行业热议Loop Engineering，明略科技Octo平台已运行近3000个Agent

2026年6月上旬，在一场由知名商业播客Acquired与开发工具平台WorkOS联合举办的Acquired Unplugged开发者盛会上，Claude Code的开发者鲍里斯·切尔尼（Boris Cherny）发表了一番引人深思的言论，这句话迅速在技术圈内传播开来："我已不再为Claude编写提示词。相反，我构建了一个个运行的循环，让这些循环去提示Claude，并让它自行探索该做什么。我的职责就是编写这些循环。"

这段演讲片段被上传至X平台后，短短不到24小时便收获了近70万次的播放量，同时在Reddit等技术社区激起了热烈的讨论。"Loop Engineering"（循环工程）这一概念由此迅速走红，成为AI开发领域的新热词。

从提示词编写到循环设计：AI开发的新篇章

Loop Engineering的核心思想其实并不复杂：与其反复手动调试提示词，不如设计一套让Agent（智能体）能够自主迭代的循环系统。这套系统通常涵盖五大要素：明确的目标设定、上下文的有效管理、可调用的工具集合、对产出的精准评估，以及判断何时停止迭代的标准。当这五大要素有机结合时，Agent便不再局限于"接收指令、输出结果"的单次交互模式，而是能够形成一个自我迭代、自我修正的闭环系统。

从"人工编写提示词、Agent单次执行"到"人工设计循环、Agent多轮自主迭代"，这一转变在效率上的提升是显而易见的，也正是这一变革性思维，使得Loop Engineering能够在短时间内引发广泛共鸣。

然而，当前行业对Loop Engineering的探讨大多还停留在单个Agent的层面——即一个更为智能的Agent，搭配更为精巧的循环设计，在其自身的沙箱环境中进行反复迭代。这虽然解决了"个体如何更高效地完成任务"的问题，但现实世界中的工作往往更为复杂，不是单个Agent所能独立完成的。例如，一个产品需求的落地，需要产品经理明确目标、设计师输出方案、工程师实现代码、测试团队验证质量，以及运营团队反馈数据。这不仅仅是一个简单的循环，而是多个循环的嵌套与协作。

Octo：将循环工程推向组织协作的新高度

这正是徽声在线所关注的明略科技（2718.HK）正在努力解决的问题。这家被誉为"Agentic AI第一股"的港股上市企业，目前正在积极推进一套名为Octo的多Agent协作平台。

从架构设计上来看，Octo与Loop Engineering的五大要素有着诸多相似之处。编排调度（Orchestration）模块负责任务的拆解与目标的分配，对应于循环中的"目标"设定；跨Agent的上下文流转（Context）模块则负责上下文的管理；开放的工具生态（Open）模块为Agent提供了丰富的工具接入选项；而"品鉴"机制（Taste）模块则同时承担了评估和停止条件两个角色，由人来判断产出是否"足够好"或是否"偏离了方向"。

据公开资料显示，明略科技目前已有1400余名员工与超过2900个AI Agent在日常业务中协同工作。当数千个Agent同时运行时，它们之间需要交换上下文、传递产出结果，并相互触发新的循环。在这种情况下，单Agent层面的循环设计已经显得力不从心，必须在网络层面解决协作问题。

"品鉴者"：组织协作中不可或缺的角色

在Loop Engineering的五大要素中，"评估"环节在实践中往往被简化处理——例如运行一个测试、计算一个分数、与外部基准进行对比。然而，在组织级的协作中，很多判断并不适合完全交给算法来处理。例如，一个营销方案是否吸引人、一个产品决策是否符合市场需求、一个策略是否需要调整等，这些都需要人的主观判断介入。

Octo平台将这一角色称为"品鉴者"。品鉴者并不参与Agent的具体执行过程，而是在关键节点做出方向性的判断：如果循环在正轨上运行，就放行；如果偏离了方向，就进行纠偏；如果达到了预设的标准，就停止循环。明略科技将品鉴者定位为有别于传统"审批人"的角色——审批主要解决的是合规性问题，而品鉴则解决的是价值判断问题，即判断产出是否足够好、是否符合预期方向。

"Human-in-the-loop"（人在循环中）是AI行业长期倡导的一个概念，但在很多产品中，它要么变成了人工审核的另一种形式，要么演变成了对用户的频繁打扰。明略科技的品鉴者机制是否真正解决了这一问题，还有待更多外部观察和验证。但至少在架构设计上，它试图为这一角色提供一个更清晰、更具体的产品定义。

Scaling Out：横向扩展，而非仅仅纵向增强

明略科技创始人吴明辉曾多次公开表示，他认为Scaling Out（横向扩展）比Scaling Up（纵向增强）更为重要。在Loop Engineering的语境下，这一区分具有了更具体的含义。

Scaling Up是指将单个Agent做得更强、让单个循环运行得更快更准，但其上限受限于模型本身的能力边界。而Scaling Out则是指让更多的Agent进入协作网络、让循环之间能够嵌套联动，这挑战的是组织协作的效率上限。明略科技的逻辑是：当一组Agent能够像一个协调良好的团队一样运作时，它们能够处理的问题复杂度就会上升到一个新的台阶。

据明略科技介绍，在其内部协作网络中，Agent A的产出会成为Agent B的上下文输入，Agent B的迭代结果经过品鉴者评估后会触发Agent C的新循环。整个网络的产出能力超过了各Agent独立运行的简单加总。当然，这一说法目前仅来自明略科技自身的披露，尚缺乏第三方的独立验证。

时间维度：实践先行，命名随后

值得注意的是，当Loop Engineering这一概念在2026年初开始被广泛讨论时，明略科技的Octo网络据称已经在生产环境中运行了相当长的一段时间，2900多个Agent每天都在处理真实的业务任务。

这并不意味着明略科技"预判"了这一概念——Loop Engineering的命名和传播是社区自发形成的结果。但这一时间差说明，至少有一些团队已经在实践层面触碰到了单Agent循环无法解决的问题，并摸索出了自己的应对方式，只是当时还没有一个统一的名字来描述它。

Loop Engineering的三个层次解析

如果对Loop Engineering进行一个简单的分层，大致可以将其分为三个层次。第一层是单Agent内部的迭代循环，这是目前社区讨论的主要焦点，也是鲍里斯·切尔尼那段话所描述的场景。第二层是多Agent之间的协作循环，其中A的输出成为B的输入，B的反馈触发A的修正，这需要上下文管理和任务编排的有力支撑。第三层则是人与Agent网络共同构成的组织级循环，品鉴者在关键节点做出判断，整个网络在目标设定、执行、评估的大循环中持续调整和优化。

目前，行业讨论主要集中在第一层，一些技术团队正在积极探索第二层，而明略科技的Octo平台或许已经在第三层的生产环境中得到了实际应用。

Loop Engineering作为一个概念，准确捕捉到了AI工程从"手工调参"到"系统设计"的方向性转变。然而，从单Agent的循环到组织级的协作网络，中间还有很长的工程路要走。明略科技的实践提供了一个值得关注的样本，但其经验能否被更广泛地复制和应用，仍是一个待解的开放问题。