AI 世界开始“循环”了：当智能体永不停止工作
在 Meta 的 @Scale 大会上，Claude Code 的创造者 Boris Cherny 语出惊人：AI 的下一个大步不是智能体（agent），而是“循环”（loop）。
所谓循环，就是让一群 AI 智能体在后台永不停歇地工作，彼此协作、持续改进，甚至互相提交代码请求。这听起来像是科幻小说，但 Cherny 认为它和从手写代码到智能体的转变一样重要。
循环是什么？
传统上，我们使用 AI 智能体时，会设定明确目标、检查进度，不让它偏离提示词太远。但循环更进一步：授权一群智能体在后台持续工作，无需人为干预。
例如，Cherny 在自己的工作中同时运行着两个循环：一个不断寻找改进代码架构的方法，另一个寻找可以合并的重复抽象。它们像人类程序员一样提交拉取请求（pull request），由于代码不断变化，它们也永远不会停止运行。
这不是全新的概念
递归循环（函数调用自身以重复某个动作，并带有停止条件）是计算机科学入门课程的核心内容。AI 领域的循环遵循的是非确定性逻辑——由子智能体决定何时停止，而非明确的停止条件——但基本思路相同。
事实上，一旦程序员开始用 AI 完成任务，某种形式的递归循环（AI 监督 AI）就必然会诞生。
简单而强大的 Ralph 循环
与经典计算不同，智能体循环可以出奇地简单。最流行的技巧之一是 Ralph 循环（以《辛普森一家》中的 Ralph Wiggum 命名）：它汇总模型已完成的所有工作，然后询问是否达成了目标。这解决了 AI 模型长时间运行后容易迷失方向的问题——本质上是在模型偏离轨道时将其“弹回”到正轨。
可信吗？
将大量信任交给 AI 确实需要勇气。但随着模型能力快速提升，循环可能是让 AI 处理真正工作的下一步。Cherny 的背书让这一概念更具分量——毕竟，他是 Claude Code 的创造者，而 Claude Code 本身就是 AI 编程领域的标杆产品。
从手写代码到智能体编写代码，再到智能体提示智能体编写代码，每一步都指数级地扩展了 AI 的能力边界。循环，或许就是下一个引爆点。
