QQ飞车Agentic研发转型，从提示词工程到系统编排的LoopEngineering实践

在AI辅助研发领域，如何将Agent的能力从"做具体事"升级为"学会如何做事"，是当前技术研发的核心挑战之一。腾讯高级后台开发工程师、项目组Agent落地负责人任磊达在2026年深圳举行的AICon全球人工智能开发与应用大会上，系统阐述了QQ飞车项目在Agentic研发转型中的关键实践——Loop Engineering。

任磊达基于每月约三百亿token的密集使用经验，从工程实践角度提出了四层循环架构：第一层是Hook级别循环，第二层是CI级别循环，第三层是对工作流的结构化拆分，第四层则是组织团队层面的提效方案。这种分层架构不仅解决了Agent在不同场景下的任务执行问题，更重要的是通过迭代机制将Agent的"概率性想象力"转化为可复用的工程能力。

"Loop Engineering的核心在于让Agent的学习过程形成闭环，"任磊达解释道，"就像自动驾驶系统需要不断优化驾驶策略一样，我们的Agent也需要通过迭代来实现技能的持续提升。"

在技术实现层面，任磊达团队采用了与吴恩达老师提出的三层划分相似的方法，但更侧重于工程实践。例如，在Hook级别循环中，团队设计了特定的触发机制来启动Agent的任务；在CI级别循环中，则构建了持续集成环境以支持Agent的快速迭代。这些技术手段共同构成了一个完整的Agent研发体系。

"我们发现，单纯依赖Prompt Agent已经无法满足复杂业务场景的需求，"任磊达补充道，"通过编写循环（Writing Loops），我们可以引导Agent主动发现问题并提出改进建议，从而实现技能的持续优化。"

这一转型实践不仅提升了Agent在代码优化等具体任务上的表现，更重要的是建立了Agent能力的可复用性框架，为后续的AI辅助研发奠定了坚实基础。

该图片清晰展示了Prompt Agent与Writing Loops两种模式的区别：左侧直接提示Agent完成具体任务，右侧则通过循环机制引导Agent主动思考和优化，体现了从"做具体事"到"学会如何做事"的转变。