腾讯高级后台开发工程师任磊达在 AICon 全球人工智能开发与应用大会 2026（深圳站）分享了《QQ 飞车 Agentic 研发转型过程中的 Loop Engineering》。他基于每月约三百亿 token 的使用经验，系统阐述了从 hook 级循环、CI 级循环、工作流结构化拆分到团队层面 graph engineering 的迭代方法论。该分享为一线研发团队将 agent 循环沉淀为可复用工程能力提供了实践框架。
SynthePulse Insight · AI 深度解读会员精读
版本 1 · 1 个来源
腾讯 QQ 飞车项目组 Agent 落地负责人任磊达在 AICon 2026（深圳站）提出，Agentic 研发转型的关键不是提示词工程，而是 Loop Engineering——把模型的概率性输出，用 hook、CI、工作流拆分和团队编排四层迭代，沉淀成可复用、可观测的工程闭环。以下内容整理自其演讲实录，均为分享者自述，未经独立第三方验证。
这场分享的起点是一个很具体的困惑。任磊达说，三月份刚聊 harness engineering 时，他觉得这个概念听起来很抽象，当时理解它的目标可能有两个：工作时间尽量提高并发，可以同时操控五到十个 agent；非工作时间让 agent 继续工作。他称最近一个月大约消耗三百亿 token，而在这个量级下，主要还是工作时间并发度的提高在起作用——非工作时间那一块还没有真正 loop 起来，需要进一步探讨。
由此他给出 loop 与 prompt 的分野：prompt agent 更聚焦解决具体问题，比如要求 agent 把某段代码精简一点；而 writing loop 要求 agent 主动发现并提问问题——你怎么没发现这段代码太长，下次应该主动去发现。这样把经验通过迭代沉淀到 loop 里，追求同样的问题只犯一次错误。
需要说明的是，上述 token 消耗量级、并发目标均出自分享者自述，来源为单一会议演讲，缺乏第一方数据佐证。分享内容为演讲实录，经 InfoQ 不改变原意编辑整理，并非独立第三方验证。
任磊达从工程实践角度把 loop 分为四层：第一层是 hook 级别，第二层是 CI 级别，这两层与吴恩达提出的三层划分比较像；第三层是对工作结构的结构化拆分；第四层是组织团队的提效。他强调，如果只是没有意义、没有思考、没有经验的重复，并不能带来价值，所以在他的定义里 loop 是一个迭代。
他同时给这一框架划了边界。他提到，团队使用的 agent 与 skill 层级已经到了上百个级别，在这种规模下，如果要去 loop 这些东西、去思考 evaluation 在真实研发场景中的效果，是很难把额外的东西摆正的。
第四层被他明确标注为不确定：他认为个人 loop 被团队其他成员 deploy 只是复制练习，而非 engineering product，团队提效更需要 graph engineering 的编排，并称这一话题很新、自己讲的不一定对。
本文全部内容整理自任磊达在 AICon 全球人工智能开发与应用大会 2026（深圳站）的演讲实录，由 InfoQ 进行不改变原意的编辑整理，属于单一来源的会议分享，未经独立第三方验证。文中 token 消耗量级、并发度变化、三个观测指标等均为分享者自述，缺少第一方数据佐证与具体统计口径；custom-linter 自愈与 auto approve 的成功率、误放行率未披露；graph engineering 部分分享者本人称不一定对。请读者据此评估证据强度。
主报道
主报道来源