loop goal sheduel opencode的omo插件
3分钟学会大佬们都在吹的Loop engineer！（附Loop技能）
老黄在公开场合力推的loop到底是什么东西？
这篇文章彻底拆解一下loop engineer
核心理念（Addy Osmani、Peter Steinberger、Anthropic Claude Code 负责人 Boris Cherny 等人的表述）：“不再是你去 Prompt Agent，而是你设计一个系统来替你 Prompt Agent。” 你从“操作者”变成“规则/系统设计者”。
Loop 是就是进阶版的Prompt？
Loop 跟skill有什么核心差异？
Skill = 一份"能力说明书"(告诉 AI:遇到这类活,该怎么做、按什么规矩做)
Loop = 一种"运行方式"(让 AI:同一个活,自己反复干、干到达标才停)
一个是 “怎么做”(WHAT/HOW),一个是 “跑几遍、谁来喊停”(运行控制)。它们不冲突,反而经常叠在一起用。
loop，prompt，skill，context，harness，这些概念的差异及区别简单列一个表格分析，然后告诉我loop能为这些概念赋能什么？有了loop能做到哪些它们做不到的事情？能让它们如何变得更强大？
范式转变：从 Prompt Engineering → Context/Harness Engineering → Loop Engineering。以前是人一轮一轮指导 Agent，现在是设计闭环系统（自动化触发 + 状态记忆 + 子代理 + 验证 + 终止条件），Agent 可以长时间自主运行（如构建功能、修复 bug、日常维护）。
Loop Engineering 解决的是另一个问题：怎么让 AI 按步骤持续工作，并且自己检查结果。
举个简单例子：你要让 AI 写一篇小红书笔记
普通提示词是：
帮我写一篇关于减肥餐的小红书笔记。
Loop 提示词是：
先分析目标用户是谁。
再给我 5 个标题方向。
选出最有点击感的 1 个。
然后写正文。
写完后检查：标题是否有吸引力、正文是否像真人写的、有没有夸张承诺。
如果不符合，就自己修改一轮。
最后输出最终版。
Loop，不是让 AI 自由发挥，而是给 AI 装上轨道。
为什么现在更需要 Loop ？
以前大家讲 Prompt Engineering，重点是“怎么问”。
比如，角色设定、语气要求、格式限制、示例输入。
这些仍然有用。
但今天的 AI 已经不只是聊天了。它可以读文件、写代码、查资料、做表格、调用工具、跑测试、操作网页。
这时候，只会写一句提示词就不够了。
因为复杂任务通常不是一步完成的。
写文章，需要选题、标题、大纲、正文、修改。
写代码，需要读项目、定位文件、改代码、跑测试、修报错。
做方案，需要理解目标、拆解路径、评估风险、给出下一步。
如果每一步都靠你手动追问，效率会很低，而且质量不稳定。
往往会发现人是这个环节中最大的瓶颈！
Loop 的作用，就是把这些步骤提前设计好，让 AI 一次性进入工作状态。
一个最小可用的 Loop 长什么样？
我自己写了一个 Loop Builder 的skill，在你对loop还不是很擅长的时候，运行skill，可以引导你正确的写出loop，也可以直接帮你写loop 命令。（放在知识库，免费下载获取）
一个最小 Loop，只要有四个模块：
目标、流程、验收标准、停止条件。
可以直接套这个模板：
请你用 Loop 的方式完成这个任务。
目标：
【写清楚你要什么结果、给谁看、用在什么场景】
流程：
1. 先理解目标和限制
2. 再制定 3-5 步计划
3. 按计划产出第一版
4. 按验收标准自查
5. 如果不合格，修改一轮
6. 合格后输出最终结果
验收标准：
- 【标准 1】
- 【标准 2】
- 【标准 3】
停止条件：
当所有验收标准满足时停止。
最多修改 2 轮。
如果仍然无法满足，请说明原因和下一步。
这个模板看起来简单，但已经比“帮我写一篇文章”强很多。
因为你给了 AI 四样东西：
它要去哪里。
它怎么走。
什么叫合格。
什么时候停。
## Loop 最重要的不是流程，而是验收标准
很多人写 Prompt，会写一堆要求：
“语言自然一点。”
“内容有吸引力一点。”
“风格高级一点。”
这些话不是没用，但问题是太模糊。
AI 不知道什么叫“自然”，也不知道什么叫“高级”。
更好的写法是把标准具体化。
比如写公众号文章，不要说：
“写得好一点。”
而是说：
“开头必须有一个具体场景。”
“每个观点后面至少有一个例子。”
“每段尽量不超过 4 行，适合手机阅读。”
“不要出现没有信息量的套话。”
比如写代码，不要说：
“把功能做好。”
而是说：
“功能可以正常点击。”
“页面刷新后状态不丢失。”
“控制台没有明显报错。”
“移动端不遮挡主要按钮。”
验收标准越具体，AI 越能自己检查。
没有验收标准的 Loop，就像没有刹车的车：看起来在动，但你不知道它什么时候算到站。
Loop 也需要停止条件
很多人以为，让 AI 多改几轮，结果一定会更好。
不一定。
AI 有时候会过度优化，把原本清楚的东西改得复杂，把原本有力的标题改得像论文题目。
所以一个好的 Loop，必须知道什么时候停。
你可以加这样的规则：
“最多修改 2 轮。”
“每轮只修最重要的 3 个问题。”
“已经满足标准的部分不要重写。”
“如果标准之间冲突，先保留最符合目标读者的版本。”
这很重要。
Loop 不是让 AI 无限工作，而是让 AI 在正确的边界里工作。
真正稳定的 AI 工作流，不是越长越好，而是刚好够用。
哪些任务最适合做成 Loop？
不是所有任务都需要 Loop。
如果你只是问一个概念、翻译一句话、取 10 个标题，普通提示词就够了。
但如果一个任务有这三个特征，就很适合做成 Loop。
第一，需要多步骤。
比如写一篇长文、做一个方案、开发一个功能。
第二，需要质量检查。
比如代码要能运行，文章要能发布，表格要能计算。
第三，需要反复修改。
比如简历、销售文案、短视频脚本、产品介绍页。
判断标准很简单：
只要这个任务需要做两轮以上，就值得设计 Loop。
小白直接照抄的loop用法
下次你打开 AI，不要只写：
“帮我写一篇小红书笔记。”
你可以改成：
请你用 Loop 的方式写一篇小红书笔记。
目标：
面向刚开始使用 AI 工具的职场新人，写一篇关于“如何用 AI 提高工作效率”的小红书笔记。
流程：
1. 先判断目标读者最关心的问题
2. 给出 5 个标题方向
3. 选择最适合小红书的 1 个标题
4. 写正文
5. 检查是否具体、是否像真人表达、是否有可执行建议
6. 如果不合格，修改一轮
验收标准：
- 开头有具体工作场景
- 正文不讲空话，每个建议都有例子
- 语言适合手机阅读
- 结尾给出今天就能做的一步
停止条件：
满足标准后停止。
最多修改 2 轮。
你会发现，这样得到的结果，通常会比一句“帮我写一篇”稳定很多。
因为你不是在等 AI 猜你的意思。
你是在给它一套可以执行的工作方式。
- 写文章 Loop
适合：公众号、小红书、𝕏
请帮我写一篇文章。
流程：
1、先判断读者是谁
2、再列出文章大纲
3、写正文
4、检查是否有空话、长段落、抽象概念
5、如果有，改成更具体、更适合手机阅读的版本
验收标准：
· 开头有具体案例或数字
· 每节都有明确小标题
· 每个观点后面有例子
· 结尾告诉读者今天能做什么
满足后停止。
- 写代码 Loop
适合：个人网站、工具页面、自动化脚本、小程序原型。
请帮我完成这个功能。
流程：
1、先阅读现有项目结构
2、找到相关文件
3、说明你准备怎么改
4、修改代码
5、运行检查或测试
6、如果失败，根据错误继续修复
7、最后总结改了什么
验收标准：
· 功能能正常使用
· 不破坏原有功能
· 没有明显报错
· 风格和现有项目一致
如果无法完成，请说明卡在哪里。
- 学习技能 Loop
适合：学 AI、学编程、学剪辑、学写作、学英语。
请帮我学习【某个技能】。
流程：
1、先判断我现在是零基础
2、拆成 7 天学习计划
3、每天只安排 1 个核心动作
4、每天给一个练习题
5、每个阶段给一个检验标准
验收标准：
· 不使用我听不懂的术语
· 每天任务能在 30 分钟内完成
· 每个练习都能产出一个具体作品
最后输出第一天要做什么。
Loop 的致命缺陷，全网没有人跟你讲
Loop 的致命缺陷是：
它会把“错误的判断”自动化、放大化。
单次提问错了，最多错一次。
Loop 错了，它会沿着错误目标、错误标准、错误步骤，一轮一轮认真执行，甚至还会自信地“自查通过”。
最危险的地方有 4 个：
验收标准错了
你告诉 AI：“标题要更夸张、更抓眼球。”
它可能真的优化出一堆标题党。
Loop 很听话，但它不会天然知道你的标准是不是正确。自查不可靠
AI 可以检查自己的答案，但它不是外部裁判。
尤其是事实、数据、法律、医学、金融、商业判断，它可能边犯错边给自己打勾。会局部优化，牺牲整体
每一轮都在修小问题，但可能把原本有力量、有个性的东西磨平。
很多文案改到最后不是更好，而是更“标准”、更无聊。会让人产生控制幻觉
你写了流程、标准、停止条件，就容易觉得“系统可靠了”。
但如果目标本身不清楚，或者标准不懂业务，Loop 只是让不靠谱变得更有条理。
所以 Loop 最大的坑不是“不够自动化”。
而是：自动化之前，没有先判断什么值得被自动化。
Token/Cost 爆炸：长循环或多子代理很容易烧钱（$500+/小时可能）。必设 max_iterations、预算上限；用 model routing（廉价模型做扫描/分类，中档写草稿，顶级 review）；prompt caching 可大幅降低成本（40-90%）。从简单 cron 开始测试。
requesty.ai +1
Context Rot / State Amnesia：长运行上下文退化或忘记历史。用 fresh subagents、工作树（worktrees）、文件/数据库 checkpoint、定期 compaction（总结重置）。
requesty.ai
验证与质量：Agent 容易过度自信或 hallucinate。必须分离 maker/checker（子代理），用硬条件（如测试通过、lint 零错误）而非软判断；最终人类 review 关键输出。Unattended loops = unattended mistakes。
addyosmani.com
并行冲突：多 Agent 用 git worktrees 隔离。
技能/状态管理：用 SKILL.md 等持久化项目知识，避免每次从零推导。维护 LOOP.md / STATE.md 等文件。
适用性：不是所有任务都适合（创意/高风险部分最好人工 steering）。先从小、重复、 verifiable 的任务起步；判断标准包括是否有清晰 stop condition、值得自动化等。
mindstudio.ai
其他：Comprehension debt（代码理解负担增加）、判断力放大（好坏判断都被放大）、工具/权限控制。
一句话总结：
Loop 能提高执行稳定性，但不能替你保证方向正确。方向错了，Loop 跑得越顺，错得越远。
哪些事情值得被loop自动化？
值得自动化的，不是“重要的事”，而是“重复出现、标准清楚、出错代价可控的事”。
很多人一上来想自动化战略判断、选题方向、商业决策，这其实很危险。更适合 Loop 的，是那些你已经大概知道怎么做，只是每次手动做很累、很碎、很容易漏步骤的任务。
什么值得被自动化
值得做成 Loop 的任务通常有这几个特征：
重复高频
比如每次写文章都要：选题、标题、大纲、正文、自查、润色。
这类流程重复出现，做成 Loop 很划算。标准能写清楚
比如“公众号文章开头要有具体场景”“每个观点要有例子”“段落适合手机阅读”。
如果标准说不清，Loop 就只能假装认真。可以被检查
代码能跑测试，文章能检查结构，表格能检查列名和公式，研究能检查来源。
能检查，Loop 才有闭环。失败代价不高
起草文案、整理资料、生成初稿、做备选方案，很适合。
医疗建议、法律判断、投资决策、重大商业拍板，不适合完全交给 Loop。人类判断仍然保留在关键节点
最好的 Loop 不是全自动，而是“AI 先跑，人来拍板”。
比如 AI 给 10 个标题，你选 1 个；AI 写初稿，你定方向；AI 查资料，你核关键事实。
使用 Loop 时要注意什么
最重要的是别把 Loop 写成“勤奋的废话机器”。
很多 Loop 失败，不是因为步骤不够多，而是因为目标和标准太空。
不要写：
帮我写得更好。
要写：
开头必须有一个具体场景。
每个观点后面给一个例子。
不要出现“赋能、闭环、降本增效”这类空话。
结尾给出今天能做的一步。
还要注意三件事：
先小后大
不要一上来让 Loop 做完整项目。
先让它做一个小模块：标题 Loop、开头 Loop、大纲 Loop、代码测试 Loop。限制迭代次数
默认 1-2 轮就够了。
超过 3 轮，很多时候不是更好，而是在原地打磨。把自查和外部验证分开
AI 自查适合查结构、格式、逻辑遗漏。
事实、数据、代码运行、政策、价格、医学法律金融，要靠工具、来源或人类复核。
如何提高 Loop 使用体验
我会用一个很实用的公式：
Loop = 目标 + 输入 + 步骤 + 验收标准 + 修复规则 + 停止条件 + 输出格式
你每次写 Loop，都把这七项补齐。
比如写文章：
目标：写一篇给 AI 新手看的公众号文章。
输入：主题是 Loop Engineering，风格要像朋友解释，不要像教材。
步骤：先判断读者痛点，再列大纲，再写正文，再自查。
验收标准：开头有场景，每个观点有例子，段落短，不讲空话。
修复规则：只修改没通过的部分，不重写已经好的部分。
停止条件：最多修改 2 轮，通过后停止。
输出格式：标题 + 正文 + 自查结果。
体验会立刻好很多。
还有一个小技巧：把 Loop 拆成多个小 Loop，而不是一个超级 Loop。
比如写一篇公众号文章，可以拆成：
- 选题 Loop
- 标题 Loop
- 大纲 Loop
- 初稿 Loop
- 润色 Loop
- 事实核查 Loop
这样比一句“帮我写一篇爆款文章并优化到最好”稳定得多。
最后，我觉得最好用的 Loop，不是“完全自动帮我干完”。
而是这种：
AI 负责重复、检查、修正；人负责方向、取舍、审美和最终判断。
这个分工一旦摆正，Loop 的体验会从“我在赌 AI 发挥”，变成“我在带一个会按流程干活的助手”。