Что вообще такое loop?

Оригинал опубликован Aparna Dhinakaran в X.

В этом месяце мир AI engineering подхватил новое любимое слово, и оно означает как минимум четыре разные вещи: loop — «цикл».

Мы сейчас на пике hype cycle. 7 июня Peter Steinberger написал, что больше не стоит промптить coding agents — вместо этого нужно проектировать циклы, которые промптят ваших агентов. На той же неделе Boris Cherny из Anthropic сказал со сцены, что он больше не промптит Claude: «Я пишу циклы, циклы делают работу». Addy Osmani 7 июня опубликовал эссе Loop Engineering, swyx 12 июня выпустил Loopcraft: The Art of Stacking Loops, а LangChain 16 июня — The Art of Loop Engineering. Потом прошёл AI Engineer World’s Fair, где это слово доминировало на главной сцене. Keynote swyx был о Loopcraft, целый трек посвятили software factories, спикеры один за другим обращались к тому же слову, а конференция 2 июля завершилась часовыми дебатами о том, не обогнал ли хайп вокруг loops то, что действительно работает на практике.

Проблема в том, что люди, говорящие о loops, обсуждают не одно и то же. Я насчитала как минимум четыре разные архитектуры, скрытые за этим словом. Этот пост — попытка разложить по карте, что именно все имеют в виду.

1. Execution loop: собственный цикл act-observe у агента

Это loop, который большинство представляет, когда говорит «agent»: вызвать инструмент, прочитать результат, решить следующее действие, повторять, пока больше не останется tool calls. Это то, что Addy называет inner execution loop — часть, которую агенты теперь в значительной степени могут выполнять самостоятельно, и самый внутренний цикл, который можно проектировать. В stack swyx есть token loop, но token loop никто не проектирует — это просто часть модели.

Execution loop итерируется по шагам внутри одной задачи. Он заканчивается на feedback из среды: вывод тестов, ответ API, содержимое файла. Люди обычно отсутствуют в середине цикла и появляются на границах — утверждают планы или ревьюят результат. Он также заканчивается всякий раз, когда агент решает, что закончил, независимо от того, действительно ли задача завершена. Первое исправление, которое нашла индустрия, — обернуть этот цикл в ещё один, который не верит агенту на слово.

2. Task loop: перезапускать агента, пока spec не выполнен

Это был первый loop, получивший имя: Ralph Loop от Geoffrey Huntley. Его упоминали с главной сцены AI Engineer World’s Fair, когда Allie Howe из Keycard открывала трек software factories и ссылалась на его статью «everything is a ralph loop». Ralph loop снова и снова перезапускает coding agent по одной и той же спецификации, выделяя на каждую итерацию полностью свежий context window и делая ровно одну задачу на один loop. Кажущаяся расточительность — и есть смысл: повторная подача полной спецификации каждый раз предотвращает context rot и compaction events, которые незаметно ухудшают длинные сессии.

Этот loop итерируется над одним артефактом. Условие завершения — соответствие спецификации и проходящие тесты. Человек пишет spec и судит, завершена ли работа. В версии Geoffrey у человека есть ещё одна задача, к которой я вернусь позже: наблюдать за loop, замечать паттерны сбоев и исправлять их так, чтобы они больше не повторялись. В финальных дебатах последнего дня конференции он сравнил эту роль с locomotive engineer — человеком, чья работа состоит в том, чтобы удерживать поезд на рельсах. Но если отдалиться от одной спецификации, становится виден гораздо больший loop: тот, который управляет целой codebase.

3. Product loop: software factory

Это была самая громкая версия на AI Engineer World’s Fair. Tereza Tížková из Factory определила software factory как «весь loop, весь lifecycle разработки software с автономией», а Zach Lloyd из Warp в интервью Latent Space уточнил, что входит в этот lifecycle: triage, specification, implementation, review, verification, shipping и monitoring. Утверждение Zach: software engineering становится factory engineering, и вы будете строить штуку, которая строит продукт. Warp уже dogfood’ит это: компания поставила свой open-source repo под управление Oz, своей factory-платформы, а Zach описывает путь внедрения как старт с low-risk repos и постепенное повышение automatic PR merge rate с 20% к 60%. Anthropic, похоже, проводит похожий эксперимент внутри: компания говорит, что 65% кода её product team теперь создаётся внутренней версией Claude Tag, а Mike Krieger на World’s Fair описывал использование как delegated и proactive: не «почини этот баг», а «возьми ответственность за эту часть codebase, мониторь этот feedback channel и сам подбирай задачи».

Task loop и execution loop имеют определённые exit conditions. Product loop непрерывно итерируется над codebase и backlog, а его closing signals приходят полностью извне codebase: новые issues, production logs, user feedback, результаты review. Роль человека становится настраиваемой. В формулировке Zach вы выбираете, какие части lifecycle автоматизировать и в каких точках привлекать людей; организации расходятся в вопросах вроде того, остаётся ли code review человеческим для high-risk changes. Factory улучшает продукт. Следующий loop улучшает саму factory.

4. System loop: autoresearch

Roland Gavrilescu из Introspection называет это autoresearch, и его формулировка в интервью Latent Space — самая чистая: внутренний loop — это ваша основная система, выполняющая user-facing work, а внешний loop изучает и поддерживает основную систему. Он итерируется над prompts, harnesses, выбором моделей и самими evals. Его one-liner: «loop is the product».

У этого паттерна уже есть реальные existence proofs на обоих концах масштаба. Минимальный случай — autoresearch Andrej Karpathy от марта 2026 года: примерно 630 строк Python, которые за ночь на одном GPU прогнали 50 экспериментов hypothesis-edit-evaluate. Production-кейс — Meta Brain2Qwerty v2, анонсированный в конце июня, где исследователи сообщили, что агенты итеративно изменяли codebase, чтобы изобрести лучшие decoding architectures, и это дало существенное улучшение word error rate. Оговорка Meta показательна: финальные training configurations всё ещё выбирались вручную. Даже flagship system loop оставляет человека на последнем checkpoint.

Этот loop заканчивается самым требовательным набором сигналов из всех четырёх: evals, judges, filtered product feedback и, в дизайне Roland, явным ask-a-human tool, через который агент накапливает tacit knowledge так же, как новый сотрудник. И это вершина stack. Если сложить все четыре вместе, становится видна форма всей системы.

Четыре loops рядом

А что насчёт Agentic MapReduce?

Один известный паттерн той же недели намеренно отсутствует на этой карте. Devin Security Swarm от Cognition распараллеливает ограниченных агентов по repository и агрегирует их находки; они называют эту форму Agentic MapReduce, и её тоже иногда называют loop. Я не думаю, что это loop. Dispatch, gather, validate — это pipeline: ничто не возвращается в следующий цикл, а loop без feedback — это просто for statement. Fan-out — это topology, которую можно развернуть внутри любого из четырёх loops, но не самостоятельный loop.

Безымянный loop наверху — это oversight loop

На loop diagram от swyx самый внешний круг, находящийся над loop that makes loops, буквально подписан «???? loop». Его глаголы: set goals, allocate, cull. Его exit condition указан как none.

Я думаю, у этого loop есть имя. Я называю его oversight loop: там задаются цели, распределяются бюджеты и отбрасывается работа, и это тот круг, где должен жить человек. Addy сказал на сцене AIEWF: «That inner loop is capability. The outer loop is agency». Agency — это именно то, что удерживает oversight loop.

Самые острые разногласия на AIEWF, если их перевести, были спорами о том, кто управляет этим верхним кольцом. Zach и Roland аргументируют в пользу повышения «ручки»: сознательно выбирайте checkpoints, увеличивайте autonomy по мере накопления доверия и, в запоминающемся различии Roland, стройте orchestras до factories — где orchestra остаётся системой с human conductor. Другой лагерь говорит, что у этой ручки есть стопор. Geoffrey Litt из Notion назвал factories депрессивным видением в X и в опубликованном позже эссе утверждал, что те, кто делегирует понимание, будут заменены агентом. Paul Bakaus сформулировал максимально прямо: «There is no auto, and there will be no auto». Его аргумент не только про качество, но и про ownership. Людям нужна цель, и они хотят иметь роль в том, что создают.

Финальные дебаты, описанные в репортаже Latent Space с конференции, вывели обе позиции на одну сцену. Dex Horthy из HumanLayer подчёркивал, что он не anti-loop, напоминая, что Kubernetes построен на control loops — но deterministic ones — и его тревога в том, что энтузиазм обогнал engineering. Его совет: спуститься на уровень абстракции ниже, а не подниматься выше. Geoffrey занял противоположную позицию и назвал loops неизбежными. А Mike дал самый честный data point: даже внутри Anthropic команда, запускающая Tag, упирается в review и человеческую способность conceptualize, что делает система. Checkpoint, который люди оставили себе, теперь стал bottleneck.

Autonomy — это ручка, которая существует отдельно на каждом из четырёх loops. Можно запустить полностью автономный execution loop внутри жёстко supervised product loop. Можно отдать system loop агентам, но оставить goal-setting полностью человеческим. Интересный engineering-вопрос не в том, какой лагерь победит, а в том, какая информация нужна, чтобы правильно выставить каждую ручку.

Таблица выше — моя попытка заполнить эти пробелы. У каждого loop, включая верхний, есть именуемое exit condition, и верхний loop — это вы. Но назвать signal — не то же самое, что wired it in. Loop без своего signal не сходится, он просто работает, пока что-то внешнее его не остановит. Понимание того, действительно ли ваши loops замыкаются на production scale, означает непрерывный sweep traces и clustering failures вместо выборочной проверки transcripts — именно для этой работы и был создан Arize AX.

Какой loop строите вы?

Теперь, когда у loops есть имена, это главный вопрос. Слово loop в этом месяце делает много работы, потому что эта область очень любит прыгать на очередную горячую тему. Но за всеми четырьмя loops стоит реальная практика, и она одна и та же: люди повышают уровень абстракции и продвигают человеческое суждение выше по stack. Это и есть настоящий урок loops. Мы делаем больше, поднимаясь вверх по stack, и теперь у вас есть карта, по которой понятно, куда подниматься.

В соавторстве с @seldo.