Loop Engineering 实践：一次批量实现 8 个 issue，完成夔牛工具的开发
Loop Engineering（循环工程）是AI编程领域的前沿实践，由Anthropic的Boris Cherny等人倡导，核心思想是将编程工作从直接编写代码提升到设计自动化循环驱动编码代理。本文首先追溯Loop Engineering的演进历程：从2022年的ReAct学术循环到2023年AutoGPT的自主提示，再到2025年Ralph Loop的简单管道，最终发展为2026年支持循环间监督、并发执行和状态持久化的编排式Loop。作者基于此理念开发了goal-workflow开源工作流，其中/loop-it命令能批量处理GitHub issues，每个issue经历目标实现、代码审查、决策记录和提交合并四个阶段。技术实现包括使用.loop-state.json文件持久化循环状态以实现崩溃恢复，通过拓扑排序自动解析issue依赖关系确保执行顺序，引入split verifier机制让独立代理验证代码质量，并设计分级错误处理策略应对构建失败、测试红灯等常见问题。实战案例中，该工作流在一小时内完成kuiniu工具的8个feature开发，从PRD到代码合并全程自动化，展示了Loop Engineering在提升开发效率和自动化程度上的潜力。文章还对比了轻量级实现与更宏大编排系统的优缺点，强调状态管理和错误恢复在长链路任务中的关键作用。