过去半年，AI 工程圈像下饺子一样往外抛新词：Prompt Engineering（提示词工程）、Context Engineering（上下文工程）、Harness Engineering（执行环境工程）、Loop Engineering（循环工程）、Graph Engineering（图工程）。我们看到的不是术语通胀，是同一个问题被拆成五个层级逐步拆解——LLM（大语言模型）本身不可靠，得一圈一圈把它「箍」住才能干活。

这是什么

Loop Engineering 这个词 6 月由 OpenClaw 作者 Peter Steinberger 提出，Anthropic Claude Code 负责人 Boris Cherny 跟进，Anthropic 内部已经在用。它的核心动作很朴素：把你手动给 Agent 下指令的那双手，换成一套会自动运转的系统。一个最基础的 Loop 需要四样东西——Agent、执行结果的验证器（Verifier）、反馈路径、以及告诉系统什么时候该停的条件。少一个，就会出大问题：没验证器，Agent 会「看着像做完了」就交差；没停止条件，Loop 会空转到把 token（模型按调用量计费的单位）烧光。

Graph Engineering 是更高一层。它的动作是把多 Agent、多步骤之间「谁该走哪条路」从让 LLM 自己猜，改成画一张明确的图——节点是 Agent 或普通函数，边是流程或条件判断，状态在图里流动。LangChain 的总结很直白：图让你作为构建者，把你对系统应该怎么运转的设想强行压进固定路径，不全靠模型自己拍脑袋。

二者的关系是颗粒度不同的两层：Loop 管一个 Agent 节点内部怎么把事情做完，Graph 管多个节点之间怎么连。AWS 的 Strands、Anthropic 的 Claude Code Goal、Kiro CLI、LangGraph 这些工具都已经实现或部分实现了对应能力。

行业怎么看

支持者认为这是 Agent 走向生产环境的必经之路。LangChain 官方把这五个工程术语视作同一件事的不同侧面——LLM 是一种新型的、不那么可靠的软件，工程化的本质就是一层层给它加护栏。TrueFoundry 在 2026 年的定义里也强调，图的拓扑本身必须是一个「可编程、可版本化的显式产物」，意味着这套打法会沉淀为企业的标准工程实践。

反对声音同样存在。不是所有团队都需要图工程——简单任务里维护一张图比维护一段 Prompt 更贵；小团队没有 Evaluator（专门评估 Agent 输出的另一个模型或人工角色）就上 Loop，等于让系统在没人监督的空房间里自己跑。更值得警惕的是厂商造词的动机：每出现一个新词，往往意味着隔壁家刚发了一篇博客要造势，工程内容的真实增量容易被宣传节奏淹没。换句话说，这些术语有真东西，但读者需要问自己——这个「工程难题」是真存在，还是被提前制造出来卖课的。

对普通人的影响

对企业 IT：明年评估 AI 供应商时，「能不能配 Loop / 能不能画一张图」会成为技术验收条款之一，光看 demo 跑得好不够，得问出错时怎么兜底、谁来兜底。

对个人职场：短期不必焦虑，多数白领的日常工作还没复杂到需要触发自动 Loop；但「会写清楚完成标准、能拆任务」这种能力会越来越值钱——因为这是 Loop 系统里 Validator（验证器）环节的核心输入。

对消费市场：C 端用户能直接接触到的「AI 自动干 X 小时」产品会慢慢变多，背后的代价是出错概率被压到一个可接受水平线，企业才会放出来——这是 Loop 工程积累到一定阶段的产物。