——这让它今天就能放心地写出来，明天看起来又乏味到不必盯着：

# Nightly site check: observes and reports, never edits.
# Run it under a permission mode that blocks writes outside reports/.
while true; do
  claude -p "Read today's commits. For each changed file that maps to a live
    page, fetch the staging URL and confirm it returns 200 and renders its
    headline. Append PASS or FAIL per page, with the reason, to
    reports/site-check-$(date +%F).md. Write nothing outside reports/."
  sleep 86400
done

在 Claude Code 内部，同样的循环只需一行：/loop 24h，后面跟上指令。晋级是后话。等这份报告乏味地运行了一个月之后，这个循环才赢得了被纳入阶梯下一级考量的资格——绝不能更早。

剩下的那份工作

Sequoia 演讲里最离奇的一段，反倒拆穿了它催生出的那个迷因。Cherny 说，更新的模型开始未经要求就主动发起循环：他请它做一次数据查询，模型注意到这些数据会随时间变化，便提议每 30 分钟生成一次周期性报告，还自己动手把报告接进了 Slack。⁵他的结论是：”该怎么把工具用得更顺手，这不该是用户的负担……这其实是个产品设计问题，而我没把它做好。”⁵怀疑者在 X 上提出的那个无穷回退论证（如果今天是人写循环，那明天就是模型写循环）结果竟是 Anthropic 的路线图，还由这个迷因所指向的当事人亲口承认了。

他更进一步：”随着模型越来越好，执行环境某种程度上变得越来越不重要，”他预言，随着对齐的改善，权限模式、提示词注入防御以及人在回路的检查点都会淡出。³这笔交易的另一半，我要站到对立面去。安全脚手架或许会收缩。但按他自己的说法，编排脚手架正在变成全部的工作：Anthropic 工程师的代理们会在各自的主人工作时通过 Slack 相互协调，而且”我们公司任何地方都不再有手写的代码了。所有的 SQL 都是模型写的。”⁴总得有人来决定这些代理可以碰什么、什么才算完成、以及当两个代理意见相左时该怎么办。那个做决定的层，才是真正的代理接口，而 cron 不过是其中容易的那部分。

所以，持久的技能不是循环语法——模型已经在吸收它了；也不是写提示词——循环早就把它吸收掉了。持久的技能，是垫在这两者之下的那个判断：判断什么可以安全地无人值守自动化。 这个判断永远是一个关于验证成本的问题。修 CI 之所以最先被自动化，是因为测试套件本就是那个验证者。反馈聚类之所以被自动化，是因为出错毫无代价。功能开发之所以顽抗，是因为验证仍要付出一个人读 diff 的代价；Hacker News 上一位资深工程师把由此而来的陷阱说得明明白白：这个工具需要娴熟的判断力来驾驭，而使用这个工具，恰恰会侵蚀的正是那份判断力。¹⁴

Casey Newton 在 Platformer 对 Cherny 的访谈，标题是”Claude Code 的缔造者谈软件工程师的终结”。访谈中，Cherny 预言，到年底”软件工程师”这个头衔会溶解成类似”构建者”的某种称谓，与此同时，通过代理写代码的人数会增长百倍。¹³在那个预测里，构建者就是那些挑选循环的人。挑得好，意味着在任何东西开跑之前，就已经知道你将如何确认它成功了。

要点速览

对于运行编程代理的工程师： - 按验证成本、而非按兴奋程度来审视你那些自动化的候选项。修 CI、做 rebase、监控和报告生成，今天就有免费的验证者；先自动化这些。 - 套用读/写之分：一个只读循环需要一张时间表，而一个带写权限的循环，在无人值守运行之前，需要一条明确的顺序约束和一个杀伤半径上限。 - 先设计报告，再写循环。如果你没法在 10 秒内从手机上否决掉循环的输出，那这个循环就还没准备好在夜里运行。

对于团队负责人： - 决定有效并行规模上限的，是你的评审带宽，而非你的代理数量。在那个上限之上再添代理，产出的是无人评审的合并，而不是吞吐量。 - 把制作者和检查者分开。一个代理验证自己的活，是在自说自话地声称正确；而一个视角不同的独立验证者，至少有机会逮住这个声称。

对于工具构建者： - Cherny 把用户侧的循环搭建称作一次产品设计的失败，而模型自己已经在主动发起循环了。⁵去构建写循环的 UX，等于是在为一个模型厂商打算自己吞掉的层做开发。寿命更长的那个界面是验证：证据、追踪，以及接受/否决的人机工效。

常见问题

参考资料