深度解读 Boris Loop：Claude Code 之父的「循环工程」范式

从 "写提示词" 到 "写循环"——AI 编程范式的第三次跃迁

2026 年 6 月，Meta 的 @Scale 大会上，一位听众问台上的 Boris Cherny（Claude Code 的创建者）："Loops 是下一个炒作周期，还是真的？" Cherny 的回答只有四个词："Yes, they're for real." 这个回答在随后几周内引爆了整个 AI 编程圈。

一、来龙去脉：从手写代码到循环工程

1.1 三次范式跃迁

Boris Cherny 用一句话概括了他所在领域的演变：

"两年前，我们手写源代码。然后我们开始过渡到 agent 写代码。现在，agent 在 prompt 其他 agent，那些 agent 再写代码。从源代码到 agent 的那一步有多大，loop 这一步就有多大，同样重要。"

— Boris Cherny, Meta @Scale Conference, 2026 年 6 月

这三次跃迁可以清晰地表示为：

1.2 Boris Cherny 是谁

Boris Cherny 是 Anthropic 公司 Claude Code 的产品负责人和创建者。在 Anthropic 之前，他是一位资深的 TypeScript 工程师，写过 TypeScript 编程书籍，曾在 Meta 担任 Principal Engineer，也参与过 YC 创业。但他的真正"出圈"，源于 2026 年初的一句宣言：

"我不再给 Claude 写提示词了。是循环在跑，它们提示 Claude、自己琢磨该干什么。我的工作就是写循环。"

— Boris Cherny

这句话之所以引起轰动，是因为它不只是一种个人工作方式的描述，而是宣告了一个新范式的诞生——「循环工程」（Loop Engineering）。

1.3 数据佐证：这不是概念炒作

在转向 loop 工作方式后，Boris 的个人产出数据令人震撼：

• 259 个 PR / 30 天，497 个 commit，+40K / -25K 行代码——全部由 Claude Code 生成
• 从 2025 年 11 月起没打开过 IDE，所有代码来自 AI
• 绝大部分工作从手机完成（通过 Claude iOS 应用）
• 白天运行数百个 agent，夜间运行数千个
• 个人累计消耗 800 亿 token（800 亿 = 80B）

更宏观的佐证来自 SemiAnalysis 的数据：Claude Code 贡献了全球公开 GitHub 提交量的约 4%。Anthropic 内部工程师的人均代码产出自年初增长了 8 倍，AI 代码生成率达到 70–90%，部分团队已达 100%。

二、核心思想与原理

2.1 什么是 Loop——不是循环语句，是元智能体系统

Boris 所说的 "loop" 不是编程语言里的 while 语句。二者有着本质区别：

维度	传统 while 循环	Boris 的 Loop
循环体	固定的指令序列	一个 AI agent，每轮自己决定做什么
终止条件	布尔表达式（如 i < 10）	另一个 AI agent（evaluator）判断：目标达成了吗？
控制流	确定性——程序员写死	自主性——agent 根据上下文动态决策
状态	无状态或显式维护	有记忆——通过文件系统/CLAUDE.md 沉淀
运行时	调用完就结束	持续运行，像守护进程一样"永不停止"

TechCrunch 的现场报道精确描述了这一区别：

"递归循环（函数调用自身加停止条件）是基础的计算机科学概念。这里的区别在于：是一个子 agent 来选择何时停止循环，而不是一个明确的条件。"

— TechCrunch, "The AI world is getting 'loopy'", 2026-06-22

2.2 核心原理一：Write-Audit Separation（写查分离）

这是 Boris loop 系统中最根本的设计原则：干活的人不能给自己打分。

Claude Code 的 /goal 命令（v2.1.139，2026 年 5 月发布）原生实现了这一机制——每轮迭代后，由一个独立的小模型（fast model）来评估目标是否达成，而非干活的那个模型自己判断。

2.3 核心原理二：Recursive Termination（递归式终止）

这是 loop 区别于传统 agent 工作流的最关键特征。传统的 agent 工作流中，任务完成判断由硬编码条件或人工判断完成；在 Boris 的 loop 中，终止决策本身也是 agent 的工作。

最简实现是所谓的 "Ralph Loop"（以《辛普森一家》的 Ralph Wiggum 命名）：

# Ralph Loop 的简化伪代码
while True:
    result = agent("做完所有能做的事")
    evaluation = agent("评估以上所有工作，目标达成了吗？")
    if evaluation == "达成":
        break
    # 否则继续循环

这个模式的精华在于：终止条件不是 dryRuns < 2 这样的硬编码数字，而是另一个 AI 的智能判断。这也意味着 loop 可以在目标真正达成时精确停止，不会在还有工作可做时提前退出，也不会在已无新发现时徒劳空转。

2.4 核心原理三：Daemon Persistence（守护进程式持久化）

Boris 的 loop 不是"跑一次就结束"的脚本。TechCrunch 报道：

"授权一群 agent 在后台持续地、无休止地工作。"

他的实际系统中有数十个持续运行的 loop：

• PR 监护 loop——持续监听 PR，自动修复 CI 失败、自动 rebase
• CI 健康 loop——检测 flaky test 并自动修复
• 架构改进 loop——持续寻找改进代码架构的机会
• 抽象去重 loop——发现可以统一的重复抽象
• 用户反馈 loop——每 30 分钟抓取 Twitter/Threads 反馈并聚类
• Issue 分类 loop——自动分类、标优先级、分配 issue

这些 loop 之所以能持续运行，是因为它们不需要人每轮确认——写查分离 + 递归终止 这两个机制保证了它们可以自主地发现工作、执行工作、判断完成，然后进入下一轮等待。

三、三层架构：The Hive（蜂巢）

Boris 的系统不是一层，而是三层互锁的飞轮架构。这被 @Av1dlive 在公开重建中命名为 "The Hive（蜂巢）"。

3.1 Layer 1：本地循环（/loop）

每个 /loop 会话的内部工作方式是：

• 启动一个 agent 去执行工作
• 工作完成后，用独立的 evaluator 模型检查是否完成
• 如果没完成，继续执行下一轮
• 如果已完成，进入休眠直到下一个时间周期

3.2 Layer 2：云端例程（Routines）

Routines 是 Layer 1 和 Layer 3 之间的粘合剂：

• 把发现写入文件 → Layer 1 读取并执行
• 接收 Layer 3 的结果 → 写入 CLAUDE.md 沉淀为知识
• 每周一个 Routine 专门做蒸馏——把一周的所有 learnings 提炼进 CLAUDE.md

3.3 Layer 3：集群（/batch + Workflow）

3.4 飞轮如何转动：一个完整周期

用一个真实场景来展示三层如何协同工作：

四、实践方法：Boris 的 5 条规则

Boris 将自己的实践提炼为 5 条规则。这 5 条规则构成了从"理解概念"到"真正能跑起来"的桥梁。

规则 1：自动模式（Auto Mode）

"自动权限模式是一个能够彻夜运行的 agent 和一个从凌晨 2 点就在等点击的 agent 之间的区别。"

要让 loop 能在无人值守时自主工作，必须启用 Claude Code 的 auto 权限模式。否则 loop 会在每一次需要执行命令时卡住等待人工确认，无法实现"无人值守"。

规则 2：描述任务，而不是写 prompt

"停止写 prompt。描述任务。让 Claude 自己写编排。"

这是动态 Workflow（Dynamic Workflows）的核心思想——你不再写"做 A 然后做 B 然后做 C"的固定脚本，而是描述目标（"让代码架构更健康"），让 AI 自己决定怎么做。

规则 3：用 /goal 或 /loop 强制完成

"没有这个，agent 做到 60% 就宣布胜利。"

/goal 是条件驱动的——"一直运行直到条件为真"；/loop 是时间驱动的——"每隔 N 分钟运行一次"。两者择一使用，或组合使用。

规则 4：把 Claude Code 放到云端

"合上电脑。工作继续。这就是 Routines 的用途。"

本地 loop 依赖会话存活。要让 loop 真正"永不停止"，需要把关键任务部署到 Anthropic 云端（Routines）。

规则 5：端到端自验证

"如果 Claude 不能针对真实环境验证自己的输出，每一个彻夜运行都是一场赌博。"

Boris 强调：验证必须在真实环境中进行——跑测试、启动浏览器检查渲染、在模拟器中检查 UI、运行 lint 等。模型自己的"我觉得没问题"不算验证。这是把他的质量从"还可以"提升到"可直接合并"的关键。

五、所需资源与环境配置

5.1 硬件与基础设施

资源	说明	备注
Claude Code CLI	Anthropic 官方的 AI 编程命令行工具	v2.1.139+（支持 /goal）
Anthropic API Key	用于 Claude Code 的鉴权和计费	推荐 Opus 4.5/4.7 模型
云基础设施	Routines 需要 Anthropic 云端服务（2026 年 4 月上线）	关电脑也能运行
Token 预算	Boris 个人消耗 800 亿 token，普通用户需要设预算上限	重要！详见下方"风险"
Git worktree 支持	Layer 3 大规模并行时需要隔离的代码检出	git worktree 命令

5.2 关键配置文件

CLAUDE.md — 这是整个系统的记忆核心。每次 loop 发现的问题、学到的经验，最终都会沉淀到这里。Boris 的做法是：每个错误被捕获后，立即作为规则添加到 CLAUDE.md——这样 agent 每次启动时自动读取，"每周都比上周更聪明"。

SKILL.md — 编码项目不可妥协的标准和流程。让每个新启动的 agent 不用从零开始理解项目规则。

5.3 元组件一览

组件	层级	本质	说明
/loop	L1	时间驱动本地循环	最小 1 分钟，关电脑停
/goal	L1	条件驱动智能循环	独立 evaluator 每轮检查
/schedule	L2	云端持久循环	cron 驱动，关电脑不停
/batch	L3	集群扇出	数百 worktree agent 并行
agent()	L3	子智能体	最小执行单元
parallel()	L3	并发原语	无屏障并行
pipeline()	L3	流水线原语	多阶段，无屏障

5.4 风险与代价

其他已知风险：

• 漂移 (Drift)——长时间运行后，agent 可能遗忘初始约束（"不要做 X" 到第 47 轮就消失了）
• 自我确认 (Self-praise)——没有写查分离时，agent 给自己打分总是偏高
• 理解债务 (Comprehension Debt)——代码堆积速度快于人类阅读速度
• 验证负担——loop 说"完成"≠ 真的完成，人仍然需要在关键节点验证

六、与其它概念的深度对比

6.1 Boris Loop vs 传统 Agentic Workflow

维度	传统 Agentic Workflow	Boris Loop
生命周期	单次会话，执行完即止	持续运行，守护进程式
终止判断	人判断 / 硬编码条件	独立 evaluator agent 判断
任务自主性	人指定每步做什么	agent 自己决定每轮做什么
记忆	当前会话上下文	文件系统 + CLAUDE.md 持久化
层级	单层	三层互锁飞轮
验证方式	人审查输出	真实环境自验证（test/browser/CI）
伸缩性	单 agent 或少量并行	数百到数千 agent 并行

6.2 Boris Loop vs 动态 Workflow（Dynamic Workflow）

维度	动态 Workflow	Boris Loop
层级位置	Layer 3 的单次脚本	Layer 1 + 2 + 3 完整系统
调度	无调度，手动触发	/loop（时间）+ /schedule（cron）+ 按需
持久化	单次执行	云端持久化关电脑不停
终止判断	硬编码条件（如 dryRuns < 2）	子 agent 自主判断
记忆更新	return 结果	写文件 + 蒸馏进 CLAUDE.md
关系	—	动态 Workflow 是 Boris Loop 的 Layer 3

6.3 Boris Loop vs Ralph Loop

Ralph Loop（以《辛普森一家》的 Ralph Wiggum 命名）是 Boris Loop 理念的最简可运行实现。它不是 Boris 本人发明的，而是社区在 2025 年流行起来的一种模式：

# Ralph Loop（最简版）
while :; do cat PROMPT.md | claude-code; done

它的关键创新是 每次用固定锚点文件重置上下文——防止长对话中的上下文膨胀和漂移。据说有人用这个模式花了 $297 构建了一门编程语言。

维度	Ralph Loop	Boris Loop
复杂度	一行 shell 脚本	三层架构，数十个 loop 并行
上下文管理	每次从固定文件重置（防漂移）	文件系统 + CLAUDE.md 持久化
Evaluator	无——每次重新执行	有——独立 evaluator 判断完成
关系	Boris Loop 的最简前身	Ralph Loop 的工程化进化版

6.4 Boris Loop vs Addy Osmani 的 "Loop Engineering"

Google 工程师 Addy Osmani 在 2026 年 6 月系统化地提出了 「Loop Engineering」 框架，将 Boris 的实践提炼为 6 个可复用的构建模块：

模块	功能	对应 Boris 系统中的实现
Automations	定时触发器（时间/git/CI）	/loop, Routines (cron)
Worktrees	Git 隔离避免并行冲突	Layer 3 的隔离执行
Skills	冻结项目知识（SKILL.md / CLAUDE.md）	CLAUDE.md 记忆系统
Connectors	MCP 插件接入外部工具（GitHub/Slack/Linear）	PR 监护、Slack 反馈抓取
Sub-agents	制造者与检查者分离	/goal 的独立 evaluator
Memory	外部持久化状态	文件 + CLAUDE.md 蒸馏

Osmani 和 Boris 的关系类似于 Christopher Alexander 和建筑设计师——前者把实践提炼为模式语言，后者在实际建造。二者并非竞争关系，而是实践与理论的互补。

6.5 总对比矩阵

维度	传统 Agent	Ralph Loop	动态 Workflow	Boris Loop
提出者	行业通用	社区	Anthropic	Boris Cherny
层次	单次	单次	L3 单次	L1+L2+L3
持久性	❌ 一次性	❌ 一次性但可 while	❌ 一次性	✅ 守护进程
自主决策	❌ 人指定步骤	❌ 人写 prompt	🟡 固定 prompt	✅ 自主规划
写查分离	❌	❌	❌	✅
记忆进化	❌	❌ 每次重置	❌	✅ 蒸馏到 CLAUDE.md
终止判断	人	无 / 无限	硬编码	子 agent
规模化	单 agent	单 agent	~1000 agent	数千 agent

七、批判性思考：Loop 真的准备好了吗？

7.1 成本鸿沟

不可回避的事实是：Boris 和 Peter Steinberger（OpenAI / PSPDFKit 创始人）有几乎无限的 token 预算。Boris 个人消耗了 800 亿 token。对于个人开发者或小型团队，这意味着需要非常谨慎地设计预算控制：

• 每轮迭代都用 budget.remaining() 做 guard
• 对关键操作设 max_turns 上限
• 区分"白天的交互式 loop"和"夜间的批量 loop"，分别设不同预算

7.2 验证负担转移

Loop 并没有消除验证工作——它只是把验证从"审查每一行代码"变成了"审查 loop 产出的模式"。如果 loop 跑了一晚上提交了 50 个 PR，你早上需要看的不是 0 个，而是 50 个。Peter Steinberger 的补充很重要：

"Loop 需要一个反馈机制——测试、类型检查、真实世界的错误——否则 agent 只是在自我确认的圈子里空转。"

— Peter Steinberger, OpenAI

7.3 是否只是旧概念的新包装？

有怀疑者指出，Loop 本质上不过是 ReAct（推理-行动循环）+ AutoGPT + cron 的重新包装。这个批评有一定道理——循环本身不是新概念。Boris 的创新在于：

• 把这些已有概念系统化地组织成三层架构
• 在产品层面内置了写查分离（/goal 的独立 evaluator）
• 解决了"循环中上下文漂移"这个实际问题

真正新的不是"循环"这个概念，而是它成为了一种被主流工具原生支持的工作范式。

八、对 Workflow 编排技能设计的启示

回到实际落地层面。笔者开发了两个互补的 Claude Code skill 来实践循环工程理念：dynamic-workflow-automation（动态工作流生成）和 loop-engine（流水线编排引擎）。二者的定位差异和与 Boris Loop 的对比，恰好能揭示从"设计模式"到"完整系统"之间的鸿沟。

8.1 两个 skill 的定位差异

维度	dynamic-workflow-automation	loop-engine
定位	执行层——自然语言 → 自动生成 Workflow JS 脚本并运行	设计层——模糊需求 → 结构化 YAML 管线配置 + 门禁 + 循环
触发方式	用户描述任务，自动分析并匹配模板，无确认环节直接执行	结构化对话引导用户填写管线配置，需用户确认后再执行
运行环境	Claude Code 专属（依赖 Workflow 运行时）	任何 agent 环境（是 prompt 模板，不依赖特定运行时）
核心组件	7 种执行模板（Fan-Out/Pipeline/Loop/Verify/Judge）	Phase/Gate/Loop/Merge/Generate + 数据模式 + 执行模式
模板数量	7 种固定的编排模板	3 种执行模式 × 5 种 Phase 类型 = 可组合的构件
设计哲学	"别让我想"——自动分析、自动选模板、自动执行	"先想清楚再做"——结构化设计、门禁校验、可追溯

二者可以互补使用：loop-engine 做设计和门禁，dynamic-workflow-automation 做大并行执行。

8.2 与 Boris Loop 的对比

维度	dynamic-workflow -automation	loop-engine	两者结合	Boris Loop
层级	Layer 3 执行	Layer 0 设计	设计 + 执行（仍缺调度）	Layer 1+2+3 完整
调度/持久化	❌ 单次执行	❌ 单次执行	❌	✅ /loop + Routines
写查分离	🟡 T6 有对抗验证但非原生	✅ Gate 组件强制独立子 agent 评估	✅	✅ 原生 /goal evaluator
循环终止	❌ 硬编码 dryRuns	🟡 外循环带失败反馈，但仍由条件控制	🟡	✅ 子 agent 判断
循环反馈机制	❌ 无	✅ 外循环携带"做了什么/失败了什么"反馈回前序阶段	✅	✅ evaluator 反馈
记忆进化	❌ 无	🟡 best_of 收敛但不蒸馏	🟡	✅ 蒸馏到 CLAUDE.md
最佳结果收敛	❌ 只取最后一轮	✅ best_of 模式保持最佳轮次	✅	🟡 无显式 best_of
跨环境	❌ Claude Code 专属	✅ 任何 agent 通用	🟡 取决于组合方式	✅ Claude Code 原生

8.3 有意思的发现：loop-engine 的 Gate 天然契合写查分离

loop-engine 中的 Gate（门禁）组件有一个硬约束："门禁必须通过独立的子 agent 执行，不能由干活的 agent 自己评判。" 这与 Boris 的写查分离原则不谋而合——而且 loop-engine 在概念层面走得更早。Boris 的 /goal 是在产品层面内置了这个机制，loop-engine 是在 prompt 层面通过纪律来保证。

另一个亮点是 loop-engine 的 best_of 收敛模式——不是默认取最后一轮的结果，而是始终保持一个"最佳轮次"指针。这解决了循环工程中一个真实痛点：最后一轮往往不是最好的（agent 可能在后期跑偏），而人类直觉会默认"最后的 = 最好的"。

8.4 三者关系的综述

8.5 差距总结

两个 skill 的组合已经覆盖了 Boris Loop 中 Layer 3（执行层）的大部分，并在设计理念上部分触及 写查分离（loop-engine 的 Gate）和 循环反馈（loop-engine 的外循环）。但核心差距依然存在：

1. 调度层不可创造——/loop 和 Routines 是 Claude Code CLI 的内置能力，skill 作为知识层无法模拟
2. 递归式终止不可替代——硬编码的 dryRuns 条件和"让另一个 AI 判断是否完成"有本质差异
3. 层间通信需基础设施——Boris 的层间通过文件系统通信，这是三层架构的前提条件
4. 记忆进化需要长期运行——CLAUDE.md 蒸馏机制在单次执行场景中无法体现价值

这也反过来印证了 Boris Loop 的真正价值：不是提出了某一种新算法，而是把已有的原语（agent、parallel、pipeline）和已有的概念（写查分离、循环反馈、文件记忆）有机地组织成了一个完整的三层系统。 两个 skill 各自实现了其中的一部分，但要达到 Boris 那种"数百 agent 昼夜运行、每周自我进化"的效果，还需要基础设施层面的补齐。

九、结语：范式转移的实质

Boris Cherny 的一句话最能概括整个 Loop 工程范式的本质：

"工作并没有消失。它只是改变了海拔——从写代码变成了写那个写代码的东西。"

— Boris Cherny

从手写代码到提示 AI，从提示 AI 到设计 loop——人的角色从"生产者"变成了"系统设计师"，从"操作机床"变成了"设计整条产线"。Boris 能卸载 IDE、从手机管理数百个 agent、一个月提交 259 个 PR，不是因为他写了更好的 prompt，而是因为他不再写 prompt 了。

对于还在"回合制"地和 AI 对话的开发者来说，Loop 工程不仅是一个新工具，更是一种新的思维方式：你不是在写代码，你是在设计那个写代码的系统。

而那个系统的核心，不是什么新技术，而是三个原则的有机组合：让 AI 来决定做什么（自主规划）、让另一个 AI 来检查做完了没（写查分离）、把学到的东西沉淀下来让明天的自己更聪明（记忆进化）。

— END —