Claude Code之父删了IDE!干掉提示词,只写循环

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
Claude Code之父删了IDE!干掉提示词,只写循环
6537点击    2026-06-22 09:14

Claude Code之父删掉IDE,并表示以后只写循环,不再写提示词了:你苦练两年的提示词工程,真要被一夜干掉了吗?


一个月没打开过,于是干脆就删了。


去年11月,Boris Cherny亲手卸载了自己的IDE。


在那一个月里,他提了259个PR,没一行代码是自己敲的,全是Claude Code写的。


于是,一个亲手造出Claude Code的人,就把自己的驾驶舱拆了。


这还没完。今年6月2日的一场访谈里,Boris又甩出一句刷屏全球开发圈的话:


我不再给Claude写提示词了:是循环在跑,是它们在提示Claude、自己琢磨该干什么。我的工作就是写循环。


Claude Code之父删了IDE!干掉提示词,只写循环


几天后,OpenClaw之父,如今在OpenAI的Peter Steinberger,抛出第二颗炸弹。


Claude Code之父删了IDE!干掉提示词,只写循环


他在X平台上写道:别再给编程智能体写提示词了,你该去设计那些替你提示智能体的循环。


同时,Google资深工程主管、前Chrome开发者体验负责人Addy Osmani,在一篇博客中,为这个引爆整个AI编程圈的词起了一个名字:循环工程(Loop Engineering),认为它可能成为我们未来与编程智能体协作的方式。


Claude Code之父删了IDE!干掉提示词,只写循环


于是,循环(loop),这个旧编程概念一夜翻新,突然成了2026年这一轮AI开发范式迁移的中心。而统治了编程几十年的编辑器时代,正在落幕。


可循环工程,真得要把你苦练两年的提示词工程一夜干掉了吗?


从写提示词

到写循环


过去两年,人们跟编程智能体打交道的方式是回合制的。


你敲一句提示词,读它的回复,再敲下一句。在这个过程中,人既是调度员,又是质检员。说白了,人就是那个循环本身。


而循环工程要做的,是让你搭一套小系统:它会自己找活、把活派出去、检查做完没有、记下进度、再决定下一步干什么。


然后你再让这套系统去指挥那些智能体干活,而自己则抽身出来。


用Osmani的话来说,循环工程就是「把那个负责提示智能体的人替换掉,你转而去设计那套替你提示的系统」;而这里的循环本身,是一个递归式的目标:你定下目的,让AI一轮轮迭代,直到完成。


他把循环工程放在自己此前提出的脚手架工程(harness engineering)「上面一层」:脚手架管一个智能体跑一个任务,循环决定跑哪些任务、什么时候跑、什么算干完。


The New Stack给了一个更好懂的类比:这就像从「操作机床」,变成「设计机床所在的整条产线」。


提示词没死

它钻进了循环里


循环工程来了,是不是意味着提示词工程已死?


并没有。


先看看循环到底怎么跑。


Claude Code有/loop和/goal两个命令;Codex也能干同样的事,靠的是/goal加上它的定时任务(Automations)。


/loop让一段提示词按你设的间隔反复跑;/goal则让智能体一直干,直到你写的那个条件为真才停。每跑完一轮,由一个独立的小模型来判断「到底完成没有」,写代码的那个不许给自己打分。


提示词没死,它只是从你手里钻进了/loop和/goal。你不再一句句敲,现在写进循环、反复复用。所以你苦练的提示词非但没作废,反而更值钱了。


你可能早就在用

只是没叫它循环


别被「工程」两个字吓住。


ChatPRD创始人Claire Vo对它有一个特别接地气的判断:


你要是在Claude Cowork里设过一个定时任务,那么,恭喜,你已经写过一个循环了。


这并非一个刚刚提出的全新概念,Django框架的联合创造者、独立AI研究者Simon Willison,早在2025年9月就写过「设计智能体循环」。


Claude Code之父删了IDE!干掉提示词,只写循环


18个月里,开发者一路从提示词工程跳到上下文工程,再到脚手架工程,如今轮到循环工程。


一年前想搭个循环,你得自己手搓一大堆bash脚本,写完还不算完,得永远养着它,三天两头怕它散架。


现在,搭循环要用的那些组件,Codex和Claude Code里直接内置了。


复刻Boris的「蜂巢」

你现在的Claude Code里就能搭


Boris没公开过自己的配置,X上一位@Av1dlive的开发者,根据Boris的公开访谈,从零重建了一整套名为「蜂巢」(THE HIVE)的系统配置。


而这样一套自运转的系统,普通人也搭得起来。它需要的组件,全在你的Claude Code里。


整套「蜂巢」是三层。


第一层是本地循环,靠/loop。开着会话时它持续干活,最小1分钟跑一次,关掉电脑就停。


第二层是云端例程(Routines),Anthropic今年4月推出,跑在云上、新克隆的仓库里,关了电脑照样跑,最小1小时一次。


第三层是集群,靠/batch和动态工作流(dynamic workflows):一次性把活扇出去,几百上千个worktree子智能体并行,每个待在自己隔离的代码检出里,互不干扰。


@Av1dlive还整理出七个可以直接抄的循环。


Claude Code之父删了IDE!干掉提示词,只写循环

七条slash命令,七个并行的循环:盯PR、挖Slack反馈、清僵尸PR、给issue分类、把你反复纠正的规则沉淀进CLAUDE.md……全是会话级的,关掉终端就停。这是「蜂巢」最入门的一层。


真正的魔法在于组合。


第二层的云端例程把发现写进文件,第一层的本地循环读文件接力去干,撞上大活就拉起第三层集群。


结果回流,每周再让一个例程去蒸馏、更新CLAUDE.md。


这套飞轮一转,你的智能体每周都比上周更聪明。


Codex与Claude Code撞脸

才是真正的信号


Osmani在博客里列了一张对照表,一个完整的循环,拆开就是这六大组件:


自动化(Automations),定时触发,自己去做发现和分诊,把找到的东西丢进一个收件箱等你查看。


隔离工作区(Worktrees),防打架。两个智能体同时改一个文件,就跟两个工程师不打招呼往同一行代码上提交一样,必定会打架;git worktree给每个智能体一份独立检出,谁也碰不到谁。


技能(Skills),治金鱼记忆。把项目惯例、构建步骤、踩坑经验,一次写进SKILL.md,省得智能体每轮从零猜。


连接器(Connectors),摸清真实世界。它基于MCP,让智能体能读你的issue、查数据库、往Slack里发消息:这是「告诉你该怎么改」和「直接替你开好PR、更新好工单」的区别。


子智能体(Sub-agents),写查分离。写代码的模型给自己批改,总是太手软;另开一个指令不同、最好换个模型的子智能体来挑刺,能抓住第一个智能体自己说服自己放过的毛病。


最后是记忆(Memory),一个markdown文件就行,记下做了什么、过了什么、还剩什么,明天那一轮才能接上今天。


Claude Code之父删了IDE!干掉提示词,只写循环


这些组件听起来都不新鲜:


从2022年的ReAct,到2023年的AutoGPT,到2025年7月Geoffrey Huntley那个「一行bash反复喂同一句提示词」的Ralph循环,再到今年春天Codex和Claude Code都上的/goal。


新就新在,两家产品几乎一字不差地把同一套组件都做了出来。


真正的竞争,开始转变为谁能让人更顺手地写循环,这将是Codex与Claude Code新一轮竞争的胜负手。


能自己干活的循环

也会自己闯祸


能够让智能体自动干活,这听起来似乎很爽,但仍面临以下几个挑战:


第一个挑战,是成本。


多个智能体叠着子智能体、跑在最前沿的模型上,动态工作流动辄吃掉预期5到10倍的token。


Steinberger敢这么玩,是因为他自嘲是「拥有无限token的人」,那是OpenAI的福利,普通人没有。


第二个挑战,是失控。


Anthropic自己点名过循环最容易栽的三种坑。


偷懒:50项安全问题做了20项就说「搞定」;


自夸:给自己的活打高分;


漂移:跑了很多轮之后,你当初写的「别做X」在第47轮悄悄消失了。


这三种坑,正是「制造者」和「检查者」必须拆开的原因。


第三个挑战,是质疑。


Reddit和开发者圈里不少人觉得,循环工程本质就是ReAct、智能体循环(agent loop)、任务调度这些老东西换个名字、加层产品化包装,新瓶装旧酒。


Claude Code之父删了IDE!干掉提示词,只写循环

「我是提示词工程师」→钻进灌木丛→「提示词工程根本不算什么,就是把话说清楚的花哨叫法」→「我现在是上下文工程师」。这张疯转的辛普森梗图,道破了这轮质疑:从提示词到上下文再到循环,头衔换了一茬又一茬,会不会只是同一个人钻进同一片灌木丛,换个名字再钻出来?


这些怀疑,也不全是酸话。


就连Anthropic自己也坦白:所谓人均日合并代码量已是2024年的8倍,这个数「几乎肯定高估了真实生产力」:代码行数衡量的是量,不是价值。


所以话说回来,循环并不等于全自主AI:它照样靠停止条件、靠验证机制、靠人来定目标。


它也并非全新技术,而且强烈依赖场景:编码、测试这类有明确验收标准的活才跑得稳,开放式任务很容易跑飞、白烧算力。


会写循环才是你的护城河


虽然,循环工程仍面临以上挑战,但方向并不会变。


Claire Vo在直播中,把这一刻叫「属于管理者的时代」:你其实是在设计一份工作。写循环,就像给一名新员工办入职,你带的是一支随叫随到的数字团队。


Claude Code之父删了IDE!干掉提示词,只写循环


模型本身,正越来越像水电煤:谁都能接,谁接的都一样。每个季度,都会有新模型把你上季度的妙手提示词作废:真正能形成复利的,是你那套循环、那些攒下来的技能、那份被每周蒸馏的CLAUDE.md。


这也是Boris卸载IDE的底气:他的产出不依赖于某一次对话,而是依赖系统。


Osmani在博客里提醒:循环越强,有三件事反而越扎手。


第一件事,验证还得你自己过:循环报「完成」,只是它的说法,不是真做对了的证明;


第二件事,理解债(comprehension debt)越欠越多:循环写的代码越堆越高,你真读懂的没跟上,每一个没读就合的PR,都在加宽这道沟。


第三件,也是最险的:同一个循环,用在你懂的活上是杠杆,用来逃避理解,就是在加速自己的下滑。


Boris能把IDE删掉,靠的并非「不写提示词」,而是把提示词从自己手里,移进了循环。


现在,就去写你的循环。


但记得要当那个看得懂它在干什么的工程师,而不是只会按下「运行」的人。


参考资料:

https://addyosmani.com/blog/loop-engineering/https://x.com/Av1dlive/status/2064292484856041558

https://x.com/steipete/status/2063697162748260627

https://www.businessinsider.com/what-are-loops-ai-engineering-tips-2026-6


文章来自于"新智元",作者 "元宇"。

AITNT-国内领先的一站式人工智能新闻资讯网站
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
AI代理

【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务,如比较价格、添加购物车、回复各种社交媒体等。

项目地址:https://github.com/browser-use/browser-use


2
AI工作流

【开源免费】字节工作流产品扣子两大核心业务:Coze Studio(扣子开发平台)和 Coze Loop(扣子罗盘)全面开源,而且采用的是 Apache 2.0 许可证,支持商用!

项目地址:https://github.com/coze-dev/coze-studio


【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。

项目地址:https://github.com/n8n-io/n8n

在线使用:https://n8n.io/(付费


【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。

项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file



【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。

项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file

在线使用:https://vectorvein.ai/付费

3
智能体

【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。

项目地址:https://github.com/Significant-Gravitas/AutoGPT


【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。

项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md

4
prompt

【开源免费】LangGPT 是一个通过结构化和模板化的方法,编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词,进而高质量的帮助用户通过AI解决问题。

项目地址:https://github.com/langgptai/LangGPT/blob/main/README_zh.md

在线使用:https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0

5
无人直播

【开源免费】VideoChat是一个开源数字人实时对话,该项目支持支持语音输入和实时对话,数字人形象可自定义等功能,首次对话延迟低至3s。

项目地址:https://github.com/Henry-23/VideoChat

在线体验:https://www.modelscope.cn/studios/AI-ModelScope/video_chat


【开源免费】Streamer-Sales 销冠是一个AI直播卖货大模型。该模型具备AI生成直播文案,生成数字人形象进行直播,并通过RAG技术对现有数据进行寻找后实时回答用户问题等AI直播卖货的所有功能。

项目地址:https://github.com/PeterH0323/Streamer-Sales