2026循环工程研究报告_89页_11mb

循环工程研究报告总结

核心内容

循环工程是一种围绕 AI 编程 Agent 的持续作业闭环，强调构建可验证、可停止、可治理的系统。它标志着 AI 编程从“人提示 Agent”向“循环提示 Agent”转变，旨在通过系统化流程提升效率和可靠性。

主要观点

• 循环工程是提示词工程的系统化：提示词不再是主界面的输入，而是作为 Loop 内部配置的一部分。
• 循环需要外部证据：缺乏外部证据的循环可能导致错误放大，因此需要引入验证机制和评估流程。
• 企业壁垒来自系统设计：包括 Harness、评估、治理和成本控制，这些是构建可生产循环系统的关键。
• 不再采用日历式路线图：落地应基于能力成熟度进行推进，逐步构建安全、可控的循环系统。
• Loop Stack 六件套：包括 Worktree、Skills、Connectors、Sub-agents、Memory 和 Automation，它们共同构成了循环工程的技术栈。
• Loop Kernel：循环像一个微型操作系统，由八个模块组成，每个模块有其职责和失败模式。
• Proof-of-Done：完成是基于证据，而不是声明，强调测试、日志、CI 和其他验证方式的重要性。
• Repo Memory：将状态和决策记录在仓库、看板或数据库中，实现跨会话、跨 Agent、跨团队的延续性。
• No-Gate Evaluator：循环必须有能说“不”的评估角色，以确保系统安全和质量。

关键信息

• Agent 负责执行：Agent 在循环系统中扮演执行者的角色，但工程判断不能外包。
• 人负责目标、边界和验收：人类需要设定目标、定义边界并进行最终验收，确保系统符合预期。
• 循环负责调度：循环系统负责任务的调度与反馈，形成闭环。
• 适用场景：包括 PR 监控、长构建检查、缺陷回收、技术债治理等。
• 技术债治理：通过循环系统持续跟踪和处理技术债务，提高代码质量。
• 连接器与权限治理：连接器扩展了循环的能力，但也带来了权限和安全边界管理的重要性。
• Sub-agents 职责分离：探索者、实现者、评估者角色分离，提升循环的可信度和安全性。
• 企业竞争力来自系统组合：Harness 与 Loop 的组合是企业竞争力的关键，不正确的组合可能导致系统故障。

循环工程的组成部分

Loop Stack 六件套

1. Worktree：用于隔离并行任务，避免文件冲突。
2. Skills：通过 SKILL.md 记录流程、约定和支持文件，提升循环的可复用性。
3. Connectors：连接外部工具、数据库和 API，增强循环与真实业务系统的互动。
4. Sub-agents：实现职责分离，确保循环的可信度。
5. Memory：长期记忆存储在仓库、看板或数据库中，确保循环的可持续性。
6. Automation：定时、事件或目标驱动地唤醒 Agent，实现无人值守任务。

Loop Kernel 八个模块

• Trigger：负责唤醒循环。
• Queue：任务队列管理。
• Executor：执行任务。
• Tool Gateway：管理权限和工具调用。
• Evaluator：评估任务结果，确保质量。
• Memory：存储长期记忆。
• Budgeter：管理预算，限制任务范围。
• Stopper：控制循环的停止条件，确保系统安全。

循环工程的创新概念

• Proof-of-Done：完成是基于证据，强调测试、日志、CI 和其他验证方式。
• Repo Memory：将状态和决策存储在仓库中，实现跨会话、跨 Agent 的延续性。
• No-Gate Evaluator：引入评估角色，确保系统在不符合条件时能正确说“不”。

总结

循环工程是 AI 编程领域的重要演进方向，强调系统化、可验证和可治理。通过 Loop Stack 六件套和 Loop Kernel 模块，构建出可持续、安全、高效的 AI 编程 Agent 系统。企业竞争力来源于这些系统的正确组合与有效管理，确保 AI 编程能够真正落地并实现价值。