Loop Engineering, почему AI-агенты начинают писать код лучше разработчиков

В прошлом месяце я сидел в Cursor и тупо смотрел в экран. Агент сам правил свой код. Я дал ему задачу. Он написал решение. Запустил тесты. Увидел ошибку. Поправил. Снова запустил. Через пять итераций всё работало.

Я просто сидел и смотрел. Потому что мне нечего было добавить. За двадцать лет в разработке я привык, что код пишу я. А тут я просто наблюдал. Как режиссёр, который смотрит, как актёры играют сами.

И в этот момент я понял: старая схема «запрос → ответ» умерла.

Как выглядит работа с AI сейчас

Раньше я писал промпт, получал ответ, проверял, исправлял ошибки руками. Как с собеседником.

Но код - это не текст. Его надо запускать, тестировать, отлаживать. Один запрос не учитывает реальное выполнение. И AI начал это понимать.

Теперь работает иначе. Вместо:

запрос → ответ

появилось:

задача → генерация → выполнение → проверка → ошибка → исправление → повтор

И это повторяется, пока задача не решена.

Я впервые увидел это на практике с Claude Code. Попросил написать API с авторизацией. Агент написал код, запустил тесты, получил ошибку валидации токена, проанализировал лог и исправил. Потом снова запустил. Четыре итерации - и всё заработало.

Я просто читал логи. Как будто смотрел на стажёра, который учится на своих ошибках. Только быстрее.

Почему это работает сейчас, а не три года назад

Я помню, как мучался с GPT-3 в 2022-м. Пытался заставить его написать работающий код на Django. Это было больно. Модель не видела структуру проекта, не умела запускать тесты, не понимала контекст.

Сейчас агенты в Cursor, Claude Code и других IDE уже умеют:

запускать тесты и читать output

видеть всю структуру проекта

редактировать файлы

отслеживать ошибки выполнения

принимать решения на основе результата

Они перестали быть просто чат-моделями. Они работают в реальной среде разработки.

Как это выглядит в коде

Я видел этот цикл сотни раз. Он всегда одинаковый:

//python
while (task_not_done) {
    plan();
    generate_code();
    run_tests();

    if (error) {
        analyze_error();
        fix_code();
    }
}

Выглядит просто. Но за этим кодом - фундаментальный сдвиг. AI больше не ищет идеальный ответ с первого раза. Он идёт к нему через итерации. Как человек. Только без усталости и в сто раз быстрее.

Недавно я дал агенту задачу - рефакторинг старого модуля на Python. Там было 500 строк спагетти. Агент разобрал всё на части, переписал, запустил тесты, нашёл три бага, которые я не замечал годами, и исправил их. Через час у меня была чистая архитектура.

Сам бы я писал это два дня.

В чём разница между старым и новым подходом

Я часто объясняю это коллегам.

Prompt Engineering - про правильный вопрос. Ты веришь, что AI даст идеальный ответ с первого раза.

Loop Engineering - про процесс. Ты знаешь, что первый ответ будет несовершенным. И строишь систему, которая улучшает его через обратную связь.

Это переход от «генерации результата» к «управлению процессом».

Я сейчас редко пишу сложные промпты. Чаще говорю агенту: «Сделай это, запусти тесты, если упало - почини и повтори». Он делает. Без лишних вопросов.

Как изменилась моя роль

Я перестал быть человеком, который пишет код. Моя задача - спроектировать цикл. Как AI проверяет себя, какие инструменты использует, когда останавливаться.

Это переход от coding к system design for AI agents.

Иногда я ловлю себя на мысли: «Я двадцать лет учился писать код, а теперь просто говорю агенту, что делать». Но потом понимаю: я не стал хуже. Я просто поднялся на уровень выше. Теперь я проектирую процесс, а не строчки.

Что будет дальше

Loop Engineering уже работает в agent-based системах. AI ведёт задачу от постановки до результата. Разработчик задаёт цель, реализация - итеративный процесс между AI и инструментами.

Я думаю, через пару лет мы перестанем писать код руками. Будем проектировать системы, которые пишут код сами.

Звучит страшно? Может быть. Но я в этом вижу будущее. И оно уже здесь.