大家好,我是 WeiWill,深耕软件工程一线,专注 AI 应用落地与 Agent 开发。
最近大家开始讨论 Loop Engineering,但它很容易被误解成另一个和 Harness Engineering 竞争的概念。其实,两者解决的是不同维度的问题:Harness 更像 Agent 工作的环境、工具和安全边界,Loop 更关注一件事怎样被触发、持续推进、验证结果并最终结束。
Loop Engineering 也不是突然出现的新技术。提示词工程、上下文工程、Harness Engineering,都是大家先在实践中形成共同做法,后来才有了名称。JSON 也是类似的例子:早期大家更多使用 XML,后来逐渐形成了 JSON 的共同约定,最后才有人把这种约定正式定义下来。名称是后来出现的,问题早就存在。
Loop Engineering 要解决的核心问题,其实就是流程自动化。
比如生产环境出现一个 Bug,通常要经历:有人反馈问题,工程师去生产环境看日志,再查看代码、检查测试、上线,最后向业务部门反馈结果。要让 Agent 和引擎接手这个流程,就不能只让它“会查日志”或“会改代码”,而要把接收反馈、查询日志、查看代码、执行测试、发布观察这些环节串起来。
其中最关键的是两个边界:什么时候触发流程,以及什么条件算完成。 触发点不清楚,流程不会稳定启动;验收条件不清楚,流程就无法可靠收口。Loop Engineering 关注的,正是这条自动化流水线如何根据每一步的结果继续往前走。
所以,Agent 会调用工具,只说明它具备执行动作的能力;能不能把事情做完,还要看它是否处在一个有状态、有反馈、有验收和有退出条件的流程里。
下面沿着这条流水线,看为什么“能调用工具”仍然不等于“能把事情做完”。
只自动化一个动作,还不算流程自动化
沿着刚才的流水线回到生产问题,一个相对完整的故障处理流程通常包括:
- 接收反馈,确认问题现象和关键输入。
- 查询日志、调用链、数据库状态和近期变更。
- 判断问题发生在哪个环节,并尝试复现。
- 修改代码、补充测试并执行验证。
- 发布、观察线上指标,再向业务反馈结果。
如果只自动化其中一个动作,例如让 Agent 帮忙查日志,工程师只是少敲了几条命令。查完以后,仍然要人工判断异常是不是根因、下一步查什么、证据是否充分,以及问题是否真的解决。
这类自动化没有减少流程切换,甚至可能增加确认成本:Agent 生成了一段看起来合理的分析,工程师还要重新核对它有没有证据。
因此,流程自动化不能只问“Agent 能不能执行这个动作”,还要继续问:动作完成后,系统如何知道下一步是什么?下一步失败时,是继续、重试、回退,还是交给人?如果这些问题没有答案,得到的只是几个自动化工具,不是一个能自行推进的流程。
Loop 的核心,是让执行结果推动下一步
我更愿意把 Loop Engineering 理解为:围绕一个明确目标,设计任务如何被触发、如何获取状态、如何执行动作、如何验证结果、如何处理失败,以及在什么条件下退出。
这里的 Loop 不是让 Agent 无限重试,而是让执行结果反过来驱动下一轮判断。一个可运行的 Loop 至少要回答六个问题:
- 什么事件会启动流程?
- 当前处于什么状态?
- 当前状态允许执行哪些动作?
- 怎样判断这一步通过?
- 失败后是重试、回退还是人工接管?
- 满足什么条件后可以结束?
以订单状态异常为例:反馈信息不完整时,流程应该停在“等待补充”,而不是让 Agent 猜订单号;找到异常日志后,要继续确认代码、数据库和消息记录;修复完成后,要执行回归测试并观察线上指标;观察结果不符合预期,就回退或重新分析。每一步的结果,都应该成为下一步判断的输入。
每次执行都会产生新的状态,新的状态又决定下一步动作。这才是 Loop 的核心:不是把任务拆成一条固定直线,而是让流程根据反馈持续修正方向。
它和 Harness Engineering 不在同一个维度
Harness Engineering 更关心 Agent 在什么环境里工作:可以使用哪些模型和工具,能读取多少上下文,拥有哪些权限,是否有隔离环境,如何记录调用过程,以及单次任务的时间和成本上限。
Loop Engineering 更关心 Agent 接到目标以后,整个过程怎样运转:什么时候调用能力,每一步需要什么输入,结果如何传给下一步,哪些操作需要批准,什么时候可以宣布完成。
可以把 Harness 理解成车间里的设备、工位和安全护栏,把 Loop 理解成生产路线、质量检查点、返工机制和出厂标准。设备和流程缺一不可。
放到生产故障处理中,Harness 提供日志查询、代码搜索、测试执行和发布观察能力;Loop 决定这些能力的调用顺序、状态转换和验收边界。判断一个 Agent 系统是否可靠,不能只看接入了多少工具,更要看工具能否被组织成有状态、有反馈、有退出条件的过程。
流程能不能自动化,先看验收条件能不能写清楚
设计 Agent 流程时,很多团队先讨论模型、工具和提示词。但真正应该先确定的是验收条件:如果无法描述“什么叫完成”,Agent 就无法可靠地结束任务。
例如,“修复支付回调导致的订单状态异常”不能直接作为完成标准,至少要拆成三层。
第一层是技术验收
- 修复前,测试能够稳定复现问题。
- 修复后,同一个测试能够通过。
- 支付回调相关回归测试全部通过。
- 没有新增编译错误和静态检查问题。
- 修改范围没有超出允许的模块。
最好先证明问题能够被复现,再接受修复结果。否则,Agent 可能只是写了一个永远通过的测试,或者修复了一个并不存在的假设。
第二层是业务验收
- 测试订单支付后,状态在规定时间内更新。
- 重复回调不会造成重复记账。
- 延迟消息能够被正确补偿。
- 相关业务指标恢复到正常范围。
技术测试通过,不代表业务问题一定解决。技术验收关注代码,业务验收关注真实结果,两者不能互相替代。
第三层是安全验收
- 没有修改不该修改的配置或数据。
- 没有绕过权限审批,也没有接触不必要的敏感数据。
- 具备明确的回滚方案。
- 没有超过预设的执行时间和调用成本。
- 高风险发布仍需要工程师确认。
三层验收共同决定一个 Loop 能否结束。Agent 自我声明完成,不等于工程上的完成。
把定义放回生产故障:Loop 应该怎样持续推进
生产故障的输入不稳定、影响范围大,不适合一开始就追求全自动修复。更合理的方式,是先让流程具备完整状态,再逐步扩大 Agent 的操作范围。
先判断输入是否足够
触发事件可以是一张故障工单,也可以是一条监控告警,但触发不等于马上执行。系统需要确认问题现象、订单号或用户标识、发生时间、所属业务和服务,并判断是否已经存在重复问题。
信息不完整时,状态应该变成“等待补充”,而不是让 Agent 根据模糊描述自由猜测。
再收集可以追溯的证据
Agent 可以查询订单状态、支付记录、消息记录和相关日志,但这一阶段的目标不是马上给结论,而是形成证据链:支付平台是否返回成功,回调是否到达,处理是否抛出异常,订单更新语句是否执行,消息是否积压或重复消费。
如果证据互相矛盾,流程应该继续查询。例如支付记录显示成功,但应用没有收到回调,就应该先检查回调入口、网络状态和重试记录,而不是直接去修改订单更新代码。
找到假设后,尝试证伪
Agent 很容易生成一个听起来合理的根因,但工程上不能因为“可能”就进入修改阶段。更可靠的做法,是根据假设主动寻找反证:同一消费者是否处理了其他消息,消息是否真正进入队列,异常订单是否具有共同特征,手动重放后状态能否恢复。
证据不支持假设时,流程要回到分析阶段。多做一次验证,通常比基于错误根因修改代码的返工成本低。
修复后进入验证和观察
代码修改完成后,状态应该从“处理中”变成“待验证”。只有技术、业务和安全要求都通过,才能进入发布阶段。
发布完成也不能直接关闭问题,还要观察相同异常、支付回调错误率、消息积压和补偿结果。如果结果不符合预期,就回退或重新分析;如果结果正常,才记录根因、修改内容、验证证据和风险,并关闭流程。
不是所有步骤都应该交给 Agent
可靠的自动化流程,通常是确定性程序、Agent 和人工判断的组合。
确定性强、规则清楚的环节,优先交给普通程序:查询数据、执行固定测试、计算错误率、检查发布状态、触发回滚,以及判断是否超过时间和成本限制。
需要理解语义、处理模糊信息的环节,更适合交给 Agent:从业务描述中提取关键信息,关联日志、代码和变更记录,提出根因假设,生成测试场景并汇总证据。
影响范围大、责任要求高的环节,保留人工确认:修改生产数据、执行高风险发布、调整核心业务规则、扩大数据访问范围,以及在证据不足时关闭故障。
Loop Engineering 的目标不是消灭人工,而是让人工出现在真正需要承担判断和责任的位置。一个确定性的数据库查询交给大模型,成本会更高;一个涉及资金安全的操作完全自动执行,节省的时间也可能换来更大的风险。
为什么状态比一条固定流程更重要
传统流程图擅长描述“先做 A,再做 B,然后做 C”。但 Agent 参与以后,步骤结果可能是信息不足、证据冲突、多个根因、工具超时、测试不稳定,或者修改有效但影响范围过大。
因此,Agent 流程除了步骤,还要明确状态。例如:等待信息、收集证据、分析根因、验证假设、执行测试、等待批准、观察结果、人工接管和已关闭。状态不是额外的记录,而是流程继续运行的依据。
状态决定系统当前允许做什么、不允许做什么:在“等待信息”时可以请求补充订单号,但不能修改代码;在“等待批准”时可以整理发布说明,但不能操作生产环境;进入“人工接管”后,应停止自动重试并保留已有证据。
Loop 不是循环次数更多,而是状态转换更清楚。
Loop 最容易失控的地方,不是模型能力
触发不准确,会制造重复任务
同一个故障可能同时触发业务反馈、监控告警和用户投诉。没有去重机制,就可能启动多个 Loop,重复查询甚至相互修改。触发点需要包含问题标识、时间窗口和合并规则。
可观测性不足,Agent 只能猜
如果缺少统一的订单号、调用链标识和结构化日志,工程师排查困难,Agent 也不会凭空变聪明。Loop Engineering 往往会反过来暴露日志规范、指标体系、错误码和数据关联能力的不足。
验收条件模糊,会产生虚假的成功
“看起来正常”“应该修好了”都不是可靠标准。验收最好能被机器读取和重复执行,例如指定测试通过、错误率低于阈值、观察时间达到要求、补偿数量与受影响数量一致。
重试没有上限,会放大成本和故障
Loop 必须有重试次数、时间限制和费用上限。接口持续超时时不能无限调用,连续生成多个修复方案仍无法通过测试时,就应该进入人工接管。
权限过大,会放大错误影响
能读日志的 Agent,和能修改生产数据、发布代码的 Agent,风险完全不同。权限应随流程成熟度逐步开放,并尽量做到默认只读、按任务临时授权、高风险操作二次确认、动作可追溯、关键操作可回滚。
我会怎样从一个最小 Loop 开始
如果团队准备尝试 Loop Engineering,我建议先做一个只读的故障初步诊断 Loop:
- 故障工单触发流程。
- 系统检查必要信息是否完整。
- Agent 查询日志、指标和近期变更。
- Agent 输出根因假设和对应证据。
- 程序检查证据是否完整、查询是否成功。
- 结果发送给值班工程师确认。
- 工程师修正结论并关闭任务。
这个阶段不修改代码,也不操作生产环境。它要验证的是:触发是否准确,上下文能否获取,判断是否有证据,验收规则是否可执行,失败后人工接管是否顺畅。
运行一段时间后,再根据失败类型迭代:订单号经常缺失,就改进信息收集;日志经常无法关联,就完善调用链标识;根因过早收敛,就增加反证步骤。诊断稳定后,再考虑自动生成测试或修复建议,最后才开放受控执行能力。
判断一个流程是否适合做 Loop,可以先问七个问题
- 触发事件是什么? 谁在什么情况下启动任务?
- 输入是否完整? 缺少信息时向谁补充?
- 状态如何表示? 系统怎样知道当前进行到哪里?
- 哪些动作是确定性的? 能否直接使用普通程序完成?
- 哪些判断需要 Agent? 为什么不能用明确规则处理?
- 通过条件是什么? 技术、业务和安全分别怎样验收?
- 失败后怎么办? 重试、回退、暂停和人工接管的边界在哪里?
如果这七个问题都没有答案,缺少的通常不是模型能力,而是对业务过程本身的理解。反过来,如果输入、状态、动作和验收已经清楚,即使暂时不使用 Agent,也已经具备很高的自动化价值。
最后:Agent 工程正在从“能力建设”走向“过程建设”
过去我们评价一个 Agent,常看它会不会调用工具、能不能记住上下文、是否支持 MCP 和 Skills。这些能力解决的是“Agent 能做什么”。
当 Agent 真正进入研发、运维和业务系统以后,团队还要回答:Agent 怎样在不确定的环境中,把一件事情可靠地推进到可验证的结果?
这也是 Loop Engineering 值得关注的原因。流程自动化不是把多个工具连接起来,也不是让模型多执行几次,而是设计一个能够持续获取反馈、修正方向、控制风险并明确结束的系统。
如果准备在自己的工作里验证这个思路,可以先做三个动作:
- 选择一个高频、低风险、结果容易验证的流程。
- 在接入 Agent 之前,先写清楚触发、通过和人工接管条件。
- 先以只读和辅助判断方式运行,记录失败类型,再逐步开放执行权限。
不要从“我要做一个全自动 Agent”开始,从“我能不能让一个具体流程稳定地多走一步”开始,更接近真实的工程落地。
我是 WeiWill,深耕软件工程一线,专注 AI 应用落地与 Agent 开发。