把自己從迴圈裡換掉

你大概很熟這個流程：AI 吐一版程式，你複製到本機跑，壞了，把錯誤訊息貼回去，它改一版，你再跑、再貼。一個下午過去，你做的事情是搬運錯誤訊息。

這叫 Human-in-the-loop，人站在迴圈中間，用自己的時間提供回饋。模型還不夠強的時候這是必要的。現在多半不是。

2026 年中，OpenClaw 的作者 Peter Steinberger 發了一句很多人轉貼的話：「你不該再親手 prompt coding agent 了，你該設計一個 loop 去 prompt 它。」Claude Code 的負責人 Boris Cherny 說的是同一件事：「我不 prompt Claude 了。我有迴圈在跑，是它們在 prompt Claude、決定下一步。我的工作是寫迴圈。」

這件事有個名字，Loop Engineering。核心只有一個動作：把你腦中判斷對錯的邏輯寫下來，變成系統能自己跑的檢查。

先把「你怎麼判斷對錯」寫出來

想一想，AI 寫錯的時候你是怎麼發現的？你看測試有沒有過、看頁面載入有沒有超過兩秒、核對專有名詞有沒有拼錯、檢查表格欄位有沒有對齊。

這些判斷有一個共同點：它們都可以被寫下來。能寫成程式的，寫成測試或 linter（自動檢查程式格式與常見錯誤的工具）；不能寫成程式的——語氣對不對、有沒有符合品牌——寫成另一個 AI 拿著評分表去檢查。Anthropic 把這個模式叫 evaluator-optimizer：一個產出、另一個評估並給回饋，來回直到過關。

寫下來之後，你就不用每次親自判斷了。這一步是 Loop Engineering 的全部，其他都是工程細節。

我的經驗是，第一次做這件事最難的不是寫測試，是承認自己的判斷可以被寫下來。「我看了就知道」這句話，八成可以拆成三到五條具體的檢查。

在你的環境裡把迴圈接起來

最簡單的版本，任何有執行權限的代理工具都能做。

先寫檢查，再寫功能。動工前叫 AI 先寫測試腳本（為什麼要先看到它失敗，先紅燈再綠燈那篇講）。腳本是確定性的：功能對就通過，錯就丟出明確的錯誤。

然後告訴 AI 迴圈的規則。在常駐檔或任務說明裡寫一句：「改完之後執行測試；失敗就讀錯誤訊息、修改、再跑，直到通過才回報。」有執行權限的工具會照做，它自己跑、自己讀、自己修，你看到的是通過之後的版本。

進階一點，讓系統在它交卷前攔一次。Claude Code 的 hook 可以在特定事件（例如它要執行某個指令之前、或它宣稱完成時）自動跑一段檢查，失敗就把結果塞回對話。LangChain 那個 13.7 分的實驗做的是同一件事，他們叫它 middleware：在代理說「做完了」之前，強制它對照任務規格再驗一遍。

接起來之後，AI 在背景默默重修五輪、十輪，通過了才敲你的門。你從搬運工變成驗收的人。

當然，迴圈會失控。目標定得不夠準、檢查有漏洞，它可能在背景無限打轉燒錢。所以接下來兩篇要講：迴圈什麼時候啟動、什麼算做完（可驗證目標），以及什麼時候必須強制停下來（迴圈的停損）。沒讀完那兩篇之前，別讓迴圈整晚跑。

動手做

網頁版沒有執行權限，也能做半自動的迴圈：把你的判斷寫成清單，叫它交卷前自己過一遍。

接下來的產出，交給我之前你要自己跑一次下面的檢查清單。每一項回答「通過／未通過＋原因」，有未通過的先修再交，最多修三輪。三輪還過不了，把過不了的那一項和原因告訴我，不要硬交。
檢查清單：
1.（例：所有專有名詞跟我給的對照表一致）
2.（例：每個段落不超過五句）
3.（例：沒有任何一句是「值得注意的是」開頭）
4.（例：數字都有來源，找不到來源的標「待查」）
任務：（貼上）

有 Claude Code、Codex 這類能執行的工具，一句話就接上。在任務說明或常駐檔加這段：

規則：每次修改程式後執行 `npm test`（換成你的測試指令）。測試失敗時，讀完整的錯誤輸出，修改，再執行；重複直到全部通過。連續三次錯誤訊息完全相同就停下來告訴我，不要繼續試。通過之後，回報你改了什麼、跑了幾輪。

接對了的樣子：你收到的第一版就是通過檢查的版本，不是「請幫我看看」的版本；錯誤訊息不再經過你的剪貼簿；AI 回報的時候會說「跑了三輪」而不是「做好了」；你的檢查清單在長，每次新的「不對」都變成一條新檢查。

想練一下的話，拿你最近一次對 AI 產出說「不對」的情況，把「不對」拆成三條可以打勾的檢查。拆不出來的那一條，通常是你自己也還沒想清楚標準。

你在迴圈裡，你就是最貴、最慢的那一環。Loop Engineering 只有一個動作：把你判斷對錯的邏輯寫下來，讓系統跑。能寫成程式的寫成測試，不能的寫成清單讓另一個 AI 拿著檢查。但迴圈接好之前先讀後面兩篇，沒有停損的迴圈會整晚燒錢。

站內延伸

• 迴圈什麼時候啟動、什麼算做完 → 可驗證目標
• 什麼時候必須強制停下來 → 迴圈的停損
• 檢查清單的完整寫法 → 找方法AI Agent 測試

來源： Addy Osmani：Loop Engineering（整理了 Steinberger 與 Cherny 的原話與脈絡）；Anthropic：Building effective agents（evaluator-optimizer 模式）；LangChain：Improving Deep Agents with harness engineering（完成前強制驗證的 middleware）。