「我不再手动给Claude写提示词了。我有循环在运行，这些循环持续调用Claude，找出下一步该做什么。」Flask框架作者、Sentry联合创始人Armin Ronacher（@mitsuhiko）在6月23日的博客文章中宣告了一种全新的编程范式。这篇题为The Coming Loop的文章在HN上获得299分，引发了关于AI辅助编程未来形态的深刻讨论。
从对话到循环：编程体验的质变
Ronacher观察到，过去一年中他与AI的交互方式发生了根本性变化。早期是「我在聊天框里写prompt，Claude回复代码」的对话模式。这种方式虽然高效，但仍然需要人类来驱动每一次交互——提出问题、审查答案、决定下一步。
但最近几个月，他发现自己越来越少打开聊天窗口。取而代之的是后台运行的自主循环：一个主控程序持续调用LLM，LLM分析当前状态，决定下一步操作，执行它，观察结果，然后再次调用LLM——形成闭环。人类从操作者变成了监督者。
Flask作者的实践：从Agent到Loop
作为资深的工具构建者，Ronacher分享了几个具体的循环模式。在代码审查场景中，他运行一个循环：每5分钟抓取新PR → LLM分析代码变更 → 自动在关键问题上标记评论 → 人类最终确认。在测试生成中，循环持续分析覆盖率缺口 → 生成测试 → 运行测试 → 根据失败修正。
他特别强调了一个关键洞见：循环的质量取决于退出条件的设计。一个没有良好终止条件的LLM循环会陷入无限自我修正，反而降低代码质量。最好的循环是那些有明确「完成」信号和人类最终决策权的。
编程的未来：Agentic Loop模式
Ronacher认为我们正站在一个编程范式转换的临界点。传统的「编写-编译-运行」循环正被「定义目标-启动循环-监督输出」所取代。这不是AI取代程序员，而是程序员从微观的代码编写中解放出来，转向更高层次的目标定义和质量把控。
他也坦率地指出了当前循环模式的局限：LLM缺乏真正的长期记忆，跨会话上下文容易丢失；循环中的错误可能因反馈回路被放大；以及过度的自主性可能导致「垃圾进，垃圾出」的加速版。
社区反响：共鸣与批判
HN评论区展现了技术社区对这一趋势的复杂态度。支持者分享了自己的类似经验——有人用循环自动重构了整个微服务架构，有人让AI循环持续优化数据库查询性能。批评者则担忧：如果程序员不再亲自写代码，我们如何确保理解系统的每个细节？当LLM的循环产出难以审查的代码时，技术债务会以指数级增长。
一条高赞评论总结道：「循环是必然的。问题不是要不要用，而是如何设计出有护栏的循环。」这或许正是Ronacher文章的核心信息——未来已来，关键在于我们如何驾驭它。
🔗 原文链接：lucumr.pocoo.org/2026/6/23/the-coming-loop
💬 HN讨论：news.ycombinator.com/item?id=48643180