我之前写过一个项目：how-ai-agents-remember——逆向工程 5 个开源 Bot 的记忆系统，源码级拆解每一条数据流。

于是我顺着同一条线往下挖：Agent 怎么记住事情搞清楚了，那它怎么持续推进任务呢？

这就是第二个项目：how-agent-loop-engineering——8 篇文章，从零搞懂 AI Agent 循环工程。

---

一句话说清楚

Loop Engineering 是设计一套围绕 Agent 的执行闭环——让它不靠自我感觉宣布完成，而是靠外部证据证明完成。

如果你用过 Claude Code、Cursor、Windsurf 之类的工具，你大概率遇到过这种情况：AI 很聪明，每一步都对，但它做完一步就停下来等你。你变成了人肉调度器。

Loop Engineering 就是解决这个问题的——怎么让 AI 自动进入下一轮，直到真正完成。

---

两个仓库，两个问题，一条线

仓库	解决的问题	文章数	链接
🧠 how-ai-agents-remember	Agent 怎么"记住"事情	46 篇（5 个项目）	GitHub
🔄 how-agent-loop-engineering	Agent 怎么持续推进任务	9 篇	GitHub

一个管"记忆"，一个管"循环"。合在一起，就是 Agent 系统最核心的两个能力。

如果你两个都感兴趣，建议先看 remember，再看 loop engineering。 因为记忆是循环的基础——Agent 没有记忆，每一轮 Loop 都是从零开始。

下面重点介绍 Loop Engineering 系列。

从哪里开始读

我想…	从这里开始
了解为什么需要 Loop	01-从问题出发
理解演进脉络	02-历史演进
搞懂 Loop 的内部结构	03-核心机制
找开源项目参考	04-落地实战
防止 Agent 骗自己	05-验证与反欺骗
避开常见坑	06-避坑指南
从零动手搭	07-动手实战
总结回顾	08-总结与展望

---

8 篇文章，每篇解决一个核心问题

#	文章	一句话
01	从问题出发	你每天手动点"继续"的次数，可能比你想的多得多
02	历史演进	从 Prompt 到 Loop，Agent 进化了四代，每一代都在补上一代的缺口
03	核心机制	一个能用的 Loop，少了这 6 个部件中的任何一个都会翻车
04	落地实战	8 个开源项目，拆给你看它们的 Loop 长什么样
05	验证与反欺骗	Agent 会自己骗自己说"搞定了"——5 层验证框架治它
06	避坑指南	10 个我踩过的坑，每个都是真金白银换来的
07	动手实战	别光看，从零搭一个自己的 Loop
08	总结与展望	回到最初的问题：Agent 到底该多"自主"

---

Loop 的骨架——一张图记住核心

四个东西缺一个，Loop 就会出问题：

• 没有外部状态 → Agent 下一轮失忆
• 没有外部验证 → Agent 自己骗自己
• 没有停止条件 → Loop 烧钱烧 token
• 没有人工兜底 → 高风险动作没人审批

---

开始阅读

如果你还没看过第一篇，建议从这里开始：从 Prompt Engineering 到 Loop Engineering，Agent 真正变强的地方可能不在模型本身

对了，如果你对"Agent 怎么记住事情"更感兴趣，可以先看这个系列：how-ai-agents-remember——5 个开源项目的记忆系统源码级拆解，从 nanobot 的两个 Markdown 文件到 NullClaw 的 9 阶段检索管线，一次看透。

GitHub 仓库：https://github.com/breath57/how-agent-loop-engineering

如果觉得有用：

• ⭐ Star 一下，让更多人看到
• 🍴 Fork 一份，自己改改加点东西
  • PR 欢迎，有问题直接开 Issue

---

很多人还在聊 Prompt Engineering，但 Agent 真正变强的地方，可能在 Loop 里。记忆让 Agent 不失忆，循环让 Agent 不停摆。