外媒评论称，AI 开发圈近期开始集中讨论一种被称为“循环”的工作方式：不再只是让单个代理完成一次任务，而是让多个代理在后台持续运行、彼此协作，反复改进同一项工作。这可能把 AI 编程工具从单次响应推进到连续执行任务。
Meta大会上谈到“循环”
在 Meta 的 @Scale 大会上，Claude Code 创建者 Boris Cherny 被问到，“循环”究竟是新一轮炒作，还是确有实际价值。按他的说法，这一方向已经开始进入真实使用阶段。
Cherny表示，软件开发流程正在连续变化。先是开发者手写代码，随后转向由 AI 代理生成代码，现在又进一步变成“代理提示代理”，再由后者完成具体编写与修改。文章称，在他看来，这一步的重要性不亚于此前从手写代码转向 AI 代理。
多个代理持续改代码
Cherny举例称，一个代理持续寻找改进代码架构的方法，另一个代理则专门检查重复抽象并尝试合并。它们会像普通开发者一样提交 pull request。由于代码库本身不断变化，这些代理也不会停止运行。
文章认为，这种模式和当前多数用户使用 AI 代理的方式不同。此前更常见的做法，是给代理设定清晰目标，按阶段检查结果，并尽量限制其偏离提示词。所谓“循环”，则是把权限进一步放开，让一组代理长期在后台执行任务。
潜力更大，成本也更高
TechCrunch指出，这并不是全新的计算机科学概念。递归循环本来就是编程中的基础方法，只是现在的停止条件不再完全由固定规则决定，而可能交给另一个 AI 子代理判断。也就是说，AI 监督 AI 的思路，正在从理论结构变成实际产品形态。
文章还把这一趋势与“测试时算力”联系起来。OpenAI 研究员 Noam Brown 本月早些时候提到，当前模型在投入足够算力的情况下，已经能处理非常多的问题。按这一逻辑，如果某项任务可以通过不断迭代逐步变好，比如优化代码库，那么持续投入算力，就可能持续换来结果改善。
不过，这种方式的代价也很直接。文章称，和普通问答式聊天机器人相比，代理型 AI 本就会消耗更多 token，而循环工作流因为默认持续运行，成本上限更难控制。对使用方而言，长期运行多个代理可能是一种昂贵的工作方式。
尽管如此，文章认为，只要任务本身足够适合持续迭代，并且企业能对 token 开支、任务偏移等问题进行监控，这类循环工作流仍可能带来明显收益。