前言《从Harness Engineering 到 Loop Engineering：长程任务Agent原理与实战》-平芜编程栈

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）。