循环之外：当AI编码不再是用完即走

“当每一个程序员都在谈论 AI 编码时，真正改变行业的，是那些在 AI 编码之外构建系统的人。”

这是 Boris Cherny 在一次闭门技术讨论中说的一句话。Flask 框架的创始人 Armin Ronacher 最近写了一篇短文，标题叫”The Coming Loop”。他描述的，不是某个新工具，而是正在悄然成型的 AI 编码新范式——当模型不再是一个用完即走的交互式助手，而是被嵌入到一个永不停歇的循环中。

内循环：工匠的困局#

今天的大部分 AI 编码工具，走的是一条类似的路线：你抛出一个需求，模型开始思考、读文件、改代码、跑测试，然后等待你的下一个指令。这个从”思考到测试”的过程，Armin 称之为”内循环”（inner loop）。它像个技艺精湛的工匠，坐在你的桌边，你一吩咐它就动手，你走开它就停工。

问题在于，这种方式天然受限于单次对话的窗口。代码写到一半，上下文满了；测试跑到一半，工具链断了。你无法让一个 AI 助手”今天先做着，做完告诉我”。每一次交互，都是一次重新开始。

外循环：从工匠到流水线#

Armin 所观察到的”外循环”（outer loop），则完全改变了这个逻辑。在这个新范式里，任务被丢进一个队列，一台机器捡起它，开始尝试，然后停下来。接着，一个叫做”调度层”（harness）的东西会判断：任务完成了吗？如果没完成，它自动注入下一条消息、启动一个新的会话窗口，甚至把任务派发给另一台机器继续处理。

这不是简单的”用 AI 编码”，而是在”AI 编码”之上构建了一个完整的运行系统。如果说内循环是工匠，那外循环就是流水线——它不关心单次干活的人是谁，它只关心任务最终能不能抵达终点。

为什么这很难#

Armin 坦诚地说了一句话：“我还没能把它做好。“这不是客套。外循环的挑战在于，它逼迫开发者去面对一个从未思考过的问题：如何把一个创造性的、充满试探性的编码过程，拆解成可调度、可重试、可传递的工作单元？

任务的边界在哪？失败如何判定？当上下文在两次会话之间断掉，如何让新的模型实例”接得住”前人的思路？这些问题没有现成的答案。不少团队正在用各种框架摸索，但远没到形成最佳实践的程度。

反过来，这一趋势也说明了一件事：AI 编码的瓶颈，从”模型能力”正在悄悄转向”系统能力”。模型能写好一个函数，但这远远不够。真正让编码工作自运转起来的，是调度、队列、状态管理这些听上去很”工程”的东西。

流水线的尽头#

Armin 的文章很简短，甚至带着一丝困惑。但他抛出的概念——外循环——可能会成为 2026 年 AI 工程化领域最值得讨论的关键词之一。当一个行业从”怎么用好模型”转向”怎么搭好系统”，说明它正在走向成熟。

也许未来回头看，我们会发现：真正让 AI 编码走出辅助角色、成为生产线主力军的，不是某个模型版本的跨越式升级，而是有人把”循环”这件事想明白了。

来源：Hacker News