24 июня 2026 года в AI-повестке закрепился еще один модный термин: loop engineering. Идея звучит привлекательно для любой команды, уставшей от ручного перебора промптов: не вести модель за руку, а собирать циклы, в которых AI-агенты сами дробят задачу на шаги, вызывают инструменты и двигаются к результату. Для русскоязычных разработчиков и продуктовых команд смысл новости в другом: вместе с обещанной автономностью приходят растущие расходы на токены, более сложная отладка и все та же обязанность держать человека рядом с системой.
Поводом для новой волны обсуждений стал пост Питера Штайнбергера, создателя OpenClaw, который позже присоединился к OpenAI. 7 июня он написал, что «больше не нужно промптить кодинговых агентов», а нужно «проектировать циклы, которые будут промптить агентов». Как пишет The Register, именно эта формулировка быстро разошлась по соцсетям и подбросила топлива в знакомую уже по AI-рынку машину хайпа: вчера все говорили о prompt engineering, потом о harness engineering, теперь очередь дошла до loop engineering. Формально ничего магического здесь нет. AI-агенты и раньше работали в циклах: получили задачу, сгенерировали шаг, вызвали инструмент, проверили результат, пошли на следующий круг. Но индустрии нужен новый ярлык, а ярлыки в 2026 году продаются не хуже облачных кредитов.
Скепсис прилетел почти сразу. Журналист и критик AI-индустрии Эд Зитрон ответил Штайнбергеру вопросом, который больно попадает в экономику всей этой истории: «OpenAI сама себе оплачивает расходы на токены?» В его трактовке новый культ циклов отлично совпадает с интересами разработчиков моделей: чем меньше ручного контроля и чем больше «автономных» проходов агента по задаче, тем выше потребление токенов. The Register даже приводит довольно едкое сравнение: будто коммерческая коммунальная компания советует клиентам не выключать свет и бытовые приборы на ночь. Смысл понятен без расшифровки: если агенту разрешено крутиться в цикле дольше, он почти гарантированно сожжет больше бюджета. И чем сложнее задача, тем тяжелее заранее предсказать, где цикл остановится и сколько это будет стоить.
Эту же линию Зитрон продолжил в адрес Бориса Черны из Anthropic, который тоже продвигал идею циклов как следующего шага после классических промптов. Критик напомнил, что рассуждать о преимуществах loop engineering удобнее, когда у тебя, по его словам, есть возможность тратить на токены больше 130 тысяч долларов в месяц. Это не столько удар по конкретному человеку, сколько хороший маркер разрыва между публичной риторикой AI-компаний и реальностью большинства команд. У стартапа, аутсорсинговой студии или внутренней продуктовой команды в банке нет бесконечного лимита на эксперименты. Там любая «автономность» очень быстро упирается в обычный вопрос: сколько стоит один полезный результат и сколько стоит каждый неудачный прогон.
Что на самом деле продают под новым названием
Если убрать маркетинговую упаковку, loop engineering выглядит как попытка сместить фокус с единичного промпта на архитектуру процесса. Не «напиши идеальную инструкцию для модели», а «собери контур, в котором модель умеет планировать, проверять себя, повторять шаги и пользоваться инструментами». Для инженерных команд это, в общем, не новость. Любой, кто строил агентные пайплайны в 2025 году, уже сталкивался с таким устройством: есть управляющая логика, есть ограничения по числу итераций, есть внешние функции, есть критерии остановки и обязательный лог всего, что агент натворил. Даже The Register отдельно замечает, что о циклах в контексте AI писали и раньше, в том числе Андрей Карпаты. Так что новый термин не открывает новую дисциплину. Он просто делает старую практику более удобной для продающих презентаций и постов в LinkedIn.
При этом полезное зерно в обсуждении есть. В тот же день разработчик Эдди Османи опубликовал разбор под названием Loop Engineering, и The Register отмечает, что это уже не поток модных формулировок, а попытка объяснить, как такие циклы действительно строить. Самый важный вывод Османи звучит почти как прививка от избыточного оптимизма: цикл меняет вашу работу, но не убирает вас из процесса. Это, пожалуй, главная мысль всей истории. Чем больше компания автоматизирует через агентные контуры, тем выше требования к человеку, который задает рамки, проверяет промежуточные состояния, ограничивает инструменты, настраивает наблюдаемость и разбирает аварии. Иначе «автономный агент» превращается в дорогой генератор неожиданных побочных эффектов.
Что это значит для разработчиков и бизнеса
Для разработчиков новость неприятная и полезная одновременно. Неприятная, потому что рынок снова продает удобную иллюзию: будто можно перестать писать точные инструкции и просто «спроектировать цикл», после чего агент сам доведет задачу до конца. На практике недетерминированная модель никуда не делась. Если дать ей больше свободы, она не становится внезапно надежной, а лишь получает больше шансов ошибиться в длинной цепочке шагов. Полезная часть новости в том, что инженерная зрелость теперь смещается на уровень orchestration: лимиты на итерации, бюджетные стопы, трассировка вызовов, контроль доступа к инструментам, тестовые стенды для агентных сценариев и ручные точки проверки. Проще говоря, не меньше промптов как таковых, а больше обычной инженерной дисциплины.
Для бизнеса картина тоже довольно приземленная. Если раньше менеджер мог оценивать эффективность AI-функции по качеству одного ответа, то с агентными циклами считать придется весь маршрут: сколько шагов сделал агент, сколько раз сходил в поиск, сколько токенов сжег на повторных попытках, где именно потребовался человек и какова цена исправления ошибки. В этом смысле loop engineering не отменяет human in the loop, а делает его дороже и заметнее. Чем активнее рынок будет обещать «set-and-forget» для многосоставных задач, тем внимательнее компаниям придется считать TCO таких систем. Иначе у команды останется красивый дашборд с агентами, а рядом с ним — счет за токены и сотрудник, который по вечерам вручную разгребает последствия их самостоятельности.
Главный вопрос теперь не в том, заменит ли loop engineering prompt engineering как новый модный ярлык. Важнее, сумеют ли команды отделить полезную архитектурную практику от витрины, где каждое дополнительное кольцо в цикле одновременно продается как шаг к автономии и как повод потребить еще немного вычислений. Для тех, кто строит AI-продукты всерьез, ответ уже просматривается: агентам можно доверять рутину, но ответственность за границы, бюджет и финальную проверку по-прежнему остается у людей.