Loop Engineering: создатель Claude Code сказал «я больше не пишу промпты» — что это меняет

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

Если вы только начинаете: что вообще происходит?

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.»

Почему это стало возможным только сейчас?

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.

Пять строительных блоков любого loop

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.

Open loop vs Closed loop — в чём разница и что выбрать?

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.

Open loop — свобода исследования

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».

Closed loop — контроль и предсказуемость

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.

Fleet looping — следующий уровень (для продвинутых)

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.

Как начать прямо сейчас — три уровня

TL;DR: Новичок — попробуй /goal с одним условием. Средний уровень — добавь state file и два субагента. Продвинутый — automations с расписанием и maker-checker split.

Уровень 1 — первый loop за 10 минут

Открой Claude Code. Вместо обычного промпта напиши:

/goal "функция работает, тест проходит, нет TypeScript ошибок"

Задача: написать функцию validateEmail(email: string): boolean

Агент будет работать пока все три условия не выполнены. Ты наблюдаешь. Это твой первый loop.

Уровень 2 — добавить память и разделение труда

Создай в корне проекта файл state.md:

## Текущая задача
[описание]

## Что сделано
- [ ]

## Что не сработало
-

## Критерии завершения
- [ ] Тесты зелёные
- [ ] PR открыт

Скажи 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.»

Уровень 3 — automation с расписанием

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: true

Каждый день в 9:00 агент сам запускается, делает работу, ты приходишь к готовым черновикам.

Главные риски — что реально может пойти не так?

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.

Что это меняет для вайбкодера?

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: telegram.me/maxnagovitsyn

FAQ

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.