AI热榜 在 AI 辅助研发从“提示词工程”走向“系统编排”的转型中，如何让 agent 的循环真正沉淀为可复用的工程能力，是当前一线研发团队面临的核心命题。
本文整理自腾讯高级后台开发工程师、项目组 Agent 落地负责人 任磊达 在 AICon 全球人工智能开发与应用大会 2026（深圳站） 的分享《QQ 飞车 Agentic 研发转型过程中的 Loop Engineering》。
他基于每月约三百亿 token 的密集使用经验，在分享中系统阐述了他对 loop engineering 的理解与实践框架。
他从 hook 级循环、CI 级循环、工作流结构化拆分到团队层面的 graph engineering，逐步展开了一套从“让 agent 做具体事”到“让 agent 学会如何做事”的迭代方法论。
以下是演讲实录（经 InfoQ 进行不改变原意的编辑整理）。
从 Harness 到 Loop：为什么需要迭代系统 今天讲 loop，我觉得这个东西很值得在不同环境下进行交流和学习，因为 loop 的目标是解决具体场景的具体问题，而且在不同环境下有很大的类似性。
三月份刚聊 harness engineering 的时候，我有一个困惑：什么是 harness engineering？
它听起来很抽象。
我当时的想法是，它的目标可能有两个：第一是在工作时间让并发尽量高，可以同时操控五到十个 agent 一起工作；第二是在非工作时间，比如我们睡觉的时候，它能继续工作。
最近一个月我大概消耗了三百亿 token，在这个量级下，主要还是工作时间并发度的提高在起作用，所以首先讲 loop engineering，非工作时间这一块还没有真正 loop 起来，需要跟大家进一步探讨。
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接