Loop Engineering (迴圈工程)導論

了解 AI 代理如何使用 ReAct 迴圈(loop)、記憶體和護欄進行思考、行動和自我糾正

從這 1 小時的課程，你會學到

解釋什麼是代理的迴圈( agentic loop )，以及它如何將一個基本的聊天機器人轉變為一個能夠推理、行動和自我糾正的人工智慧代理( AI agent )。ㄊ
識別四種核心迴圈( loop )類型—ReAct、反射、工具使用和多代理—並確定哪種 loop 適合特定任務。
在 Cursor 中使用 Claude Code 的 /loop 命令運行一個真實的代理的迴圈( agentic loop )，並即時觀察「思考-行動-觀察」loop。
應用迴圈終止策略—迭代次數上限、無進展檢測和優雅的部分輸出—來防止 agent (代理)失控。
診斷三種最常見的 loop 故障模式—無限 loop ( infinite loop )、幻覺 loop ( hallucination loop ) 和用量崩潰( token blowup )—並應用修復方案。
為 agent loop 加基本的短期記憶和長期記憶，使其能夠在會話( session )內以及跨對話中保留上下文( context )資訊。
設計簡單的輸入、輸出和行動防護措施，以確保 agent loop 在演示環境之外的安全運作。
比較 Claude Code、LangGraph、CrewAI 和 AutoGen 作為 loop 環境，並解釋它們各自處理方式的差異。

要求

對 Claude Code 和 Cursor 或任何 IDE 的基本了解將有所幫助。

課程說明

如果能夠窺探 AI 代理的內部運作，了解它的思考方式，那會怎麼樣？

大多數人每天都在使用 AI 工具，但很少人真正理解其底層運作機制。當 AI 代理瀏覽網頁、編寫和修復程式碼，或完整地處理客戶支援工單時，它並非一次完成所有操作。它運行著一個 loop —思考、行動、觀察結果，然後再次 loop。這個loop 就是您所了解的每一個 AI 代理的核心引擎。

本課程將從零開始，為您解釋這個引擎的運作原理。

迴圈工程(Loop Engineering)導論是一門專注且適合初學者的課程，時長一小時，專為那些從未系統學習過人工智慧，但渴望真正理解現代 AI 代理工作原理的人士而設計 — 不是淺嚐輒止，而是深入其底層機制。課程結束時，您將能夠查看任何 AI 代理演示或職位描述，並理解其背後的運作機制。您也將能夠一步一步地建立一個簡單的可運行的 agent loop ，而無需任何程式設計經驗。

為什麼要學 Loop Engineering？為什麼是現在？

人工智慧技能格局瞬息萬變。 2022 年，熱門技能是編寫更優質的提示。到了 2024 年，熱門技能變成了為模型提供更優質的上下文資訊。而到了 2026 年，真正的尖端領域將是迴圈工程( loop engineering )—設計人工智慧運作的 loops。正如 Anthropic 公司 Claude Code 團隊負責人 Boris Cherny 所說：「我不再給 Claude 提示( prompt)了。我運行的是 loops，loops 會提示 Claude。我的工作就是編寫 loops。」本課程將幫助您在 loop engineering 成為招聘要求的必備技能前熟練掌握這門新語言。

您將學到什麼

我們從最基本的問題著手：在人工智慧領域，什麼是迴圈( loop )? 您將學習支撐所有 AI 代理的核心「思考-行動-觀察」迴圈—從簡單的客服機器人到能夠編寫、測試和修復自身程式碼的多步驟編碼代理。在編寫任何程式碼之前，我們會使用日常類比，確保您在實際操作之前就能理解概念。

接下來，您將探索實際生產系統中出現的四種 loop (迴圈)模式。 ReAct loop（即 Reason 和 Act 的縮寫）是基礎模式，它得到了普林斯頓大學和谷歌同行評審研究的支持，也是您今天接觸的大多數 AI 代理背後的架構。reflection loop (反射迴圈）允許代理在將輸出返回給您之前對其進行批判和改進。工具使用 loop ( tool-use loop ) 是實際應用能力的來源—代理調用外部工具，例如網路搜尋、計算器或資料庫，並根據找到的資訊更新其推理。多代理 loop ( multi-agent loop )引入了多個專業代理團隊協同工作，其中一個代理負責協調其他代理。

然後，我們將透過三個具體的業務用例—客戶支援代理、編碼代理和研究代理 — 以及真實的統計資料和坦誠的注意事項，來分析這項技術的優勢和不足之處。在本部分結束後，您將對迴圈在當今能夠做什麼和不能做什麼有一個切實可行的認識。

實踐部分

課程進行到一半時，我們將開始建立。您將完整地學習一個入門級的 ReAct loop — 每一行程式碼都用簡單易懂的語言解釋，沒有任何預設。然後，我們將它應用到實際環境中：您將看到 Claude Code 的 /loop 命令在流行的 AI 原生程式碼編輯器 Cursor 中運行。這不是演示—這是一個可以即時運行的迴圈，您可以觀察 agent 如何推理、調用工具以及決定何時停止。您將清楚地看到每個步驟的具體操作，agent「看到」的內容，以及迴圈是如何終止的。無需任何 Cursor 或 Claude Code 的使用經驗—我們將從零開始搭建，重點在於理解迴圈機制，而不是工具本身。

Loop 故障及其預防

這是大多數入門課程都會忽略的部分—而真正的可靠性就源自於此。您將學習幾乎所有代理的迴圈最終都會遇到的三種故障模式：無限 loop (i nfinite loop )、幻覺 loop ( hallucination loop ) 和用量崩潰( token blowup )。每一種故障模式都會透過一個真實案例和具體的解決方法來解釋。您將獲得的五個修復清單—嚴格的迭代次數上限、無進展檢測、令牌預算、上下文摘要和基於事實的自我檢查—決定了您的 agent 是在演示中讓您尷尬，還是在實際應用中可靠運行。

終止、記憶和防護措施

您還將學習如何正確地停止迴圈( loop )—因為優雅地停止與良好的啟動同樣重要。本課程涵蓋迴圈應有的五種退出方式：目標達成、達到最大迭代次數、預算耗盡、未檢測到任何進展以及升級至人工干預。您將學習如何在 loop 中設計記憶體——包括用於保存任務上下文的短期暫存區和用於跨會話持久化的長期儲存。此外，您還將學習三層防護模型—輸入防護、輸出防護和動作防護—該模型可以將原型轉化為您真正信賴的產品。

未來發展方向

本課程最後將以清晰的視角審視定義下一波浪潮的兩大趨勢：多代理編排和迴圈可觀測性。您將了解為什麼 Gartner 報告顯示，2024 年第一季度到 2025 年第二季度期間，企業對多代理系統的諮詢量激增了 1445%；您將了解 LangGraph、CrewAI、AutoGen 和 OpenAI Agents SDK 等框架的實際用途；以及為什麼“每次任務成本”正在取代“每次令牌成本”成為更重要的指標。課程結束後，您將清楚知道下一步該怎麼做。

本課程適合哪些人

如果您曾經使用過 AI 工具，並且想知道“它究竟是如何實現的？”，那麼本課程非常適合您。本課程也適合希望與建構人工智慧功能的工程師進行有效溝通的產品經理；適合正在評估是自建還是購買 agent 基礎設施的創始人；適合希望在深入學習框架之前打好基礎的 AI 新手開發者；也適合那些對現代 AI 最重要的架構概念之一感興趣，並希望獲得真正坦誠、通俗易懂的介紹的非技術學習者。

本課程並非什麼

本課程並非關於提示工程( prompt engineering )或 ChatGPT 通用用法的課程。它也不是一門高階機器學習課程—我們不涉及模型訓練、微調或數學知識。本課程著重於 agentic loop 設計：loop 的工作原理、loop 失效的原因，以及如何在入門層面上建立和控制迴圈。我們使用 Claude Code 和 Cursor 作為實踐環節的參考框架，但您所學習的概念適用於任何 agent 框架或工具。

您的講師

Yash Thakker 是一位 AI 產品領導者和教育家，擁有十餘年建構 AI 產品的經驗。他曾在 Udemy 和 Coursera 等平台上教授超過 10 萬名學生，並發布了已被數萬人使用的實際 AI 工具。他的教學風格直截了當、通俗易懂，並且基於實踐經驗—而非為了理論而理論。

如果您一直在尋找一個清晰、坦誠、適合初學者的 AI 代理和 loop 設計入門途徑，那麼這就是了。立即報名，花一個小時學習這項正在悄悄成為 AI 領域最有價值的技能。