Лао Хуан: Prompt мертв, весь мир ИИ лихорадочно гонится за Loop

marsbitОпубликовано 2026-06-29Обновлено 2026-06-29

Введение

Недавно в Кремниевой долине наблюдается бум вокруг концепции «Loop Engineering» (инженерия циклов). Ведущие эксперты, включая Дженсена Хуанга (NVIDIA), утверждают, что ручное написание промптов устарело, и будущее за проектированием автономных циклов, в которых ИИ самостоятельно выполняет задачи. Согласно статье, традиционный prompting требует постоянного человеческого участия на каждом шагу. Loop Engineering меняет парадигму: человек становится архитектором системы, которая сама обнаруживает задачи, исполняет их, проверяет результаты, сохраняет состояние и продолжает работу в цикле 24/7. Ключевыми компонентами являются: определение цели, создание механизмов верификации (самый важный этап, требующий отдельного агента-оценщика), настройка планировщика и постоянной памяти. В июне 2026 года Addy Osmani (Google) официально ввел термин, представив Loop Engineering как четвертый уровень над prompt, context и harness engineering. Распространившаяся 11-страничная «белая книга» и практическое руководство на 14 шагов описывают, как строить такие системы, предупреждая о рисках: «долг верификации», «когнитивная капитуляция» и неконтролируемый расход токенов. Хотя циклы потребляют больше времени и вычислительных ресурсов (пример с разработкой игры в Anthropic: 9$ за 20 минут против 200$ за 6 часов), они обеспечивают значительно более высокое качество результата. Будущее видится за инженерами, которые не пишут промпты, а проектируют эффективные автономные циклы, оставаясь ответственными...

Какой термин сейчас самый горячий в Кремниевой долине?

Loop (Цикл).

Открой X (бывший Twitter) — вся сеть завалена разговорами про Loop Engineering (Инженерию циклов).

Толпа гуру из Кремниевой долины массово отказывается от промтов (подсказок) и переходит на автономные циклы!

Дженсен Хуан указал нам на новый фокус следующего этапа (и новый способ сжигать токены):

Никто больше не пишет промты. Новая работа — писать и управлять циклами.

Недавно инженер из Anthropic раскрыл:

Внутри Anthropic более 80% инженеров уже используют самоулучшающиеся циклы, через 3-6 месяцев доля достигнет 100%.

Эндрю Ын заявил: через 3-6 месяцев промты отомрут! Замена промтов циклами — свершившийся факт.

Ранее, объясняя свой проект AutoResearch, Карпати обсуждал замкнутый цикл ИИ-агентов (генерация → исполнение → оценка → улучшение) и призывал частично удалить человека из цикла.

В мартовском интервью Карпати подробно рассказал об AutoResearch / цикле Карпати.

Питер Штайнбергер, отец OpenClaw, прямо заявил: ежемесячное напоминание — хватит писать промты вручную, проектировать циклы — вот путь к успеху.

Борис Черны, отец Claude Code, смело заявил: Циклы — это будущее!

Два года назад мы ещё писали код вручную. Потом начался переход к написанию кода агентами.

Сейчас мы вступаем в этап, где агент даёт промты другому агенту, а тот уже генерирует код.

Шаг от исходного кода к агенту был большим, но внедрение циклических механизмов по значимости и влиянию ничуть не уступает ему.

Неожиданно, промт-инжиниринг, бушевавший два года, уже не в почёте у ведущих ИИ-инженеров.

Почему гуру Кремниевой долины так верят в Loop?

Суть традиционного промтинга: человек сам является циклом.

Ты пишешь промт → Агент выдаёт результат → ты проверяешь → пишешь следующий промт → и так по кругу.

Каждый шаг зависит от человеческого внимания, контекстной памяти и пропускной способности принятия решений. Количество токенов и сложность задач, которые один человек может эффективно вести за день, ограничены.

Суть Loop Engineering: система сама становится циклом.

Поэтому инженерия циклов важнее промт-инжиниринга.

Человек делает всего один раз высокоценный дизайн:

1. Определяет цель и условия остановки.

2. Создаёт механизм проверки (самое ключевое).

3. Организует постоянную память (markdown / внешнее состояние).

4. Настраивает обнаружение и планирование.

После этого ИИ-циклическая система может автономно: обнаруживать задачи → выполнять → проверять → сохранять → снова обнаруживать, работая 24/7. Человек вмешивается только при необходимости.

Вот почему гуру Кремниевой долины верят в Loop.

В основе этого суждения: как только циклы созреют, экономическая эффективность ручного промтинга рухнет!

Белая книга по Loop Engineering на 11 страницах бешено расходится по сети

Так что же такое цикловой процесс?

Последние дни в X бешено расходится такая белая книга по Loop Engineering.

https://drive.google.com/file/d/1qzKI4DKnyHRpXK1J3ATPqwaqLc0iNu-M/view

Этот 11-страничный PDF по сути — популярное резюме / живое руководство, объединяющее соответствующие публичные обсуждения и практический опыт.

Основная идея исходит из публичных высказываний Питера Штайнбергера, Бориса Черны и Эдди Османи.

Что такое инженерия циклов?

Loop Engineering (Инженерия циклов) — термин, введённый инженером Google Chrome Эдди Османи в июне 2026 года.

Это четвёртый уровень поверх промт-инжиниринга, контекстного инжиниринга и инжиниринга инструментальных цепочек: первые три уровня предполагают, что ты сидишь за клавиатурой и строчно командуешь ИИ; Loop Engineering убирает тебя с этого места, полностью освобождая от работы.

Отныне ты не движок, приводящий ИИ в действие, а архитектор, проектирующий этот движок.

Система будет автоматически просыпаться в заданное время, порождать дочерних агентов для работы и передавать выводы самой себе как входные данные для следующего раунда.

Статья разбивает полный цикл на пять ключевых действий:

Обнаружение: ИИ сам находит ценную работу, используя зафиксированную библиотеку навыков, например, читая свежие записи о падении CI или нерешённые проблемы (issues).

Передача: для каждой задачи запускается изолированная песочница, позволяя множеству агентов работать параллельно, не мешая друг другу.

Проверка: это самый ключевой шаг. Если заставить ИИ, пишущий код, оценивать себя, он будет слепо себя хвалить. Поэтому необходимо ввести полностью независимого «оценщика»-агента, который по умолчанию настроен скептически и будет искать ошибки.

Сохранение: память ИИ не должна оставаться только в контекстном окне, которое в любой момент может быть очищено. Необходимо фиксировать его состояние и прогресс на диске, чтобы на следующий день можно было продолжить работу.

Планирование: с помощью автоматических скриптов система периодически запускается автономно, замыкая весь цикл.

Самым сложным и легко пропускаемым из лени является этап проверки.

Если заставить ИИ самому себя оценивать, он почти всегда будет хвалить себя, потому что у него в голове цепочка самоубеждения. Решение — ввести независимого агента-оценщика, который по умолчанию предполагает, что код плох.

Однако, полностью автоматическая работа системы не означает, что можно почивать на лаврах. Автор предупреждает: когда цикл несётся в ночи, он может незаметно накопить четыре вида скрытых затрат.

Долг проверки: небольшие неверифицированные ошибки тихо сливаются в репозиторий.

Деградация понимания: ИИ пишет код слишком быстро, из-за чего человеческое понимание кодовой базы серьёзно отстаёт.

Когнитивная капитуляция: человеку лень проверять, он принимает результаты ИИ целиком.

Неуправляемые токены: ИИ в бесконечном цикле всю ночь перезапускается, сжигая весь бюджет.

Один и тот же цикл, созданный двумя разными людьми, может дать диаметрально противоположные результаты. Если вложить проницательность — она усилится; если вложить лень — лень усилится.

В итоге, этот отчёт раскрывает глубокую перемену в отрасли: инженерия циклов делает генерацию кода почти бесплатной, а человеческая проницательность становится единственным дефицитным ресурсом!

Также, одновременно по сети бешено расходится практическое руководство из 14 шагов от Codez, уже набравшее миллионы репостов.

Суть статьи: Промты устарели, точка приложения усилий сместилась на уровень выше — от «фраз, которые пишешь ИИ» к «проектированию системы, которая автоматически кормит ИИ».

Этот переход можно разбить на 14 шагов, 3 этапа —

Сначала оцени, действительно ли тебе нужен цикл (задача повторяется? можно ли автоматизировать проверку? бюджет выдержит?), затем изучи пять компонентов (планировщик, изолированная рабочая директория, файл навыков, внешний коннектор, независимый агент-оценщик), и наконец собери минимально рабочий цикл.

Самое ключевое: разделить агента, пишущего код, и агента, проверяющего код. Одна и та же модель и игрок, и судья — всегда будет ставить себе высший балл.

Цикл без объективного контрольного механизма проверки — это просто «два оптимиста кивают друг другу». Чем лучше работает цикл, тем легче инженеру перестать реально понимать код.

Хронология появления Loop Engineering

Если выстроить временную линию инженерии циклов, она выглядит примерно так.

Предварительный, фундаментальный этап

2022 год: Яо Шуньюй и другие предложили фреймворк ReAct, заложив теоретический фундамент.

2025 год: Джеффри Хантли предложил «Ralph».

2025–начало 2026: Андрей Карпати выпустил проект AutoResearch, сформировав классический цикл автономного эксперимента — важная веха.

Взрыв концепции и этап наименования

Начало июня 2026, Питер Штайнбергер заявил: не стоит больше вручную промтить кодирующих агентов, нужно проектировать циклы, которые их промтят.

Борис Черны сказал: я больше не промчу Claude напрямую, моя работа — писать циклы, запускающие Claude.

7 июня 2026: Эдди Османи опубликовал блог «Loop Engineering», официально дав название и предоставив 4-уровневую схему: Prompt → Context → Harness → Loop Engineering.

Затем, на протяжении всего июня, Loop Engineering начал вирусно распространяться по всей сети.

«Бесконечный цикл» Claude, автоматизированные агенты берут всё под контроль

Во внутреннем подкасте инженеры Anthropic выдали леденящую душу деталь:

Когда ты нажимаешь «запустить», отправляя Claude на 8-часовое выполнение, по сути делаешь ставку на вычислительные мощности в 500 долларов.

Если ты всё ещё ломаешь голову над написанием промта, ты уже проиграл.

По логике Anthropic, инженеры эволюционируют в «распределителей вычислительных мощностей».

Твоя основная работа больше не написание логики, а решение, куда направить каждый цент вычислительной мощности.

Как ранее в этом месяце указал исследователь OpenAI Ноам Браун, современные модели могут решить практически любую проблему, если вложить достаточно вычислительных мощностей.

Инженерия циклов — часть большой тенденции «вычислений во время тестирования» (test-time compute).

Интересно, что идея зацикленной работы агентов на самом деле появилась раньше.

Как минимум прошлым летом австралийский «пастух» Джеффри Хантли упоминал подобный подход в блоге, называя его «циклом Ralph».

Год назад, чтобы реализовать цикл, приходилось писать кучу bash-скриптов и вечно их поддерживать, этот код принадлежал только тебе.

Сейчас эти компоненты встроены прямо в продукты.

Ты уже не будешь спорить, использовать Codex или Claude Code, а просто спроектируешь цикл, который будет нормально работать независимо от того, в каком инструменте ты находишься.

Бывший руководитель инженерного отдела и по работе с разработчиками в Google Эдди Османи отмечает, что все необходимые для инженерии циклов части уже есть в этих ИИ-инструментах.

Он также утверждает, что инженерия циклов может привести к «когнитивной капитуляции» инженеров:

Когда цикл работает сам, легко перестать думать и просто пассивно принимать всё, что он возвращает.

Именно это беспокоит и инженера программного обеспечения Армина Ронахера.

Именно об этом говорится в Orange Book (Книге апельсинового цвета?), Эдди Османи призывает всех проектировать циклы с проницательностью:

Проектирование цикла, если делать это с проницательностью, — противоядие; если делать, чтобы избежать размышлений, — катализатор. Одно и то же действие, диаметрально противоположные результаты.

Цикл не остановится, инженерия не умрёт

На конференции AI Engineer Summit в апреле инженер из Anthropic рассказал, что они поручили Claude разработать приложение с ретро-игрой двумя способами: один — только с минимальными промтами, другой — с использованием цикла агентов.

Результаты контрастны: версия с минимальными промтами заняла 20 минут и стоила 9 долларов; циклическая версия заняла 6 часов и стоила 200 долларов.

Но качество приложения, сделанного последним способом, было на голову выше.

В первом случае игра не запускалась, приложение было примитивным; циклическая версия была гораздо богаче, содержала многие функции, желаемые дизайнером игры.

Цикл не милует тех, кто отказывается думать. Он лишь с ещё большей скоростью превратит твоё невежество в технический долг в коде.

А те, кто готов продолжать упорно понимать, постоянно определять правила и нести ответственность за конечный результат, получат в этой парадигмальной миграции рычаг воздействия больше, чем когда-либо.

Создавай цикл. Оставайся инженером.

Prompt мёртв. Loop в работе.

А ты по-прежнему тот, кто определяет его смысл.

Источники:

https://x.com/DataScienceDojo/status/2069873216152092975

https://x.com/0xCodez/status/2064374643729773029

https://x.com/akshay_pachaar/status/2069769689560187027

Эта статья из WeChat-аккаунта «Новая Эра Искусственного Интеллекта», автор: ASI Откровение

Трендовые криптовалюты

Связанные с этим вопросы

QЧто такое Loop Engineering и чем оно отличается от традиционного prompting?

ALoop Engineering (цикловая инженерия) — это подход, при котором проектируется автономная система, где ИИ самостоятельно выполняет задачи в цикле (обнаружение → выполнение → проверка → сохранение → повторное обнаружение), без постоянного ручного вмешательства человека. В отличие от традиционного prompting, где человек вручную пишет каждый запрос, анализирует ответ и формирует следующий, Loop Engineering позволяет системе работать автоматически 24/7, а человек выступает в роли архитектора, который лишь задаёт цели, условия остановки и механизмы проверки.

QПочему, по мнению экспертов, ручное написание prompt скоро устареет?

AЭксперты (такие как Эндрю Ын, Питер Штайнбергер и Борис Черны) считают, что ручное написание prompt станет неэффективным, потому что Loop Engineering предлагает гораздо более высокую масштабируемость и производительность. В то время как ручной prompting ограничен вниманием, памятью и временем человека, автономные циклы могут работать непрерывно, обрабатывать сложные задачи и самостоятельно их улучшать. Как только циклы станут зрелыми, соотношение затрат и результатов для ручного prompting резко упадёт.

QКакие ключевые компоненты или этапы включает в себя полный цикл (Loop) согласно «белой книге»?

AСогласно «белой книге» и публикациям, полный цикл (Loop) состоит из пяти ключевых этапов: 1) **Обнаружение** — ИИ самостоятельно находит задачи (например, в логах CI или нерешённых Issue). 2) **Передача** — задача передаётся в изолированную среду (песочницу) для параллельной работы агентов. 3) **Проверка** — наиболее важный этап, где независимый агент-оценщик проверяет результаты, а не тот же агент, который их создал. 4) **Сохранение** — состояние и прогресс фиксируются на диске, а не только в оперативной памяти. 5) **Планирование** — система автоматически перезапускает цикл по расписанию, замыкая его.

QКакие риски или скрытые затраты могут возникнуть при использовании Loop Engineering?

AПри использовании Loop Engineering могут возникнуть следующие риски и скрытые затраты: 1) **Долг по проверке** — незамеченные ошибки накапливаются в кодовой базе. 2) **Деградация понимания** — разработчики перестают глубоко понимать код, написанный ИИ. 3) **Когнитивная капитуляция** — человек слепо принимает результаты ИИ, переставая критически мыслить. 4) **Неконтролируемый расход токенов** — ИИ может попасть в бесконечный цикл попыток и сжечь бюджет.

QКакую роль, по мнению авторов, будет играть человек в эпоху Loop Engineering?

AВ эпоху Loop Engineering роль человека кардинально меняется: из оператора, который постоянно пишет запросы и управляет процессом, он становится **архитектором системы** и **распределителем вычислительных ресурсов**. Человек определяет цели, критерии остановки, проектирует механизмы проверки и решает, куда направить вычислительные мощности (бюджет на токены). Его ключевая ценность — не в генерации кода, а в **суждении, критическом мышлении и ответственности** за конечный результат. Как отмечается в статье, человеческое суждение становится единственным дефицитным ресурсом.

Похожее

Переплата в 1,7 миллиона долларов: «Черный ящик» счетов за ИИ вскрыт, Anthropic возвращает деньги, но не признает ошибок

Бывший директор Oracle Майкл Хан основал компанию Vaudit, которая проверяет счета за использование ИИ. При аудите счетов на 34 млн долларов у 60 компаний, включая Panasonic, HP и Honda, было выявлено около 1,7 млн долларов потенциальных переплат, в основном за сервис Claude Code от Anthropic. Основные причины переплат: 1. **Подмена модели**: Использование более старой и дешевой модели при выставлении счета по тарифу новой и дорогой. 2. **Оплата сбоев**: Списание средств за неудачные запросы или ошибки системы. 3. **«Шторм повторов»**: Автоматические многократные повторные попытки выполнения задачи агентом ИИ без ведома пользователя, ведущие к большим расходам. Anthropic и OpenAI заявили, что системных ошибок в начислениях нет. Однако после обращений клиентов около 80% спорных сумм были возвращены провайдерами, включая Amazon, Google, Microsoft, Anthropic и OpenAI, хотя официальных признаний ошибок не последовало. Проблема кроется в сложности и непрозрачности системы тарификации ИИ, основанной на количестве токенов, особенно с ростом использования агентских моделей, выполняющих множество фоновых вызовов. Одновременно с этим на Anthropic подан коллективный иск за несоответствие заявленных и фактических лимитов использования в подписках высокого уровня. Vaudit, чей бизнес построен на аудите и возврате переплат за ИИ-услуги (комиссия 1% от проверенной суммы + 30% от возвращенных средств), демонстрирует, что проверка счетов за ИИ становится отдельной отраслью на фоне подготовки крупных игроков к IPO и растущей сложности расчетов.

marsbit20 мин. назад

Переплата в 1,7 миллиона долларов: «Черный ящик» счетов за ИИ вскрыт, Anthropic возвращает деньги, но не признает ошибок

marsbit20 мин. назад

Tencent купил чипы у Baidu

Заголовок «Tencent покупает чипы Baidu» и другие недавние новости, такие как планы Baidu и Alibaba по выделению своих полупроводниковых подразделений (Kunlunxin и T-Head соответственно) на IPO, сигнализируют о глубоком сдвиге в логике китайского интернет-сектора. Раньше технологические гиганты стремились создавать замкнутые экосистемы, разрабатывая всё самостоятельно. Теперь, с наступлением эры ИИ, эта модель меняется. Разработка чипов превратилась из дорогостоящего центра затрат в прибыльный бизнес, особенно с взрывным ростом спроса на вычисления для инференса (AI inference), вызванным агентами и мультимодальными приложениями. Решение Tencent, давнего конкурента Baidu, стать клиентом Kunlunxin, является ключевым индикатором этой трансформации. Это демонстрирует переход к зрелой отраслевой специализации: компании начинают полагаться на лучшие внешние решения для критически важной, но чрезвычайно затратной инфраструктуры, вместо того чтобы «изобретать колесо» самостоятельно. Это похоже на отношения Apple и Samsung в производстве дисплеев. Глобальный контекст подтверждает этот тренд: OpenAI, Google, Amazon, Microsoft и Meta также активно разрабатывают собственные чипы, стремясь снизить затраты и создать конкурентное преимущество через оптимизацию «софта и железа». Таким образом, конкуренция в ИИ смещается с уровня моделей и приложений на уровень базовой инфраструктуры — эффективности вычислений, стоимости токена и надёжности поставок вычислительных мощностей. Выделение полупроводниковых активов в отдельные компании отражает не ослабление гигантов, а их эволюцию: в эпоху ИИ они становятся «меньше», открывая свои компетенции для формирования более крупной и специализированной отрасли. Рынок капитала, наконец, готов оценить эту новую реальность, что и стимулирует волну IPO.

marsbit35 мин. назад

Tencent купил чипы у Baidu

marsbit35 мин. назад

Токен сам по себе является активом: три вида токенизированных акций, какой подходит вам?

## Краткое изложение: Токенизированные акции — три модели, разные права Для инвесторов из-за рубежа покупка акций таких компаний, как SpaceX или Nvidia, сопряжена со сложностями. Блокчейн предлагает альтернативу — токенизированные акции, но этот термин объединяет три принципиально разные модели с разными правами собственности. **1. Полное право собственности (нативная регистрация).** Компании, такие как Superstate, регистрируют акции непосредственно в блокчейне (например, Solana). Владельцы токенов вносятся в официальный реестр акционеров и обладают всеми правами: голосованием, получением дивидендов. **2. Отказ от прав собственности для DeFi.** Такие платформы, как Backed (xStocks) и Ondo, используют офшорные SPV-структуры, которые держат реальные акции 1:1. Инвесторы получают экономическую выгоду от роста цены и дивидендов (в виде увеличения баланса токенов), но не являются прямыми акционерами. Главное преимущество — высокая совместимость с DeFi (залоги, кредитование). Риск связан с надежностью самой SPV-структуры. **3. Чисто ценовая игра (перпетуальные контракты).** Платформы, такие как TradeXYZ (на Hyperliquid) или Ostium, предлагают бессрочные фьючерсы. У них нет базового актива. Цена привязывается к рыночной через механизм финансирования. Это инструмент для спекуляций и хеджирования с высоким левериджем и круглосуточной торговлей. Их популярность (объемы в 4-5 раз выше) объясняется простотой запуска — не нужно покупать реальные акции. **Вывод:** Ключевая ценность токенов — их независимость от полного пакета прав реальной акции. Большинство розничных инвесторов не используют право голоса. Три модели токенизации служат разным целям: полные права для институтов, ликвидность и DeFi-интеграция для криптоинвесторов, спекуляции для трейдеров. Токенизация создает не замену, а новые слои финансовых инструментов, адаптированных под различные потребности рынка.

marsbit36 мин. назад

Токен сам по себе является активом: три вида токенизированных акций, какой подходит вам?

marsbit36 мин. назад

AI стал генеральным директором, чуть не обанкротил 10 компаний…

Исследование Принстонского университета «CEO-Bench» проверило 14 AI-моделей в роли CEO виртуального SaaS-стартапа за 500 дней симуляции. Только 4 из них сохранили начальный капитал в 1 млн долларов. Лучший результат показал Claude Fable 5, увеличив капитал до 47,15 млн долларов. Однако неожиданно четвертое место занял простой rule-based алгоритм, заработавший 15,76 млн, обогнав многие продвинутые LLM. Ключевые выводы: 1. Успешные модели (GPT-5.5, Claude Opus 4.8) активно экспериментировали со стратегиями, в то время как осторожные подходы не приносили прибыли. 2. Специализированные «программирующие агенты» показали худшие результаты в управленческой роли из-за неподходящих системных инструкций. 3. Эффективность агентов зависит от глубокой адаптации к конкретным вертикалям, а не универсальных решений. Исследование подчёркивает, что, хотя AI может оптимизировать задачи, ключевые стратегические решения — такие как создание прорывных концепций (как матрица Стива Джобса) — остаются за человеком.

marsbit46 мин. назад

AI стал генеральным директором, чуть не обанкротил 10 компаний…

marsbit46 мин. назад

Торговля

Спот

Популярные статьи

Неделя обучения по популярным токенам (2): 2026 может стать годом приложений реального времени, сектор AI продолжает оставаться в тренде

2025 год — год институциональных инвесторов, в будущем он будет доминировать в приложениях реального времени.

1.9k просмотров всегоОпубликовано 2025.12.16Обновлено 2025.12.16

Неделя обучения по популярным токенам (2): 2026 может стать годом приложений реального времени, сектор AI продолжает оставаться в тренде

Обсуждения

Добро пожаловать в Сообщество HTX. Здесь вы сможете быть в курсе последних новостей о развитии платформы и получить доступ к профессиональной аналитической информации о рынке. Мнения пользователей о цене на AI (AI) представлены ниже.

活动图片