什么是 Loop？ 最近几天比较火～

Loop 就是智能体循环（agent loop）：模型不再是"收到一段指令 → 吐一个结果"就结束，而是进入一个循环体——推理 → 行动 → 观察结果 → 再推理，直到任务真正完成才退出。图右边虚线框里那个会绕回来的结构，就是 loop。
它本质上是把软件工程里早已成熟的做法搬进了 AI：REPL、事件循环、while 循环——都是"反复执行直到条件满足"的结构。Loop 只是把"循环体"换成"模型的思考 + 工具调用"。
为什么它能取代提示词？
关键不在"循环"这两个字，而在于它把复杂度的承载位置从"你的文本"搬到了"系统结构"上。我给你拆成四层：
1. 从"描述怎么做"变成"定义做什么"
提示词是一种静态编码——你必须预先想清楚完成任务的每一步，然后用自然语言写下来。问题在于：真实任务你根本没法预先想全。一个投资分析，到底要先查财报还是先看行业？取决于查到什么。提示词写死了路径，而 loop 让模型根据每一步的真实反馈决定下一步。你只给目标和能力边界，路径是动态生成的。
2. 上下文从"塞进去"变成"长出来"
提示词的威力取决于你能在上下文窗口里塞多少信息——但很多信息你事先不知道需不需要。Loop 里，每次工具调用、每次观察都会自动追加到上下文里。上下文不是你预算好的一次性投入，而是随着循环动态生长的。模型需要什么，就去取什么。
3. 有了纠错能力
单次提示词没有"重试"的概念——错了就是错了。Loop 是带反馈的：工具报错了、搜索没找到、数字对不上，模型在下一轮推理里能发现并修正。这就像从"手写汇编"升级到"带断点调试的高级语言"——前者你得一次写对，后者你能边跑边修。
4. "怎么做"被工具固化，"做什么"留给自然语言
这点最关键。传统提示词工程把"调用哪个 API、按什么顺序、怎么解析返回"都用文字描述，歧义极大。Loop 范式里，这些被做成工具——函数签名就是精确的、无歧义的接口。模型只需要决定"什么时候调哪个工具"，而不用靠自然语言猜怎么调。提示词的歧义性，被工具的确定性取代了。
一句话的本质
提示词 = 你把整个执行逻辑压进一段文本，赌它一次跑对。 Loop = 你定义目标 + 给一套工具 + 让模型在真实交互里自己长出执行路径。
它不是"消灭"了提示词——系统提示（你是谁、能用什么、守什么规矩）依然存在且重要。它消灭的是**"为每个任务写一份完美指令"这件事**。复杂度从"单条提示词的长度"转移到了"系统设计 + 工具集的质量"，而后者是可以工程化、可复用、可测试的。
这也是为什么这一波 AI 应用的重心，正从"提示词工程"转向"智能体/系统设计"——当你能把"怎么做"固化进工具和循环结构，自然语言就只需要表达"做什么"，而那本就是它最擅长的事。