В июле 2026 года в области AI-программирования произошли значительные изменения. Питер Штейнбергер объявил на платформе X о завершении эры циклического инжиниринга и направил отрасль в сторону графового инжиниринга. Циклический инжиниринг возник из метода Ralph Джеффри Хантли, который обходил ограничения контекстного окна за счет постоянного выполнения AI-агентов до достижения цели. В апреле–мае 2026 года такие инструменты, как Codex и Claude Code, внедрили функцию Goal, реализовав продуктовую версию циклического подхода. В настоящее время отрасль исследует более сложные формы графового инжиниринга, включающие совместный дизайн организационных и рабочих графов.

Автор статьи, источник:官方微信公众号 InfoQ (ID: infoqchina)

Мы еще обсуждаем цикл, или уже перешли к графику?

18 июля 2026 года Питер Штейнбергер на платформе X одним предложением тихо объявил о завершении эры циклической инженерии. Этот пост набрал 2,6 миллиона просмотров в течение двух дней после публикации.

Шесть недель назад он получил 8,4 миллиона просмотров с помощью «дизайна циклов, которые подсказывают агентам», заставив разработчиков по всему миру осознать, что эра промпт-инжиниринга уходит, и новым направлением становится цикл-инжиниринг.

Два поста, общее количество просмотров которых превысило 11 миллионов, вывели самые популярные обсуждения в области AI-программирования на новый уровень.

Возрождение цикла

За последний месяц «Loop Engineering» быстро стал популярной концепцией в области AI-программирования.

Но его истинное происхождение восходит к году назад. В июле 2025 года инженер-программист Джиффри Хантли предложил метод, который он назвал «Ralph» — простой цикл Bash, заставляющий Claude повторять задачу до достижения цели:

while :; do cat PROMPT.md | claude-code ; done

Суть метода Ральфа заключается в обходе ограничений контекстного окна. В середине 2025 года максимальный размер контекстного окна составлял 200 000 токенов, чего было недостаточно для более сложных задач, поэтому выполнение агента необходимо было разбить на более мелкие единицы и запускать их по очереди.

В этом контексте метод Ральфа работает следующим образом:

• Задайте цель для проекта, затем запускайте или повторно запускайте агента, пока цель не будет достигнута.
• Постоянно сохраняйте завершенную работу в файловую систему в сжатом формате, например, в виде журнала или обновленного плана.
• Запустите агента с новым контекстом, чтобы минимизировать «загрязнение контекста».
• При необходимости каждый агент может добавлять или изменять «общий план».

Хантли с помощью этого метода построил язык программирования с нуля и подтвердил его жизнеспособность. Однако он стал широко известен в сообществе разработчиков только после появления более мощных моделей.

Успех Loop также неотделим от некоторых ключевых разработчиков Anthropic и OpenAI. На конференции разработчиков Anthropic создатель Claude Code Борис Черни заявил: «Сейчас я уже не даю подсказки Claude. Я запускаю циклы, которые сами дают подсказки Claude и определяют, что делать дальше. Моя работа — писать циклы».

Затем Питер Штейнбергер также опубликовал сообщение, призывая разработчиков перестать напрямую подсказывать программным агентам: «Ежемесячное напоминание: вы больше не должны сами подсказывать программным агентам. Вы должны проектировать циклы, которые будут подсказывать агентам».

Бывший инженер Google Эдди Османи позже написал статью под названием «Loop Engineering», в которой описал это как: «Циклическое инжиниринг — это отказ от непосредственного взаимодействия с агентом и создание системы, которая выполнит эту задачу за вас».

Концепция есть, название есть, инфраструктура также быстро развивается.

В апреле–мае 2026 года Codex, Claude Code и Hermes последовательно внедрили команду /goal, превратив ручное написание циклов в одну команду.

Примерно через шесть месяцев после широкого внедрения Ralph, Codex выпустил функцию goal

Документ Codex гласит: «Цели — это постоянные цели в Codex, которые позволяют диалоговой ветке на протяжении нескольких циклов взаимодействия последовательно продвигаться к четкому результату. Цель предоставляет Codex условие завершения: какое состояние должно выполняться, как проверить успешность и какие ограничения должны всегда соблюдаться».

Документ особо отмечает: «Обычные подсказки означают: сделай это следующим. Goal означает: продолжай работать, пока этот результат не будет достигнут».

В обычных запросах Codex обрабатывает текущую инструкцию, сообщает результат и ожидает следующего шага. При использовании Goal к потоку прикрепляется постоянная цель. После завершения одного цикла выполнения она может проверить текущие данные и определить, достигнута ли цель. Если ответ отрицательный, а Goal остается активным и бюджет не исчерпан, Codex может продолжить работу из последнего состояния.

Например: «Снизить p95 задержку в тесте оформления заказа до менее чем 120 мс, обеспечив при этом прохождение всех тестов корректности».

Это достаточно четкий «критерий завершения», который можно напрямую передать агенту. Затем агент самостоятельно разобьет задачу, создаст подагентов и будет продолжать работу до ее завершения. Команда Codex вдохновилась идеей цикла Ральфа и построила на его основе инфраструктуру: координация нескольких агентов, предотвращение их взаимных помех; управление состоянием; запуск тестов; запуск и остановка агентов; позже были добавлены такие функции, как установка бюджета.

Архитектура функции Goals

Как разработчики могут использовать циклы

Тогда что на самом деле делают разработчики с циклами? Согласно обратной связи от сообщества, наиболее распространенный сценарий — это выполнение периодических задач.

Но возможности цикличности далеко не ограничиваются этим. Настоящая ценность циклического инжиниринга проявляется в более сложных, долгосрочных задачах, требующих постоянной итерации.

Например, завершение масштабной миграции кода. Основатель стартапа Рафель Мендьола должен был преобразовать React-приложение в React Native. Традиционный подход предполагал создание крупного Epic, а затем разбиение его на 50–100 задач — даже создание инфраструктуры казалось пугающим.

Его альтернативой было создание навыка, позволяющего агенту самостоятельно распознавать переиспользуемые фрагменты кода, выполнять преобразование и отслеживать прогресс, а затем добавить этот навык в Cron-задачу, запускаемую каждые 30 минут. По сравнению с управлением обширным планом миграции, такой подход значительно легче с когнитивной точки зрения.

Следующая остановка: Graph

Проблема с твитом Питера на самом деле указывает на путь эволюции.

Год назад инженерия подсказок была ключевым навыком. К 2025–2026 годам фокус сместился на проектирование циклов. А сейчас Питер указывает на ещё более далёкую цель: проектирование графов, состоящих из нескольких циклов — каждый агент выполняет свой собственный цикл, связанный с другими через зависимости.

Самый интересный ответ в цепочке комментариев к этому твиту от Луиса Катакоры: «В цикле есть большой запас прочности. График заставит вас признать, сколько частей рабочего процесса вообще не были правильно смоделированы».

Это предложение демонстрирует различие между этими двумя парадигмами. Цикл позволяет отложить проектирование архитектуры: сначала поручите все задачи одному агенту, пока он не перестанет справляться. Граф же требует заранее определить всю структуру — кто отвечает за что, какие задачи зависят от других и что делать, если один из ветвей завершится с ошибкой. Цикл — это отложенное принятие решений, граф — это предварительное принятие решений.

Шубхам Сабу, старший менеджер по продукту по ИИ в Google и автор репозитория Awesome LLM Apps (с более чем 124 000 звездами на GitHub), предложил другое разбиение: он различает два уровня: «организационная диаграмма определяет, кто отвечает за какую область, и сохраняет контекст; рабочая диаграмма определяет, что необходимо сделать в данный момент, и может быть разделена, объединена, переупорядочена или полностью исчезнуть на основе доказательств».

Что это такое Graph?

Loop делает поведение агента программируемым. Graph делает организацию агентов программируемой.

Следующий шаг — динамическая организация агентов: в процессе выполнения задачи Graph самостоятельно переписывает свою структуру.

Престон Холмс: По крайней мере, существует два важных графа. Первый — это граф, показанный в вашей схеме, состоящий из долгосрочно существующих агентов, каждый из которых отвечает за свою область, подобно зональной обороне. Второй — это граф, формируемый задачами, которые необходимо выполнить. Он динамичен и постоянно меняется.

Шубхам Сабу: Долгосрочный «организационный график» определяет, кто отвечает за каждую область и сохраняет контекст. «График работы» определяет, какие задачи необходимо выполнить в данный момент. По мере появления новых данных он может разделяться, объединяться, переупорядочиваться или полностью исчезать.

Это ключевой аспект производственной многагентной системы: на самом деле одновременно работают две диаграммы.

Организационная структура (Org Graph): определяет, кто за что отвечает. Она состоит из долгосрочных агентов, каждый из которых отвечает за конкретную область, сохраняя контекст, экспертные знания и права доступа к инструментам этой области. Организационная структура относительно стабильна и аналогична корпоративной организационной структуре.

Рабочий график (Work Graph): определяет «что нужно сделать сейчас и как передаются задачи». Он постоянно изменяется по мере появления новых задач и доказательств, задачи можно разделять, объединять, менять порядок или отменять прямо сейчас. Рабочий график больше похож на динамически генерируемый план проекта.

Престон Холмс также считает, что обе схемы важны и работают на разных временных масштабах. Организационная схема предварительно проектируется и развертывается; рабочая схема динамически генерируется для каждой задачи и удаляется после ее завершения.

Если циклы делают поведение агента программируемым, то графы делают организацию агентов программируемой. Следующий шаг — динамическая организация агентов: в процессе выполнения задачи граф самостоятельно переписывает свою структуру.

От написания хорошего промпта до проектирования цикла и построения графа — центр тяжести способностей ИИ к программированию постоянно смещается вверх. Разработчикам все меньше нужно заботиться о том, как взаимодействовать с отдельным агентом, и все больше — о том, как проектировать структуры взаимодействия между агентами.