Loop Engineering — следующий этап эволюции AI-агентов

У нас в AI появился новый термин — Loop Engineering, или инжиниринг циклов.

Я разобрался в вопросе и сейчас попробую простыми словами объяснить, что это такое.

От Prompt Engineering к Context Engineering

Сначала был Prompt Engineering — когда мы напрямую писали модели инструкцию.

«Ты вежливый сотрудник службы поддержки. Помогай моим клиентам.»

После этого модель играет заданную роль и отвечает, используя собственные знания.

Следующим этапом стал Context Engineering — инжиниринг контекста.

Теперь сам prompt — это лишь небольшая часть контекстного окна. Гораздо важнее то, что находится вокруг него. В контекст можно положить документы, результаты поиска, файлы, историю переписки, данные из баз данных и многое другое.

Поэтому современному агенту дают доступ к инструментам: файлам, веб-страницам, API и базам данных.

Например, если мы спросим:

«Какое последнее открытие сделала NASA?»

То агент сначала самостоятельно найдёт свежую информацию, соберёт необходимый контекст и только после этого сформирует ответ.

Зачем нужен Harness Engineering

Но довольно быстро стало понятно, что Context Engineering плохо справляется с длинными задачами, которые выполняются десятки минут или даже часы.

Контекст переполняется. Агент начинает его сжимать, чтобы уложиться в лимит токенов, и вместе со сжатием постепенно теряются важные детали.

Поэтому появился ещё один уровень — внешний механизм управления задачей.

Это Harness Engineering, или инжиниринг обвязки.

Harness — это система, которая берёт большой запрос пользователя, разбивает его на множество подзадач и помогает агенту последовательно переходить от одной задачи к другой, не теряя общий план выполнения.

Например, если попросить Claude Code или Codex полностью склонировать сайт NASA, одного контекста уже недостаточно.

Нужен внешний механизм, который будет хранить список задач, контролировать прогресс, запускать следующие шаги и следить, чтобы ничего не потерялось по дороге.

Что такое Loop Engineering

Теперь обратим внимание на интересную вещь.

Во всех этих подходах уже существуют циклы.

В Context Engineering агент многократно вызывает инструменты, пока не соберёт всю необходимую информацию.

В Harness Engineering он проходит по списку подзадач, пока не завершит всю работу.

И здесь появляется Loop Engineering — инжиниринг циклов.

Он добавляет ещё один уровень поверх всех предыдущих.

Главная идея состоит в том, чтобы убрать зависимость от человека, который постоянно сидит перед компьютером и отправляет новые запросы модели.

Вместо этого появляется внешний цикл, который самостоятельно проверяет, что изменилось, какие появились новые задачи и нужно ли продолжить работу.

Пример с сайтом о чемпионате мира

Например, сейчас идёт чемпионат мира по футболу, и мы просим Codex сделать сайт, посвящённый турниру.

Prompt, Context и Harness помогут собрать этот сайт.

Но матчи проходят каждый день. Результаты постоянно меняются. Значит, сайт нужно регулярно обновлять.

Именно здесь появляется Loop Engineering.

Мы задаём цикл:

«Каждый час проверяй новые результаты матчей, обновляй таблицы, исправляй ошибки, публикуй изменения и продолжай работать.»

То есть агент не ждёт новой команды пользователя — он сам периодически возвращается к задаче и поддерживает её в актуальном состоянии.

Переход от ручного промптинга к системе

Есть отличный пост Эдди Османи, посвящённый Loop Engineering.

Он описывает этот подход как переход от ручного промптинга к проектированию систем, которые самостоятельно запускают агентов, ставят им цель, оценивают прогресс и повторяют цикл до получения нужного результата.

На мой взгляд, самый простой способ попробовать Loop Engineering уже сегодня — это Scheduled Tasks в Codex или Claude Code.

Да, этот подход часто критикуют. Главный аргумент — постоянные циклы могут сжигать огромное количество токенов.

Но одновременно именно Loop Engineering заметно расширяет область применения AI-агентов.

Мы постепенно переходим от модели «ответь на мой запрос» к модели «непрерывно работай над моей задачей».