Dal prompting manuale all'ingegneria dei loop
La maggior parte delle persone usa ancora gli agenti AI manualmente
Inseriscono un compito
Aspettano una risposta
Esaminano loro stessi il risultato
Correggono loro stessi gli errori
Poi inviano un altro prompt
L'umano sta ancora facendo il loop
La fase successiva è diversa
Smetti di fare prompting all'agente passo dopo passo
Costruisci un loop attorno ad esso
Il loop fornisce le istruzioni
Controlla l'output
Sceglie l'azione successiva
E continua fino a quando il risultato non soddisfa lo standard
Questa è l'ingegneria dei loop
L'idea è semplice
Smetti di perdere tempo a fare manualmente prompting agli agenti
Inizia a progettare i sistemi che fanno prompting per te
"Non dovresti più fare prompting agli agenti di coding. Dovresti progettare loop che fanno prompting ai tuoi agenti"
Boris Cherny guida Claude Code presso Anthropic
Ha descritto lo stesso cambiamento attraverso il suo flusso di lavoro:
"Non faccio più prompting a Claude. Ho loop in esecuzione che fanno prompting a Claude e decidono cosa fare. Il mio lavoro è scrivere loop"
Perché la maggior parte delle persone ancora non costruisce loop reali
I loop sembrano incredibili finché non vedi il conto dei token
Un normale loop di un agente può consumare il contesto estremamente velocemente:
- Un loop di coding di medie dimensioni può usare 50K-200K token
- Una flotta con un orchestratore e specialisti può usare 500K-2M token
- Un loop programmato per essere eseguito quotidianamente può consumare milioni di token ogni settimana
Ogni tentativo costa token
Ogni correzione costa token
Ogni passo di verifica costa token
Ogni sotto-agente aggiunge un altro conto
Questa è la limitazione nascosta di cui raramente si parla
L'ingegneria dei loop non è difficile perché il concetto è difficile da capire
È difficile perché la maggior parte degli utenti non può permettersi esecuzioni infinite di agenti
La risposta ovvia è:
"Facile per te dirlo, tu hai accesso illimitato a OpenAI"
E questa critica è giusta
Ecco perché i modelli economici con grandi finestre di contesto sono così importanti
Per eseguire loop utili ogni giorno, hai bisogno di:
- Token di input convenienti
- Token di output convenienti
- Grandi finestre di contesto
- Chiamate a strumenti affidabili
- Output JSON strutturato
- Alta concorrenza
- Contesto sufficiente per ricordare i passi precedenti
Senza queste cose, i loop rimangono esperimenti costosi
Con esse, i loop diventano sistemi pratici che possono eseguire lavoro reale
Il vecchio flusso di lavoro vs il nuovo flusso di lavoro
Negli ultimi due anni, la maggior parte delle persone ha usato gli agenti in questo modo:
Tu fai il prompt
L'agente risponde
Tu esamini la risposta
Noti un problema
Fai di nuovo il prompt
Funziona, ma non scala
Il vecchio flusso di lavoro:
- Scrivi il prompt
- L'agente crea un output
- Ispezioni l'output
- Ripari le parti deboli
- Ripeti manualmente il processo
Il nuovo flusso di lavoro:
- Definisci il risultato
- Il loop scopre cosa è necessario
- Il loop crea un piano
- L'agente esegue il lavoro
- Un controllore valuta il risultato
- Il loop corregge i fallimenti
- Il sistema si ferma quando l'obiettivo è completato
Un prompt dà a un agente una singola istruzione
Un loop dà all'agente un intero lavoro
Cosa significa realmente l'ingegneria dei loop
L'ingegneria dei loop significa costruire cicli di feedback ripetibili attorno agli agenti AI
L'obiettivo è semplice:
Passare da un tentativo iniziale a un risultato verificato
Senza un umano che controlla ogni passo
Il loop di base contiene cinque fasi:
- Scoprire
- Pianificare
- Eseguire
- Verificare
- Iterare
Se il risultato supera il controllo, pubblicalo
Se il risultato fallisce, rimettilo nel loop
Questo è l'intero concetto
Non stai cercando di scrivere un prompt impeccabile
Stai creando un sistema
Uno che migliora gli output imperfetti finché non soddisfano il requisito
Loop a singolo agente
I loop hanno generalmente due dimensioni
La versione più piccola usa un agente per completare l'intero ciclo
Scopre cosa deve succedere
Pianifica il lavoro
Svolge il compito
Rivede il risultato
E riprova quando qualcosa fallisce
È simile a una persona che modifica la propria bozza finché non è pronta
I loop a singolo agente funzionano bene per:
- Compiti mirati
- Ambiti limitati
- Obiettivi chiari
- Bozze di contenuti
- Correzioni di bug
- Riepiloghi di ricerca
Un agente
Un ciclo di feedback
Auto-miglioramento continuo
Loop di flotta
Un loop di flotta opera su scala più ampia
Un orchestratore riceve l'obiettivo principale
Divide l'obiettivo in parti più piccole
Queste parti vengono assegnate ad agenti specializzati
Ogni specialista può anche delegare compiti ristretti a sotto-agenti più piccoli
Esempio:
1Obiettivo: Creare un'app di produttività23Orchestratore possiede la missione4 ↓ ↓ ↓5 Ricerca Ingegneria QA6 Specialista Specialista Specialista7 ↓ ↓ ↓8 Ricercatore Web Scrittore Codice Scrittore Test9 + Debugger + Tracciatore Bug
Questo non è più un agente che lavora da solo
È più simile a un piccolo team autonomo che gestisce un progetto dall'inizio alla fine
Loop aperti vs loop chiusi
Questa è la differenza pratica più importante
Non tutti i loop funzionano allo stesso modo
Loop aperti
I loop aperti sono esplorativi
Fornisci un obiettivo ampio e permetti all'agente di scoprire il proprio percorso
L'agente potrebbe scoprire cose utili che non hai mai specificato
Ma può anche diventare costoso e caotico
I loop aperti possono:
- Esplorare troppe direzioni
- Sprecare grandi quantità di token
- Generare lavoro di bassa qualità ad alta velocità
- Allontanarsi dall'obiettivo reale
- Diventare difficili da controllare
I loop aperti sono entusiasmanti
Ma di solito non sono il miglior punto di partenza
Loop chiusi
I loop chiusi hanno confini chiari
L'umano definisce prima il percorso
Il loop opera ancora in modo indipendente, ma rimane all'interno di regole esplicite
Un loop chiuso include:
- Un obiettivo chiaro
- Fasi definite
- Valutazione dopo ogni fase
- Una condizione di arresto
- Un passaggio all'umano se il sistema si blocca
Questa è la versione che crea valore oggi
Costa meno
È più facile da fidarsi
Produce risultati più puliti
Inizia con loop chiusi
Rendili più aperti solo dopo che i tuoi controlli sono abbastanza robusti
I 6 elementi costitutivi di un loop efficace
Ogni loop segue concettualmente lo stesso ciclo a cinque fasi
In pratica, sei elementi costitutivi rendono quel ciclo utile
1 Automazioni
L'automazione è il cuore pulsante del loop
Avvia il processo senza richiederti di ricordarti di avviarlo manualmente
Esempi:
- Esegui ogni mattina
- Esegui ogni volta che viene aperta una PR
- Esegui dopo che un file viene modificato
- Esegui quando appare un nuovo ticket
- Continua fino a quando ogni test passa
Se ancora inizi ogni azione da solo, il loop non sta facendo abbastanza
2 Worktree
I worktree diventano importanti quando più agenti modificano il codice contemporaneamente
Senza isolamento, gli agenti collidono
Due agenti potrebbero modificare lo stesso file
Un agente potrebbe sovrascrivere il lavoro di un altro agente
Un worktree dà a ogni agente uno spazio di lavoro e un ramo separati
Ciò permette a più agenti di lavorare in parallelo
Senza trasformare il repository in un caos
3 Skills
Le skills memorizzano conoscenze riutilizzabili sul progetto
Smetti di spiegare lo stesso contesto durante ogni esecuzione
Scrivi le informazioni importanti una volta sola
Lascia che ogni futuro loop le riutilizzi
I file di skill utili possono contenere:
- Visione del prodotto
- Architettura
- Regole del progetto
- Istruzioni di build
- Istruzioni di test
- Azioni che l'agente non deve mai compiere
Senza skills, ogni loop inizia da un punto freddo
Con le skills, ogni esecuzione inizia con la conoscenza accumulata dal lavoro precedente
4 Plugin e connettori
Un loop che può solo leggere file locali ha un valore limitato
I connettori gli permettono di interagire con gli strumenti in cui si svolge il tuo lavoro reale
Esempi:
- GitHub
- Slack
- Linear
- Jira
- Gmail
- Google Drive
- Database
- API di staging
Questa è la differenza tra:
"Ecco una possibile correzione"
E:
"Ho aperto la PR e l'ho collegata al ticket"
"Poi ho monitorato CI e ho pubblicato l'aggiornamento finale"
5 Sotto-agenti
Il creatore e il controllore non dovrebbero essere sempre lo stesso agente
Un agente che ha scritto il codice potrebbe essere troppo indulgente quando lo rivede
Un agente che ha scritto un articolo potrebbe trascurare le stesse sezioni deboli due volte
Usa agenti separati per:
- Esplorazione
- Implementazione
- Revisione
- Test
- Verifica dei fatti
- Riepiloghi finali
La qualità migliora quando il revisore è indipendente
Il creatore non dovrebbe essere l'unico a controllare il lavoro
6 Memoria
La memoria permette al loop di continuare attraverso più esecuzioni
Il modello dimentica
Il repository no
Gli appunti no
Il registro di progetto no
La memoria può essere memorizzata in:
- File Markdown
- Registri di progetto
- Ticket Linear
- Issue GitHub
- Vault Obsidian
- Database
- Progetti Claude
Un loop a lunga esecuzione deve ricordare cosa è già stato tentato
Cosa ha funzionato
Cosa ha fallito
E cosa deve ancora essere completato
Senza memoria persistente, il loop riparte da zero ogni volta
Esempi reali di loop
Questi flussi di lavoro rendono concreto il concetto
Loop di coding
1Leggi VISIONE.md + ARCHITETTURA.md2↓3Pianifica la prossima modifica4↓5Modifica il codice6↓7Esegui i test8↓9Se i test falliscono → ispeziona l'errore → correggi → testa di nuovo10↓11Se i test passano → riassumi le modifiche12↓13Ferma
Un umano non deve guidare ogni fase
L'agente scrive, testa, corregge e verifica il proprio lavoro
Loop di ricerca
1Definisci la domanda di ricerca2↓3Trova fonti pertinenti4↓5Riassumi le prove6↓7Verifica ogni affermazione confrontandola con le fonti8↓9Confronta informazioni contrastanti10↓11Crea la sintesi finale12↓13Ferma quando viene raggiunta la soglia di confidenza
Questo produce un risultato molto più robusto che chiedere un singolo riepilogo veloce
Loop di contenuti
1Definisci argomento + pubblico + obiettivo2↓3Crea la prima bozza4↓5Invia a un agente critico6↓7Riscrivi usando la critica8↓9Valuta rispetto ai criteri di successo10↓11Se supera → pubblica12↓13Se fallisce → riscrivi di nuovo
Il loop trasforma un'idea in un sistema di contenuti ripetibile
Loop di vendita esterna
1Definisci il profilo cliente ideale (ICP)2↓3Trova lead che corrispondono al profilo4↓5Arricchisci ogni lead con dati aziendali6↓7Qualificali rispetto ai criteri8↓9Personalizza il messaggio10↓11Esegui una revisione di qualità12↓13Invia o passa a un umano
Ogni esempio usa la stessa struttura:
Obiettivo
Azione
Controllo
Correzione
Ripeti fino a quando il lavoro è completato
Prompt engineer vs loop engineer
Questo è il nuovo divario di competenze che si sta aprendo nel 2026
Prompt engineer
Un prompt engineer si concentra su istruzioni migliori
Migliora la formulazione
Produce una singola risposta più forte
Ma dopo che l'agente ha finito, un umano deve ancora rivedere tutto
L'umano rimane il ciclo di feedback
Loop engineer
Un loop engineer costruisce il sistema di feedback stesso
Determina:
- Cosa avvia il loop
- Quale contesto riceve l'agente
- A quali strumenti può accedere
- Cosa qualifica come successo
- Chi verifica il risultato
- Quando il processo deve fermarsi
- Dove viene archiviato l'output finale
Un prompt engineer dice:
"Scrivi una funzione per me"
Un loop engineer dice:
"Scrivi la funzione"
"Testala e correggila fino a quando ogni test passa"
"Poi riassumi la modifica"
Gli strumenti possono essere identici
La mentalità è completamente diversa
I costruttori di AI con il maggiore impatto stanno andando oltre istruzioni migliori
Stanno creando sistemi che scoprono e pianificano
Eseguono e verificano
Poi si fermano al momento giusto
La versione breve
L'ingegneria dei loop è il passaggio da prompt manuali a cicli di feedback automatizzati
Il cambiamento:
- Vecchio metodo: Dai un compito alla volta all'agente
- Nuovo metodo: Costruisci un loop che gestisce l'intero ciclo
Le 6 cose che costruisci:
- Automazioni: Avvia il loop automaticamente
- Worktree: Permetti agli agenti di lavorare in parallelo senza conflitti di file
- Skills: Riutilizza la conoscenza del progetto in ogni esecuzione
- Plugin e connettori: Dai al loop accesso a strumenti reali
- Sotto-agenti: Separa i creatori dai revisori
- Memoria: Preserva la conoscenza tra le esecuzioni
Le 2 dimensioni:
- Loop a singolo agente: Un agente migliora ripetutamente il proprio lavoro
- Loop di flotta: Un orchestratore coordina specialisti e sotto-agenti
I 2 tipi:
- Loop aperto: Flessibile, esplorativo e costoso
- Loop chiuso: Delimitato, affidabile e conveniente
Le 5 fasi:
- Scoprire
- Pianificare
- Eseguire
- Verificare
- Iterare
Il vero problema dei costi:
- I loop consumano token rapidamente
- I modelli economici a lungo contesto li rendono pratici
- Senza token convenienti, la maggior parte degli utenti non va mai oltre gli esperimenti
Il cambiamento di mentalità:
- I prompt engineer richiedono output dall'AI
- I loop engineer costruiscono sistemi che forniscono risultati verificati
Questo è il vero punto di svolta
Smetti di cercare un prompt perfetto
Costruisci un loop che continua a migliorare output imperfetti
Un loop affidabile batterà un prompt perfetto
Se hai letto fino a qui
Segui @elune0x e segna questo articolo tra i preferiti
Tornaci quando sei pronto a costruire i tuoi loop
