前言《从Harness Engineering 到 Loop Engineering：长程任务Agent原理与实战》
前言：写给每一个未来的 Loop 工程师
“你不该再给编程 Agent 写提示词了，你应该设计循环来提示你的 Agent。”
—— Peter Steinberger, OpenClaw 创始人
为什么写这本书
2026 年中，AI 工程领域正在发生一次安静的革命。
如果说 2022 年 ChatGPT 的诞生让世界第一次意识到大模型的存在，2023 年的 Prompt Engineering 让人们学会如何与模型对话，2024 年的 RAG 与 Context Engineering 让模型拥有了"记忆"，2025 年的 Harness Engineering 给了 Agent 一具"身体"——那么 2026 年兴起的 Loop Engineering，则把人从 AI 的工作循环中推到了循环之外。
这是一次范式跃迁。在这之前，人是司机，AI 是引擎；在这之后，人成了自动驾驶系统的设计师，AI 是跑在路上的一辆辆车。这不是抽象的比喻，而是正在发生的事实——Anthropic 内部工程师已开始将自己视为"算力分配师"，Claude Code 负责人 Boris Cherny 在 6 个月内一个人通过 Loop 系统提交了 259 个 PR、497 次提交、4 万行代码。
但这场革命还没有一本系统的技术书。
市面上有 Prompt Engineering 的入门书，有 RAG 的实战手册，有 Agent 框架的 API 文档——但还没有一本书，把从 Prompt 到 Context、从 Context 到 Harness、从 Harness 到 Loop 的完整演进链条讲透，把 Loop Engineering 的原理、组件、设计哲学、实战案例一一拆解。
这本书就是为此而写。
这本书的定位
这是一本面向工程师的硬核技术书，不是科普读物，也不是工具教程。
本书的读者画像：
- 想从"用 AI 写代码"升级到"设计 AI 工作系统"的资深工程师
- 在大厂负责 AI Agent 平台建设的架构师
- 创业公司 CTO，需要决定团队何时引入 Loop 工程实践
- AI 应用研究人员，希望理解工业界的真实痛点
- 任何对"如何让 AI 自主完成长程任务"这个问题着迷的人
我们假设你已经会用 Claude Code、Cursor 或类似工具，熟悉 Python/TypeScript 之一，了解基本的大模型 API 调用——在此基础上，带你看清楚 Agent 工程的全貌，并掌握设计 Loop 系统的所有关键能力。
这本书的结构
全书分为 12 章 + 番外篇，按"原理 → 组件 → 实战"递进：
- 第 1 章 引言：从 Prompt 到 Loop 的范式跃迁，建立全局认知
- 第 2 章 长程任务的本质：定义问题域，理解为什么长程任务难
- 第 3 章 Prompt Engineering 的边界：回顾旧范式，看清它的天花板
- 第 4 章 Context Engineering：上下文的工程化，RAG 与长上下文的权衡
- 第 5 章 Harness Engineering：为 Agent 打造"身体"，八大组件拆解
- 第 6 章 Loop Engineering：自主循环的设计哲学，五大核心组件
- 第 7 章 任务发现与调度：Loop 的起搏器
- 第 8 章 沙盒环境与 Worktree 隔离：让 Agent 安全犯错
- 第 9 章 独立评估：Maker-Checker 范式，破解自评分幻觉
- 第 10 章 持久化记忆与状态管理：让 Agent 拥有长时记忆
- 第 11 章 Sub-Agent 协作与编排：多 Agent 系统的设计
- 第 12 章 实战：构建端到端 Loop 系统
- 番外篇：Loop 工程师的一天与未来展望
每一章都遵循以下结构：
- 开场金句——用一句话抓住本章核心
- 正文——原理 + 实践 + 案例 + 类比
- 大量纯文本图与表格——可视化呈现
- 最佳实践 Tips——可操作的工程经验
- 番外篇——增加趣味与跨学科视角
- 本章小结——回顾要点
- 思考题——引发深度思考
写作风格声明
本书刻意采用以下风格：
纯文本图表：不用 mermaid、不用图片，所有架构图、流程图、关系图都用 ASCII 线条绘制。理由有三：
- 纯文本在任何终端、任何编辑器、任何格式下都能渲染
- 纯文本可以被 LLM 直接读取、引用、改写，与 Loop 工程的精神一致
- 纯文本强迫作者把图画清楚，而不是被工具的"漂亮"欺骗
类比与隐喻：技术本质往往抽象，类比让抽象落地。本书大量使用"司机与自动驾驶"、“马具与 Harness”、“起搏器与调度器”、"工作记忆与持久化记忆"等类比。
对比与演绎：每一种新范式都与上一代对比，每一个设计决策都从根本原因演绎出来。
金句驱动：每节末尾有一条加粗金句，作为本章思想的浓缩。
真实案例：所有原理都配工业界真实实现（Claude Code、Cursor、Devin、HappyClaw、AutoGPT、LangGraph、AutoGen 等）。
一句话总结这本书
Loop Engineering 的根本原因不是"AI 变强了"，而是"人跟不上 AI 了"——所以我们不再当司机，改当自动驾驶系统的设计师。
致谢
本书的写作受益于以下先行者的公开思考：
- Addy Osmani——Loop Engineering 概念的提出者
- Andrew Ng（吴恩达）——三层 Loop 模型
- Peter Steinberger——OpenClaw 的实践
- Boris Cherny——Claude Code 的工程实绩
- Andrej Karpathy——Software 2.0 与 LLM 工程的哲学思考
- Anthropic、OpenAI、Google DeepMind 公开的技术文档与博客
感谢 HappyClaw 开源项目，本书第 5、7、8、9、10、12 章的大量实战剖析都基于其开源代码。
关于作者
本书由 HappyClaw AI Agent 系统协作完成。从大纲设计到 12 章并行写作，全流程由 12 个独立 Sub-Agent 在 HappyClaw 平台上协同完成——这本身就是 Loop Engineering 的一次实践。
写作时间：2026 年 7 月。
愿这本书帮助你从 Prompt 工程师蜕变为 Loop 工程师，从司机蜕变为自动驾驶系统的设计师。
——写于 2026 年 7 月，AI 工程范式跃迁的黎明