7 июня 2026 два человека, которые лучше всех знают как работают AI-агенты, сказали одно и то же с разницей в несколько часов.
10+ лет в маркетинге, 300+ клиентских проектов: сайты, реклама, боты. Создатель GoBanana (228K+ пользователей, 11.6 млн ₽ выручки) и VibeCoderz. Делаю AI-продукты сам через Claude Code, Cursor, Windsurf и консультирую тех, кто хочет так же.
Об авторе →Claude Code: новый CLI-агент от Anthropic
Anthropic выпустила Claude Code — терминальный AI-агент для разработчиков. Инструмент работает прямо в командной строке и умеет писать, редактировать и запускать код.
Zcode AI: Полный гид по визуальному интерфейсу для Claude Code и AI-агентов
Узнайте, как использовать Zcode для управления Claude Code, Gemini и Codex в едином GUI. Настройка провайдеров, MCP-серверов и визуальный вайбкодинг.
YouTube-канал с монетизацией из любой точки мира: Пошаговый гайд 2026
Инструкция по созданию YouTube-канала: обход блокировок SMS, настройка расширенных функций через виртуальные номера и правила безопасности для монетизации.
Windsurf Code Maps: Как глубоко понимать архитектуру проекта перед написанием кода
Полный гайд по Windsurf Code Maps, модели Sway 1.5 и Sway Grep. Узнайте, как визуализировать архитектуру кода и ускорить разработку в 13 раз.
Vk Fast Cash Strategy
Аудитория ВКонтакте — это те же люди, что и в Instagram, но 'социальный контракт' площадки другой. Если Instagram — это 'дорогой ресторан' с демонстрацией успеха, то VK — это 'душевная шашлычная'. Здесь не работает глянцевый 'успешный успех
7 июня 2026 два человека, которые лучше всех знают как работают AI-агенты, сказали одно и то же с разницей в несколько часов.
Peter Steinberger — создатель OpenClaw, теперь инженер OpenAI — написал в X твит, собравший 4.4 миллиона просмотров: «Here's your monthly reminder that you shouldn't be prompting coding agents anymore. You should be designing loops that prompt your agents.»
Boris Cherny — создатель Claude Code в Anthropic — в интервью сказал: «I don't prompt Claude anymore. I have loops running that prompt Claude and figuring out what to do. My job is to write loops.»
Создатели двух главных кодинговых инструментов 2026 года зафиксировали: индустрия перешла на следующий уровень. Называется loop engineering.
Разбираем что это, как работает и что делать с этим прямо сейчас — для всех уровней.
→ Claude Code /goal: code.claude.com/docs/en/goal
→ Claude Code Dynamic Workflows: claude.com/blog/dynamic-workflows
→ KitchenLoop (open source): github.com/0xagentkitchen/kitchenloop
→ Addy Osmani про Loop Engineering: addyo.substack.com/p/loop-engineering
TL;DR: Раньше работа с AI выглядела так: написал промпт → получил ответ → написал следующий промпт. Теперь продвинутые разработчики делают иначе: создают систему, которая сама пишет промпты агенту, проверяет результат и решает что делать дальше. Ты проектируешь, а не управляешь вручную.
Представь разницу между двумя сценариями.
Сценарий А — prompt engineering (как большинство работает сейчас):
Ты открываешь Claude Code, пишешь: «Добавь авторизацию». Агент что-то делает. Ты смотришь. Пишешь: «Теперь добавь проверку токена». Смотришь. Пишешь следующее. И так каждый шаг — ты сидишь рядом и управляешь.
Сценарий Б — loop engineering (куда движутся лучшие):
Ты один раз описываешь цель: «Реализовать полноценную систему авторизации с JWT, refresh токенами, тестами и документацией». Дальше система сама планирует шаги, запускает агентов, проверяет результат каждого шага, исправляет ошибки и повторяет — пока всё не готово. Ты возвращаешься к готовому PR.
Разница: в первом сценарии ты оператор. Во втором — архитектор системы.
Addy Osmani (Google) формулирует точно: «Loop engineering is replacing yourself as the person who prompts the agent. You design the system that does it instead.»
TL;DR: Три вещи сошлись: модели стали достаточно умными для автономной работы, инструменты добавили /goal и automations, и появились реальные кейсы с цифрами — не теория.
Год назад loop engineering был уделом тех, кто готов был писать bash-скрипты вручную. Addy Osmani: «A year ago if you wanted a loop you wrote a pile of bash. Now the pieces just ship inside the products.»
Что изменилось:
Модели выросли. Boris Cherny удалил IDE в ноябре 2025 — и месяц не открывал. Сейчас шиппит 20-30 pull request в день через 5 параллельных инстансов Claude Code. Это возможно потому что модели стали достаточно надёжными для автономных прогонов.
Инструменты добавили нужные примитивы. Codex и Claude Code независимо друг от друга выпустили /goal — команда, которая говорит агенту «работай, пока условие не выполнено». Оба сделали это почти одновременно. Это сигнал: индустрия пришла к единому интерфейсу.
Появились реальные цифры. KitchenLoop (задокументированный кейс на arXiv) — 285+ итераций, 1094+ pull request, ноль регрессий в production. Это не демо, это производственная система.
TL;DR: Automations (что запускает цикл), /goal (условие остановки), изолированные worktree (несколько потоков без конфликтов), MCP-коннекторы (инструменты), субагенты (специализация). Плюс state file — память между запусками.
Addy Osmani разбирает любой рабочий loop на пять частей:
1. Automations — триггер цикла
Что превращает одноразовый запуск в настоящий цикл. В Claude Code — /loop, cron tasks, hooks. В Codex — вкладка Automations: проект, промпт, расписание, worktree. Можно поставить: «каждый день в 9:00 проверь открытые issue и создай черновики PR для тех, что помечены good-first-issue».
2. /goal — агент работает пока не готово
Главный примитив. После каждого шага маленькая модель-оценщик спрашивает: «Цель достигнута?» Нет — продолжаем. Да — стоп.
Пример: /goal "все тесты зелёные, линтер без ошибок, PR открыт". Агент пишет код, запускает тесты, видит что упало, правит, перезапускает — пока условие не выполнено. Ты не сидишь рядом.
3. Изолированные worktree — несколько потоков без хаоса
Когда несколько агентов работают параллельно над одним репозиторием — нужна изоляция. Каждый агент в своём Git worktree: отдельная ветка, отдельное рабочее пространство. Закончили — сливают результаты.
Без этого агенты начинают затирать изменения друг друга.
4. MCP-коннекторы — глаза и руки агента
Агент должен читать задачи из Jira, писать в Slack, обращаться к staging-базе, проверять метрики в Datadog. Всё это через MCP-серверы. Без коннекторов loop живёт в вакууме — не знает что происходит вокруг.
5. Субагенты — разделение труда
Один агент исследует задачу, другой реализует, третий верифицирует. Ключевой принцип: модель, которая делала работу, не должна проверять свою же работу. Нужен независимый ревьюер — другая модель, другой контекст. Это называется maker-checker split.
Плюс state file — память цикла
Файл, который хранит: что пробовали, что прошло, что ещё открыто. Когда цикл прерывается и запускается снова — он продолжает с того же места, а не с нуля. Без state file каждый запуск — как первый раз.
TL;DR: Open loop — агент исследует сам и находит неочевидные решения, но дорого и непредсказуемо. Closed loop — ты проектируешь процесс заранее, предсказуемо, экономно. Для большинства задач — closed loop.
Это самый практичный выбор при проектировании любого цикла.
Цель задана, рамки есть, но внутри них агент сам решает как идти. Может найти решение, которое ты не предвидел.
Хорошо для: исследовательских задач, поиска архитектурных решений, когда правильный путь неизвестен.
Проблема: разброс в токенах на одну задачу — от 400K до 750K (±32% variance). Один и тот же промпт, разный прогон — разные расходы. Без бюджетного контроля быстро становится дорого. Steinberger честно говорит: это самое интересное направление, но для 90% людей без неограниченного бюджета — пока слишком дорого.
Matt Greenwood описывает это как «викингские похороны: поджигаешь лодку, толкаешь в море и надеешься на славу».
Ты проектируешь процесс заранее: чёткая цель → фиксированные шаги → проверка на каждом → точка остановки. Агент идёт по маршруту, который ты описал.
Хорошо для: производственных задач, когда нужен предсказуемый результат и бюджет.
Ограничение: не найдёт решений за пределами заданного каркаса. Но это и нормально для большинства рабочих задач.
«Кто-то берёт вёсла и реально управляет курсом» — тот же Greenwood про closed loop.
Практический совет: начинай с closed loop. Когда понял что делаешь — добавляй элементы open loop там, где нужна творческая свобода.
TL;DR: Один агент-оркестратор получает цель, разбивает на части, раздаёт специализированным агентам. Те запускают своих субагентов. Дерево агентов. Steinberger: «через 3 месяца все будут обсуждать fleets that design your loops».
Это уже не «один цикл» — это иерархия циклов.
Claude Code Dynamic Workflows (28 мая 2026): агент сам пишет JavaScript-скрипт для оркестрации. Три примитива: agent(), parallel(), pipeline(). До 16 параллельных агентов, до 1000 агентов на один прогон. Возобновляемые при прерывании. Триггер-слово: «ultracode».
KitchenLoop — задокументированная production-система с 6 фазами: Backlog → Ideation → Triage → Execution → Polishing → Regression. Есть UAT Gate — свежий агент на самой слабой модели в изолированном worktree читает код и проверяет что фича работает как написано в требованиях. Не тот же агент что делал — независимый. Результат: 1094+ PR, ноль регрессий.
Steinberger отвечал в треде на вопрос что дальше: «Subagentmaxxing. /goal + subagents (²depth). You replace your oversight with another agent, and then their oversight with another agent.»
Простыми словами: агенты управляют агентами, которые управляют агентами. Ты проектируешь верхний уровень.
TL;DR: Новичок — попробуй /goal с одним условием. Средний уровень — добавь state file и два субагента. Продвинутый — automations с расписанием и maker-checker split.
Открой Claude Code. Вместо обычного промпта напиши:
/goal "функция работает, тест проходит, нет TypeScript ошибок"
Задача: написать функцию validateEmail(email: string): booleanАгент будет работать пока все три условия не выполнены. Ты наблюдаешь. Это твой первый loop.
Создай в корне проекта файл state.md:
## Текущая задача
[описание]
## Что сделано
- [ ]
## Что не сработало
-
## Критерии завершения
- [ ] Тесты зелёные
- [ ] PR открытСкажи агенту читать и обновлять этот файл. Теперь если прервёшь — продолжит с того же места.
Добавь второй агент для проверки: «После выполнения — запусти отдельный агент который только читает код и пишет что не так. Не тот же агент что писал код.»
В Codex App — вкладка Automations. В Claude Code — scheduled tasks в CLAUDE.md:
scheduled_tasks:
- name: "Daily issue triage"
schedule: "0 9 * * *"
prompt: "Проверь все open issues с меткой bug, оцени приоритет, создай черновики PR для top-3"
worktree: trueКаждый день в 9:00 агент сам запускается, делает работу, ты приходишь к готовым черновикам.
TL;DR: Loop без «нет» — это генератор самоутверждения. Нужен механизм который реально проверяет результат. Плюс контроль бюджета токенов — без него open loop сжигает деньги незаметно.
Проблема 1: Loop без feedback-механизма
Анонимный разработчик из треда Steinberger точно сформулировал: «Designing a loop only completes half of the work. The other half is to put a mechanism that can say 'no' in the loop.»
Если нет реальной проверки — тестов, type checking, линтера, пользовательских сценариев — агент будет итерировать и самоутверждаться. Найдёт способ «завершить» задачу формально, не по существу. Запускающий тесты агент и проверяющий результат агент должны быть разными.
Проблема 2: Контекстная деградация
Anthropic сами признают: на длинных прогонах три проблемы. Контекстное окно конечно — при новом старте теряется история. Модель плохо планирует долгосрочно. Модель не умеет точно оценивать свой результат — часто принимает полуфабрикат за готовый продукт.
Решение: state file, явные критерии завершения, независимый ревьюер.
Проблема 3: Неконтролируемые расходы
На HN обсуждали кейс: $20,000 потрачено, получен работающий C-компилятор через Claude Code. Звучит круто. Но: «It's totally possible to spend $20,000 and have Claude shit out a pile of nonsense. You won't know until you've finished spending the money.»
Ставь бюджетные лимиты на loop. Codex и Claude Code поддерживают spending limits. Для production-задач — сначала тестируй на дешёвой модели.
Проблема 4: Агент без границ
Исследование Kiteworks (2026): 63% организаций не могут ограничить scope действий агента, 60% не могут остановить агента если что-то пошло не так. Это серьёзно.
Давай агенту минимально необходимые права. Описывай в AGENTS.md что агент может делать, а что — нет. Worktree-изоляция снижает риск — агент не трогает main ветку напрямую.
TL;DR: Написание промптов — это управление вручную. Loop engineering — это делегирование системе. Это следующий уровень вайбкодинга: не «я прошу AI», а «система работает, я контролирую результат».
Лиза автоматизировала анализ YouTube-видео — с 4 часов до 5,5 минут скриптом в Google Таблицах. Это и был loop: скрипт запускается, вставляет ссылки, агент транскрибирует, разбирает по 15 критериям, выдаёт результат. Она не сидит теперь рядом — она спроектировала систему один раз.
Loop engineering — следующий шаг той же логики. Только вместо Google Scripts — агенты. Вместо 15 критериев — /goal с реальными критериями завершения.
Yannick Roy, автор KitchenLoop, формулирует квинтэссенцию: «Code production is now a commodity; the bottleneck is knowing what to build and proving it works.»
Генерировать код умеет любой агент. Знать что строить и доказать что оно работает — это то, что остаётся за человеком. Loop engineering убирает первое из задач человека, оставляя второе.
Boris Cherny: «It's not so much about deep work, it's about how good I am at context switching and jumping across multiple different contexts very quickly.»
Навык 2026-2027 — не промптинг. Это проектирование систем, которые работают без тебя, и умение быстро переключаться между результатами разных потоков.
Claude Code /goal: code.claude.com/docs/en/goal
Claude Code Dynamic Workflows: claude.com/blog/dynamic-workflows
KitchenLoop (open source): github.com/0xagentkitchen/kitchenloop
Addy Osmani про Loop Engineering: addyo.substack.com/p/loop-engineering
Каталог AI-агентов: vibecoderz.ru/category/ai-agents
Вопросы по стеку и автоматизации — к Максиму: t.me/maxnagovitsyn
Что такое loop engineering простыми словами?
Вместо того чтобы вручную писать каждый промпт агенту, ты создаёшь систему — цикл — который сам пишет промпты, проверяет результат и решает что делать дальше. Ты проектируешь один раз, система работает сама.
Нужно уметь программировать чтобы делать loops?
Базовые loops — нет. /goal в Claude Code или Codex это просто команда. Для сложных loops с automations и state file — понадобится базовое понимание YAML и файлов конфигурации.
Что такое /goal?
Команда, которая говорит агенту «работай пока это условие не выполнено». После каждого шага агент проверяет: готово? Если нет — продолжает. Если да — останавливается. Есть в Claude Code и Codex.
Чем open loop отличается от closed loop?
Open loop — агент сам решает как достичь цели, исследует разные пути. Больше свободы, дороже, непредсказуемее. Closed loop — ты заранее проектируешь шаги и проверки. Предсказуемый результат и бюджет. Для большинства задач — closed loop.
Это дорого по токенам?
Зависит от подхода. Closed loop с чёткими критериями — предсказуемые расходы. Open loop — большой разброс, может быть очень дорого. Ставь бюджетные лимиты.
Что такое maker-checker split?
Принцип: агент, который делал работу, не проверяет свою же работу. Для проверки — отдельный агент, другая модель, другой контекст. Это убирает самоутверждение и ловит ошибки, которые автор не замечает.
Что такое state file?
Файл (обычно state.md или .planning/state.json), который хранит прогресс цикла: что сделано, что не сработало, что ещё открыто. Позволяет продолжить с того же места если loop прервался.
Работает ли это в России?
Да. Claude Code, Codex — доступны через VPN или API. Принципы loop engineering не зависят от инструмента — применимы к любому агенту включая локальные через LM Studio.
Loop engineering — проектирование систем (циклов), которые автономно промптят агентов, проверяют результат и итерируют к цели. В отличие от prompt engineering — ты проектируешь систему, а не управляешь вручную.
Agent loop — цикл: агент выполняет шаг → проверяет результат → корректирует → повторяет до достижения цели.
/goal — примитив в Claude Code и Codex: агент работает пока условие не выполнено. После каждого шага оценщик проверяет «готово?».
Automations — триггеры запуска цикла. Расписание, события, условия. В Codex — вкладка Automations, в Claude Code — scheduled tasks.
State file — файл с памятью цикла: что пробовали, что готово, что ещё открыто. Позволяет возобновить прогон без потери прогресса.
Maker-checker split — принцип: агент-создатель и агент-ревьюер — разные агенты. Независимая проверка качества.
Git worktree — изолированная копия репозитория в отдельной ветке. Позволяет нескольким агентам работать параллельно без конфликтов.
Fleet looping — иерархия циклов: оркестратор разбивает цель на части и раздаёт специализированным агентам, которые могут запускать своих субагентов.
Open loop — агент сам исследует пути к цели. Максимальная свобода, высокая стоимость.
Closed loop — человек заранее проектирует шаги и проверки. Предсказуемый результат и бюджет.
Dynamic Workflows — функция Claude Code: агент сам пишет harness-скрипт для оркестрации субагентов с примитивами agent(), parallel(), pipeline().
Вайбкодинг — создание продуктов с помощью AI без глубоких технических знаний.