Loop Engineering：把 AI Agent 工作流從提示詞升級成可驗收循環

**Loop Engineering 是把 AI Agent 工作流從一次性提示詞，升級成會觀察、決策、行動、驗證的可驗收循環；截至 2026 年 6 月，這已經從研究概念進入 Claude Code、Codex、MCP 與 CI/CD 流程。**它適合重複、可驗、有明確商業價值的工作，不適合拿來自動化一切。真正的槓桿在兩端：人定義完成條件，人承擔最後責任。

先把 Loop 說清楚

Loop Engineering 的實務定義很簡單：你設計一個能持續推進工作的外層機制，不靠一輪一輪提醒 AI 該做什麼。這個機制會讀狀態、挑下一步、呼叫工具、檢查結果，再決定停止、重試、升級給人，或進入下一輪。

這個觀念並非憑空冒出來。2022 年 10 月，Shunyu Yao、Jeffrey Zhao、Dian Yu 等人在 ReAct: Synergizing Reasoning and Acting in Language Models 裡提出讓大型語言模型交錯產生推理軌跡與動作。Google Research 也把 ReAct 解釋為「推理影響內部狀態，動作取得外部觀察」的結構。今天工程團隊說的 loop，多半是在這個 observe-act-feedback 思路上，加上權限、狀態、預算、檢查者與人類閘門。

判斷一件事該不該做成 Loop

我會先問三個問題。

第一，它重複嗎？每天看 CI、每週整理競品價格、每月做報表，都有循環價值。一次性的策略判斷通常沒有。

第二，它可驗嗎？「把文案寫好」太抽象。「20 則貼文各自低於 150 字，不含 hashtag，且語氣符合品牌手冊」才是 agent 可以檢查的完成條件。

第三，它值得嗎？Gartner 在 2025 年 6 月預測，到 2027 年底，超過 40% 的 agentic AI 專案會因成本上升、價值不清或風險控管不足而被取消。這個數字提醒我們：loop 省下的是重複決策，不是判斷本身。

第一個可用 Loop：晨間維護循環

先從低風險、低權限的工作開始。以下模板是 Tenten 版示範，重點在結構，請先放到測試倉庫或非關鍵環境。

1. 把完成條件寫成可驗收清單

/goal 檢查 drafts/ 裡 12 則短文：
      每則低於 150 字，
      不含 hashtag，
      保留原本檔名，
      全部通過後停止，
      最多 20 回合。

如果是工程工作，完成條件要交給命令與 reviewer。

/goal 讓 test/auth 全部通過，
      npm run lint 無錯誤，
      不改公開 API，
      最多 8 回合。

2. 裝上心跳

# 會話內心跳：適合盯部署、等長任務跑完
/loop 10m 檢查 staging 部署狀態；部署完成後回報 URL 與錯誤摘要。

長期排程要放進 CI、桌面排程或雲端 routine。Anthropic 的 Claude Code routines 已經把排程、API 觸發、GitHub 事件與 MCP connectors 放進同一類工作模型；OpenAI 的 Codex CLI 則能在本機終端機讀取、修改並執行程式碼。選哪個工具次要，設計上限與證據才重要。

name: morning-triage
on:
  schedule:
    - cron: "0 1 * * 1-5"
  workflow_dispatch:
jobs:
  triage:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - name: Run readonly agent triage
        run: ./scripts/agent-triage.sh --readonly --limit 5

3. 把規則寫進 skill

---
name: daily-maintenance
description: 每個工作日讀取進度檔，整理昨夜 CI 失敗、新 issue、依賴警告；只起草低風險修正，其他升級給人。
---

## 1. 讀取進度
- 先讀 progress.md。
- 已完成的事項不要重做。
- 需要人的事項只補證據，不直接處理。

## 2. 找待辦
1. 昨夜失敗的 CI。
2. 超過 3 天未回覆的 issue。
3. 新增的依賴警告。

## 3. 處理規則
- 每次只處理一件事。
- 使用獨立 branch 或 worktree。
- 先起草最小改動，再交給只讀 reviewer。

## 4. 停止條件
- 最多 5 件。
- 任何公開 API、資料遷移、刪檔風險都升級給人。
- 通過測試與 reviewer 後才允許開 PR。

4. 做檢分離

---
name: readonly-reviewer
description: 對照驗收清單、測試輸出與 diff，只回 PASS 或 FAIL，不修改檔案。
tools: Read, Bash(npm test*), Bash(npm run lint*), Bash(git diff*)
---

1. 自己跑測試，不採信前一個 agent 的口頭結果。
2. 對照驗收清單讀 diff。
3. 找出公開行為改變、漏掉的邊界案例、安全風險。

輸出格式：
- PASS：列出實際驗證的命令與證據。
- FAIL：逐條列出原因與下一步。

Anthropic 的 Claude Code subagents 與 dynamic workflows 已經把「多個 agent 協作」做成產品層能力；OpenAI 的 Agents SDK + Codex guide 也把可審查的多 agent 工作流放進官方範例。這些能力好用，但也更容易燒 token。reviewer 要用在高風險或高價值的環節。

5. 用狀態檔保留記憶

# progress.md

## 已完成
- 2026-06-26：修正 auth token refresh 測試不穩，PR #142。

## 進行中
- 依賴警告：7 件已處理 3 件，image-lib 升版會改輸出格式。

## 需要人
- image-lib 安全修正牽涉公開格式，請維護者決定是否拆成 major release。

沒有狀態檔，循環常會像失憶的人，一直重新做第一步。狀態不該塞滿上下文。把穩定規則放 AGENTS.md、CLAUDE.md 或 skill，把短期進度放 progress.md。

六個場景：從工程到營運

我最保守的建議是先只讀。讓 agent 跑三到五天，只產出摘要與建議。當你開始相信它的判斷，再給它開 issue、開 PR 或更新文件的權限。刪除、部署、寄信、付款這類動作，先保留人類確認。

成本的主因是頻率

Loop 失控常由頻率造成，單次模型呼叫未必昂貴。一個 maker 加 reviewer 的小循環，如果每拍讀 4 萬 token、寫 6 千 token，工作日每天跑 5 次，月費可能還能接受；同樣的循環每 5 分鐘跑一次，成本會放大上百倍。真正要管的是拍數、停止條件與無進展偵測。

最低安全清單可以很短：

• 成功條件：完成長什麼樣。
• 上限：最多幾回合、幾分鐘、多少預算。
• 隔離：branch、worktree、沙盒或只讀權限。
• 檢查者：測試 runner、linter、schema validator 或 reviewer agent。
• 人類閘門：高風險事項停下來。
• 日誌：要能追查它做過什麼。
• 回報：夜裡出事也有人知道。

Model Context Protocol 讓 AI 應用能接外部工具與資料來源，這也是 loop 可以動手的原因。MCP server 可以暴露檔案、資料查詢、GitHub、Slack、行事曆等能力。權限邊界要跟 loop 一起設計，否則工具越多，風險越大。

FAQ

Loop Engineering 和 prompt engineering 有什麼差別？

Prompt engineering 重點在單次指令品質。Loop Engineering 重點在外層控制：狀態、工具、驗收、上限、檢查者與人類閘門。前者像寫一封清楚的委託信，後者像設計一條能反覆交付的工作線。

企業應該先從哪一種 loop 開始？

先從只讀、可驗、低風險的 loop 開始，例如 CI 摘要、PR 阻塞整理、競品頁面 diff、客服工單分類。這些工作有明確輸入與輸出，又不會直接影響客戶或帳務。

什麼工作不該做成 loop？

高度主觀、一次性、缺乏驗收條件、或錯了會立即造成金錢與法律風險的工作，都不該直接自治。策略、品牌、合約、醫療、投資與人事決策，需要人保留最後判斷。

Loop 需要用到 MCP 嗎？

不一定。簡單 loop 可以只讀本機檔案與命令列。當它需要查工單、讀 Slack、開 PR、更新 CRM 或呼叫內部 API，MCP 才變得重要。重點在工具權限與審計，連線數量只是次要考量。

權威引用

• ReAct: Synergizing Reasoning and Acting in Language Models
• Google Research — ReAct: Synergizing Reasoning and Acting in Language Models
• Claude Code Docs — How the agent loop works
• Claude Code Docs — Automate work with routines
• OpenAI Developers — Codex CLI
• Model Context Protocol — Introduction
• Gartner — Over 40% of Agentic AI Projects Will Be Canceled by End of 2027
• Mozilla Blog — The zero-days are numbered

Author Insight

大家想把 AI 放進流程，但常把「能跑」誤認成「能交付」。Loop Engineering 的價值在於逼團隊先說清楚驗收標準，再談工具。這會讓 AI 少一點神祕感，也讓責任回到該負責的人身上。

術語表

I'm a Full Stack Developer with expertise in building modern web applications that fast, secure, and scalable. Crafting seamless user experiences with a passion for headless CMS, Vercel and Cloudflare

Loading...