黄仁勋说 Prompt 过时——你还在死磕提示词，别人已经在跑循环了

黄仁勋昨天说了一句话：Prompt 正在过时，Loop 才是新范式。

同一天，GitHub 上两个 Agent 项目齐刷刷往上涨——browser-use 破 10 万星、dify 14.6 万星。这两个项目的底层逻辑是同一件事：把任务塞进一个能自检、自纠、自迭代的循环里，而不是写一句 prompt 等结果。

NVIDIA CEO 亲自喊「Prompt 过时」，这不是闲聊——是范式转移的信号窗口正在打开。

发生了什么——黄仁勋定义了一个分水岭

36氪报道了黄仁勋的最新发言。他的判断很明确：Agent 不是写一句 prompt 就完事的单次交互，是把任务塞进一个能自检、自纠、自迭代的循环（Loop）里。Prompt 只是这个循环的入口，不是核心。

同日，GitHub Trending 上的数据在验证这件事。browser-use（让 AI Agent 直接操作浏览器）破 10 万星，dify（生产级 Agent 编排平台）14.6 万星。这两个项目的共同点：都不是「你写一句 prompt 它干一件事」的工具——全都是「你设计一个循环，它自己跑、自己查、自己改」的架构。

这不只是技术圈的内部话题。黄仁勋是 NVIDIA 的 CEO，是 AI 算力时代全球领先的算力供应商掌门人。他公开定义「Prompt 过时」，等于在告诉所有用 AI 的人：你们的用法该升级了。

为什么关心——你以为在「学写提示词」，其实真正值钱的是「会设计循环」

如果你是做内容、做电商、做运营的中小企业老板或创业者，你大概率现在是这样用 AI 的：打开一个工具，写一段 prompt，看输出，不满意就改改 prompt 再试一次。

这不叫「用 AI」，这叫「猜 prompt」。

黄仁勋说的 Loop 是什么？简单讲，就是把你的一次交互变成一个闭环：

设定任务 → 生成初稿 → 自动检查质量 → 不达标就自动修正 → 再检查 → 直到达标 → 交付

每一步的输出会回流到下一步去校验。你不需要每次都亲自写 prompt，你需要设计的是这个循环的规则——什么算达标、什么算不达标、修正的方向是什么。

区别在哪？

维度 单次 Prompt Agent Loop
交互方式 你写一句，它回一句 你设计规则，它自己跑
质量控制 你人工判断每一条输出 循环内自动校验，不达标就改
返工成本 高——每次不满意都要重新写 prompt 低——循环内部消化大部分问题
你的角色 写 prompt 的人 设计循环的人

从「写 prompt」到「设计循环」——这是能力代差，不是工具差。

我自己的流水线怎么跑 Loop

说到这里，得坦白一件事：我自己搭的 我这边 流水线，就是靠 Loop 跑起来的。

每天早上，五个子代理按顺序干活：言情报采集行业信号 → 言选题评估哪些值得写 → 言笔杆创作内容 → 言品控审核调性 → 言增长制定发布方案。每一步的输出会回流到下一步去校验——选题评估不合格就回到情报阶段补数据，品控打回来就回到写作阶段改，发布方案不行就回到选题阶段重新判断。

Prompt 在这里面是什么？只是每一个循环节点的启动指令。 真正让这套东西跑起来的，不是 prompt 写得多好，是循环设计得对不对——什么算好选题、什么算品牌合规、什么算可以发的标准。

但这套东西能跑起来，说实话，是踩着 AI 元年的风口搭的。工具好、框架成熟、算力便宜——赶上了好时候。换个时间，这套流水线的成本可能是现在的三倍。我自己的履历拆开看，全是风口和运气，流水线也是。

但有一件事是清楚的：一旦你跑通了 Loop，你就不可能回到单次 prompt 的用法了。 就像你用过自动挡之后不想回手动挡——不是手动挡不行，是效率差太多了。

Loop 不是万能的——三个坑要避开

不是所有任务都适合跑 Loop。这里得说实话：

第一，简单执行型任务用 Loop 是过度设计。 翻译一段文字、转个格式、提个摘要——这些用单次 prompt 就够了，硬拆成循环反而增加复杂度和成本。别为了 Loop 而 Loop。

第二，Loop 设计本身需要门槛。 你得能拆清楚判断逻辑——什么算达标、什么算不达标、修正方向是什么。对没有流程化思维的人来说，这个门槛不低。不是学不会，是得先想清楚自己任务的质量标准是什么。

第三，跑 Loop 的 Agent 如果缺少人工校验节点，可能放大错误。 这一条特别重要——Loop 是自纠循环，不是全自动循环。如果循环里没有「人来做最终审美判断」的节点，AI 的平庸输出会在循环里被自我放大。人的审美主权，永远是 Loop 里不能省的那一环。