前一篇我們聊 Claude Cowork，重點是不要再把 AI 只當聊天室，而是把它放進你的本機資料夾、Project 和工作流程。
這篇要再往下一層講：如果 AI 已經可以幫你做事，那下一個問題不是「prompt 怎麼寫比較厲害」，而是「你能不能設計一個流程，讓 AI 自己知道下一步要做什麼」。這就是最近很多 AI coding 圈在講的 Loop Engineering。
我先講結論。Loop Engineering 不是又一個很潮的名詞而已。它真正想解決的是：不要每一步都靠人手動提示 AI，而是設計一個可控的循環，讓 AI 可以發現任務、執行、驗證、記錄狀態，然後決定下一輪該做什麼。
「你不該再去提示（prompt）你的程式碼代理了。你應該設計會去提示代理的迴圈。」
Here’s your monthly reminder that you shouldn’t be prompting coding agents anymore.
— Peter Steinberger 🦞 (@steipete) June 7, 2026
You should be designing loops that prompt your agents.
Prompt Engineering 到 Loop Engineering，差在哪？
以前我們使用 AI coding 工具，流程大概是這樣：
- 你寫一段 prompt。
- AI 改程式或給建議。
- 你看結果。
- 你再補下一段 prompt。
- 反覆修到可以用。
這個方式不是不好。小任務、一次性問題、靈感發想，它都很適合。但當任務變成「每天檢查錯誤」、「每週整理 PR」、「持續修測試」、「定期掃網站 SEO 問題」時，人就變成瓶頸。
Loop Engineering 的想法是：人不要一直站在旁邊餵 prompt。你要設計一個 loop，讓系統自己在固定條件下跑起來。
簡單說，Prompt Engineering 是「怎麼問 AI」。Loop Engineering 是「怎麼設計一套會持續問 AI、檢查 AI、保存結果的系統」。
一個 AI coding loop 通常要有哪幾塊？
我會把它拆成 6 個比較好理解的部分。
1. 目標：這個 loop 到底要幹嘛？
沒有目標的 loop 很危險。你不能只寫「幫我優化網站」這種大話，因為 AI 會不知道什麼叫完成。
比較好的目標會像這樣：
- 每天檢查 WordPress 外掛錯誤 log，整理高風險項目。
- 每週掃描文章是否缺 SEO title、meta description、FAQ schema。
- 每次 PR 前跑測試，失敗時先嘗試修復一次，修不好就交給人。
- 每天整理 Google Search Console 新曝光關鍵字，建議可新增的文章主題。
目標越清楚，loop 越不容易亂跑。
2. 觸發條件：什麼時候跑？
Loop 一定要有觸發條件。可能是定時，也可能是事件。
- 每天早上 9 點跑一次。
- 每週一整理報表。
- PR 建立時跑 code review。
- 錯誤 log 新增時觸發檢查。
- 文章發布後自動檢查內連與 FAQ。
沒有觸發條件，它就只是一次性的 agent session。有觸發條件，它才開始像一個工作流程。
3. 狀態記錄：它要記得上次做到哪裡
這點很重要。很多 AI 自動化失敗，不是模型不夠聰明，而是每次都像失憶一樣重來。
一個好的 loop，要有地方記錄狀態，例如：
- 上次掃描到哪一篇文章。
- 哪些問題已經處理過。
- 哪些修改被人工拒絕。
- 這次執行花了多少 token 或成本。
- 下次要優先檢查什麼。
這些可以放在 `STATE.md`、資料庫、issue、任務系統，或工具自己的 memory 裡。重點不是格式多漂亮，而是 loop 要能跨次數記得自己的工作狀態。
4. 工具連接：不能只會講，要能真的做事
如果 AI 只能讀文字、寫建議，那它還是顧問。要進入 loop，它通常需要工具連接。
- 讀 GitHub issue 和 PR。
- 跑測試或部署檢查。
- 讀 WordPress 文章與 SEO metadata。
- 查 Google Search Console 或 GA4。
- 更新任務系統狀態。
- 把結果寫回報告或通知。
這也是為什麼 MCP、connector、plugin 會越來越重要。AI 工具不只是模型本身，還包含它能不能安全地碰到你的真實工作環境。
5. 驗證：不要讓 AI 自己宣布成功
我自己最在意的是這點。AI 很容易做出「看起來完成」的東西，但實際上測試沒跑、連結壞掉、格式錯掉，甚至改了不該改的地方。
所以 loop 一定要有驗證機制。
- 程式修改後要跑測試。
- 文章發布後要抓前台 HTML 驗證。
- SEO schema 要檢查 JSON-LD 是否出現。
- 自動修復只允許低風險範圍。
- 高風險修改一定交給人確認。
比較成熟的做法，是讓「執行者」和「檢查者」分開。也就是一個 agent 負責做，另一個 agent 或工具負責驗證。不要讓寫作業的人自己改考卷。
6. 停止條件：什麼時候該停？
Loop 最可怕的不是跑不起來，是停不下來。尤其 AI coding 工具現在 token 成本、工具權限、檔案修改能力都越來越強，如果沒有停止條件，很容易變成自動燒錢或自動製造麻煩。
停止條件可以是：
- 連續 2 次測試失敗就停止。
- 修改超過 5 個檔案就等待人工確認。
- 碰到設定檔、金鑰、付款、刪除操作就停止。
- 超過預算或執行時間就停止。
- 找不到明確驗證方式就停止。
一個好的 loop，不是勇往直前，而是知道什麼時候該把方向盤交回給人。
用 WordPress 經營來看 Loop Engineering
這個概念如果只放在 coding agent，會讓很多中小企業覺得離自己很遠。但其實網站經營也很適合用 loop 的思維來看。
例如一個 WordPress SEO loop 可以長這樣：
- 每天抓最新文章。
- 檢查標題、摘要、分類、標籤、內連、FAQ schema。
- 找出缺漏項目。
- 低風險的 metadata 先產生建議。
- 需要改內容的部分列成清單。
- 人確認後再更新。
- 更新後抓前台頁面驗證。
- 把結果寫到紀錄裡，下次不要重複檢查同一件事。
這其實就是我平常在做網站內容、內連、FAQ、Rank Math SEO 時很常用的思路。不是每件事都全自動，而是把重複、可檢查、有明確規則的部分，慢慢變成流程。
如果你有看我前面寫的 Codex App GUI 工作台整理，或 WordPress Agent Skills 教學，會發現方向其實很接近：把 AI 從「一次回答」拉到「可重複操作」。Loop Engineering 只是把這件事講得更工程化。
中小企業需要 Loop Engineering 嗎？
老實說，不一定要一開始就用這個名詞。你也不需要現在就去架一套很複雜的 AI agent 系統。
但你需要理解背後的觀念：AI 的價值，不是只有產出一段文字，而是能不能幫你把固定流程變得更穩。
中小企業最適合先做的 loop，通常不是「自動寫程式」，而是這幾種：
- 每週整理網站文章缺口。
- 每月產出 SEO 成效摘要。
- 每篇文章發布後自動檢查 FAQ、內連、meta。
- 定期整理 Google 商家貼文草稿。
- 把客戶常見問題整理成服務頁 FAQ。
- 把會議紀錄整理成任務和下次追蹤項目。
這些事情不性感，但很有用。因為它們原本就是公司裡最容易被拖延、最容易忘記、但長期又會影響成果的工作。
不要把 loop 做成黑箱
我對 Loop Engineering 的態度是：可以用，但不要迷信。
越自動化的系統，越需要把規則寫清楚。哪些資料可以讀？哪些檔案不能碰？哪些操作可以自動做？哪些一定要人工確認？失敗時怎麼停？成本怎麼算？這些如果沒設計好，loop 只是比較高級的亂跑。
我會建議用三階段導入：
第一階段：只觀察，不修改
先讓 AI 定期掃資料、整理問題、產出報告，但不要讓它改任何東西。這個階段最適合建立信任。
第二階段：產生建議，由人確認
AI 可以提出修正建議，例如文章 meta description、FAQ、內連、錯誤修復方向，但真正寫入前要人按下確認。
第三階段：低風險自動化
等流程穩了，再讓它處理低風險動作，例如產生草稿、更新非關鍵欄位、整理報告、標記任務狀態。涉及金流、權限、刪除、正式發布、客戶資料的事情，還是要保留人工 gate。
我的看法：Prompt 還在，但角色變了
Loop Engineering 不是說 prompt 沒用了。剛好相反，prompt 變得更重要，只是它不再是你每次手打一段話，而是被寫進流程裡、技能裡、狀態檔裡、驗證規則裡。
以前是人一直問 AI。現在比較好的做法，是人設計一個系統，讓 AI 在該問的時候問、該停的時候停、該驗證的時候驗證。
這也是為什麼我一直覺得，中小企業做 AI 工作流，不應該只問「我要用哪個工具」。比較重要的是：你公司的流程有沒有被整理出來？你的網站、內容、表單、客戶資料、SEO、報表，有沒有辦法被一套穩定流程串起來？
AI 不是魔法。AI 比較像放大器。你流程亂，它會放大混亂；你流程清楚，它才會放大效率。
常見問題 FAQ
Loop Engineering 是什麼？
Loop Engineering 是設計一套會持續提示、執行、驗證與記錄狀態的 AI 工作流程。它不是追求單次 prompt 寫得多漂亮，而是讓 AI agent 可以在明確目標、規則與停止條件下反覆執行任務。
Loop Engineering 跟 Prompt Engineering 有什麼不同？
Prompt Engineering 重點是怎麼問 AI，通常是一問一答或多輪對話。Loop Engineering 則是設計一個系統，決定什麼時候問、問什麼、怎麼驗證結果、怎麼保存狀態，以及什麼時候要停止或交給人。
中小企業需要導入 Loop Engineering 嗎？
不一定要用很複雜的 agent 系統，但很值得學它的思維。中小企業可以先從 SEO 檢查、文章發布流程、Google 商家貼文、月報整理、客服 FAQ 這類重複工作開始，把流程拆清楚，再逐步導入 AI 協作。
Loop Engineering 最大風險是什麼？
最大風險是沒有邊界。AI 如果可以自動改檔、跑指令、連接外部工具，卻沒有 allowlist、停止條件、人工確認與成本限制，很容易造成錯誤修改、資料外洩或 token 成本失控。
AI coding loop 適合用在哪些任務？
比較適合用在可重複、可驗證、風險可控的任務，例如測試失敗修復、PR 初步檢查、文件更新、SEO metadata 稽核、錯誤 log 摘要、例行報表整理。高風險操作仍然要保留人工確認。
