編程範式劇變：從提示工程轉向循環系統架構

人工智能編程的協作範式正在經歷根本性重構，核心邏輯已從'人類手動編寫提示語推進任務'徹底轉向'人類設計循環結構以持續調度代理'。正如 Addy Osmani 所強調，循環工程（Loop Engineering）的本質在於構建一種能夠自動發現任務、分配資源、檢查結果、記錄進度並自主決策下一步行動的工作流。這種新型架構不再依賴工程師反覆輸入指令，而是通過預設的遞歸目標，讓 AI 代理在閉環中持續迭代直至任務完成。午方 AI 梳理發現，當前 Claude Code 和 Codex 等主流工具已原生集成了實現這一範式所需的核心組件，標誌着該模式正從理論走向工程實踐。

一個成熟的循環結構由五個關鍵模塊及外部存儲機制構成，缺一不可。首先是自動化機制，負責按預設時間表觸發任務並確定執行路徑；其次是工作樹結構，利用 git 技術隔離並行開發環境，防止多代理間的文件衝突；第三是技能庫，通過固化項目知識和團隊規範，避免代理因缺乏上下文而重複猜測；第四是插件與連接器，基於 MCP 協議實現與 GitHub、Linear、Slack 等外部工具的深度集成；最後是子代理機制，將執行者與審覈者角色分離，引入對抗性審查以確保代碼質量。

此外，系統必須依賴 Markdown 文件或 Linear 看板等外部存儲來維護狀態，因爲模型在運行間隙會遺忘上下文，唯有持久化存儲能確保長期任務的連續性。

在自動化機制的具體實現上，Codex 允許用戶在'自動化'選項卡中配置任務頻率與運行環境，將異常任務自動歸類至'分類待處理'文件夾，而正常任務則自動歸檔。OpenAI 內部已利用此機制處理每日問題分類、CI 失敗彙總及漏洞跟蹤等繁瑣工作。午方 AI 注意到，Claude Code 則通過調度機制與鉤子函數實現同等效果，支持使用 `/loop` 命令按固定間隔運行，或通過 `/goal` 命令持續執行直至滿足特定條件（如所有測試通過）。這兩種工具均引入了獨立的輕量級模型來判斷任務完成狀態，從而避免了主代理自我評估帶來的偏差，實現了'創建者'與'審覈者'在邏輯層面的分離。

工作樹結構與技能庫的結合解決了多代理協作中的核心痛點。git 工作樹技術允許多個代理在同一代碼庫的不同分支上並行工作，互不干擾，但最終的瓶頸仍在於人類的審覈能力。技能庫則通過 `SKILL.md` 文件將項目規範、構建步驟及歷史教訓固化下來，當代理調用 `$skill-name` 命令時即可複用這些知識，避免了'意圖債務'的累積。午方 AI 分析認爲，技能庫不僅是編寫格式，更是防止代理在每一輪運行中重新推導項目背景的關鍵，其複利效應顯著提升了長期運行的穩定性。插件機制進一步將技能庫與連接器打包，使得團隊成員可以一鍵部署完整的配置環境，大幅降低了協作門檻。

子代理的引入是循環工程中風險控制的關鍵設計。編寫代碼的代理往往對自身成果過於寬容，而引入具有不同指令集甚至不同模型的審覈代理，能夠有效識別自我說服導致的盲區。在 Codex 中，用戶可在 `.codex/agents/` 目錄下定義多個代理，分別承擔探索、實現與驗證職責；Claude Code 亦通過 `.claude/agents/` 目錄實現類似的代理團隊協作。這種分工雖然增加了代幣消耗，但在需要高可靠性的場景下，'第二種意見'的成本遠低於修復錯誤代碼的代價。連接器則賦予了循環結構實際執行力，使其能夠自動創建拉取請求、關聯任務系統並在 CI 通過後通知相關人員，而非僅僅停留在'建議'層面。

儘管循環結構顯著提升了開發效率，但其帶來的風險同樣不容忽視。驗證責任並未轉移，無人監督的循環結構仍可能產生錯誤代碼。午方 AI 研判指出，真正的危險在於'認知投降'，即工程師因過度依賴自動化而停止獨立思考，導致自身理解能力退化，形成巨大的'理解債務'。當系統快速交付未經人工深度審查的代碼時，工程師對系統的實際掌控力將逐漸喪失。因此，循環工程並非爲了替代工程師，而是將工程師的角色從'提示語編寫者'升級爲'系統架構師'。未來的核心競爭力將不再是編寫完美的提示語，而是設計出可靠、可驗證且可持續的代理工作流程，在享受自動化紅利的同時，始終保持對代碼質量的最終判斷力。