Det snabba ingenjörsmodet är över. Det som är viktigt nu är loop engineering

Under de senaste tre åren har vi sett hur om du ville bli en avancerad användare av AI var du tvungen att bli en snabb ingenjör: sättet du frågade AI-saker på var avgörande för att uppnå bästa resultat. Den idén börjar nu bli föråldrad, eftersom en ännu mer lovande teknik börjar dyka upp för att få ut det mesta av chatbos.

Från uppmaningar till loopar. Det nya paradigmet som har blivit en viral trend bland utvecklare är det med så kallad "loop engineering" som förutsätter något viktigt: att AI kommer att hallucinera eller göra misstag. Och med den här metoden implementeras ett återkopplingssystem: en subagent genererar ett svar, en annan granskar det och letar efter fel, och sedan kör systemet automatiskt om processen tills resultatet uppfyller de kvalitetsstandarder som anges av användaren.

AI-guruer rekommenderar loopar. Boris Cherny, skaparen av Claude Code, förklarade i ett föredrag nyligen hur han inte längre skriver uppmaningar i Claude Code, utan istället skriver loopar. "Slingor gör jobbet. Mitt jobb är att skriva loopar." Peter Steinberger, skapare av OpenClaw, höll med och kommenterade i X att "du inte ska skriva uppmaningar för schemaläggningsagenter.

Du bör designa loopar som skapar uppmaningar för dina agenter." Addy Osmani, chef för Google Cloud, tog upp exakt samma idé: "loop engineering ersätter dig som den person som skapar uppmaningarna för agenten. Du designar systemet som gör det istället för dig." En oförsonlig cykel. Den här typen av tillvägagångssätt är det som har lyckats med AI-agenter som Claude Code eller OpenClaw.

Modellen kan köra kod i en säker miljö, testa den, läsa felmeddelanden om de finns och sedan åtgärda dessa fel för att komma tillbaka till början. AI har redan "resonerat", men nu är det kapabelt att självutvärdera och självkorrigera självständigt och oberoende. Steinberger gav ett tydligt exempel på hur man designar en av dessa slingor.

Adjö till chattfönstret. Tekniken är mycket populär bland utvecklare, men den innebär samtidigt att den traditionella chatboten kan försvinna i webbläsarfönstret. Värdet innan låg i att prata med AI och experimentera med uppmaningar, men nu är tanken att föreslå automatiserade arbetsflöden.

Användaren ser bara det initiala problemet och den slutliga lösningen, det finns inga ständiga frågor och tvivel om inte användaren vill förfina efter den slutliga lösningen. Jag har upplevt "miraklet" med vibekodning: så här har jag programmerat en Android TV-app utan att ha någon aning om programmering.

Var försiktig med kostnaderna. Problemet med denna idé är att man genom att designa en loop kan lansera flera subagenter som arbetar parallellt. Detta innebär en utgift av tokens som kan vara betydande, vilket hotar att bli mycket dyrt.

Rekommendationen är naturligtvis att använda subagenter och loopar när det är vettigt. Ytterligare ett steg i utvecklingen av AI. Övergången från uppmaningar till loopar utgör en ny fas i utvecklingen av AI.

ChatGPT förvånade oss genom att skapa snabba dikter, men processen var ineffektiv eftersom att prata inte alltid är den optimala vägen för att uppnå det önskade resultatet. Professionen 'snabb ingenjör' kunde därför vara hotad efter den inledande fasen där det var viktigt att veta hur man pratar med AI. Nu är det kraftfulla att veta hur man designar de slingorna som i slutändan gör allt för användaren.

Bild | Compagnons i Xataka | Claude Code är den stora favoriten bland programmerare. Så mycket att det redan signerar 4% av allt som laddats upp till GitHub (instagramScript) Det snabba teknikmodet är över.