Un tutorial di Loop Engineering adatto ai principianti: avvia il tuo primo loop di agente AI con un solo comando

Introduzione

Se hai sentito parlare di “Loop Engineering” ma non sai ancora bene da dove iniziare, questa guida ti offre un punto di partenza pratico.

Invece di scrivere prompt ripetutamente e controllare ogni passaggio a mano, un loop permette a un agente AI di lavorare verso un piccolo obiettivo secondo una pianificazione. Il sistema può assegnare il compito, leggere lo stato corrente, eseguire l’agente, verificare il risultato e coinvolgere di nuovo una persona quando è necessario un giudizio umano.

Il report originale ha presentato un framework open source di Loop Engineering creato da Cobus Greyling. Al momento del report, il progetto aveva raggiunto circa 4,5 mila stelle su GitHub. Il repository potrebbe ora mostrare un numero diverso di stelle, perché ha continuato a crescere.

In breve: l’obiettivo non è più soltanto scrivere prompt migliori. L’obiettivo è progettare un loop affidabile che sappia generare prompt, controllare e iterare entro confini chiari.

Che cos’è il Loop Engineering?

Il Loop Engineering è un modo per progettare workflow ripetibili per agenti AI. Un loop non è semplicemente un singolo prompt. È un piccolo sistema operativo attorno a un agente: definisce quando l’agente viene eseguito, quale contesto legge, cosa è autorizzato a modificare, come viene controllato il risultato e quando una persona deve revisionare l’esito.

Un loop tipico può essere usato per attività come:

• triage quotidiano del progetto;
• monitoraggio delle pull request;
• risoluzione dei problemi nelle CI;
• scansione delle dipendenze;
• ordinamento delle issue;
• pulizia dopo i merge;
• stesura di changelog.

Non sono sempre attività difficili, ma sono ripetitive. Richiedono attenzione, contesto e uno standard coerente. È esattamente il tipo di lavoro in cui un loop ben progettato può essere d’aiuto.

Perché questo framework sta attirando attenzione

Il framework open source descritto nell’articolo originale riunisce pattern pratici di loop, template iniziali e strumenti da riga di comando. È progettato per agenti di coding AI e supporta workflow basati su strumenti come Claude Code, Codex, Grok e OpenCode.

Il framework include:

• sette pattern di loop pronti all’uso;
• template iniziali per scenari comuni;
• loop-init per generare la struttura di un loop;
• loop-cost per stimare il costo in token;
• loop-audit per verificare la prontezza del loop;
• file di stato e budget per workflow di durata maggiore;
• supporto per revisioni umane più sicure e rollout graduali.

Il messaggio centrale è semplice:

Smetti di inviare prompt. Progetta il loop.

Questo non significa che i prompt scompaiano. Significa che i prompt diventano parte di un sistema più ampio, capace di ripetere il lavoro, tracciare lo stato e verificare i risultati.

Inizia rapidamente: un solo comando

Il modo più veloce per iniziare è eseguire loop-init all’interno di un progetto Git.

Nota: alcune versioni ripubblicate dell’articolo originale mostrano i flag da riga di comando con un trattino lungo. In un terminale reale, usa il doppio trattino standard -- mostrato sotto.

npx @cobusgreyling/loop-init . --pattern daily-triage --tool claude

Questo comando crea la struttura del loop nel progetto corrente. Puoi sostituire claude con un altro strumento supportato, come grok, codex o opencode, a seconda del workflow che vuoi testare.

Il pattern daily-triage è un buon punto di partenza per i principianti perché comporta un rischio più basso rispetto all’automazione ad alta frequenza. Si concentra sulla scansione dello stato corrente del progetto e sulla produzione di un report prima di consentire eventuali modifiche automatiche.

Tutorial di Loop Engineering adatto ai principianti

Il Loop Engineering può sembrare astratto all’inizio, ma il framework lo scompone in pochi blocchi concreti.

I cinque blocchi fondamentali più la memoria

A livello di base, un loop è composto da cinque parti principali, più memoria e stato.

Blocco fondamentale	Cosa fa nel loop
Automazione / Pianificazione	Esegue il loop secondo una cadenza, ad esempio ogni giorno, ogni ora o ogni pochi minuti.
Worktree	Crea ambienti di lavoro isolati, così più agenti non si sovrascrivono a vicenda.
Competenze	Conserva conoscenze di progetto riutilizzabili, regole e istruzioni per i compiti.
Plugin e connettori	Collega il loop a strumenti reali tramite sistemi come MCP, GitHub, Linear o Slack.
Sotto-agenti	Separa il ruolo di chi produce da quello di chi controlla, in modo che lo stesso agente non approvi il proprio lavoro.
Memoria / Stato	Mantiene un contesto persistente al di fuori del loop.

chat, di solito tramite file come STATE.md. |

Questa struttura rende il ciclo più facile da comprendere. Non stai chiedendo al modello di “gestire tutto e basta”. Gli stai fornendo un ambiente definito, una pianificazione, un file di stato, un percorso di verifica e una regola di passaggio a un essere umano.

Sette pattern di produzione pronti all’uso

Il framework include anche sette pattern orientati alla produzione. Ogni pattern ha una cadenza, un livello di rischio e un caso d’uso ideale diversi.

Pattern	Caso d’uso tipico	Modalità iniziale suggerita
Daily Triage	Analizzare lo stato del progetto, issue, CI e commit.	L1 solo report
PR Babysitter	Monitorare le pull request durante review, CI, rebase e merge.	L1 monitoraggio
CI Sweeper	Monitorare i controlli non riusciti e proporre o applicare piccole correzioni.	L2 prudente
Dependency Sweeper	Controllare dipendenze obsolete e aggiornamenti di sicurezza.	L2 solo patch
Issue Triage	Deduplicare, assegnare priorità e aggiungere etichette alle issue in arrivo.	L1 solo proposta
Post-Merge Cleanup	Pulire TODO, piccolo debito tecnico e attività successive dopo i merge.	L1 fuori picco
Changelog Drafter	Redigere note di rilascio a partire da commit e modifiche unite.	L1 bozza

Il consiglio pratico è iniziare con un ciclo a basso rischio. Il triage quotidiano è di solito più facile da considerare affidabile, perché non deve modificare subito il codice.

Selettore interattivo di pattern

Il progetto fornisce anche un selettore interattivo. Invece di scegliere manualmente un pattern, puoi partire da un punto critico, come “le PR continuano a bloccarsi”, “la CI continua a fallire” o “le issue sono troppo rumorose”.

Il selettore consiglia quindi un pattern di loop e ti fornisce un comando iniziale. È utile quando conosci il problema ma non sei sicuro di quale loop debba gestirlo.

Esegui il tuo primo loop

Ecco un modo adatto ai principianti per eseguire il primo loop mantenendo il rischio sotto controllo.

Passaggio 1: scegli un pattern

Inizia con daily-triage se è la tua prima volta. È un pattern a basso rischio e un buon modo per capire come il loop legge lo stato del progetto, scrive note e prepara il lavoro per un essere umano.

Passaggio 2: genera la struttura del loop

Esegui il comando di inizializzazione nella directory root del tuo progetto Git.

npx @cobusgreyling/loop-init . --pattern daily-triage --tool claude

Puoi cambiare il nome dello strumento se usi un diverso agente di coding AI.

npx @cobusgreyling/loop-init . --pattern daily-triage --tool grok
npx @cobusgreyling/loop-init . --pattern daily-triage --tool codex
npx @cobusgreyling/loop-init . --pattern daily-triage --tool opencode

Puoi anche sostituire daily-triage con un altro pattern supportato una volta compreso il flusso di base.

Passaggio 3: stima il costo in token

I loop ad alta frequenza possono consumare molti token, soprattutto se usano sub-agent, contesto lungo o verifiche ripetute. Stima il costo prima di eseguire un loop troppo spesso.

npx @cobusgreyling/loop-cost --pattern daily-triage --level L1

Per i test iniziali, mantieni il loop a L1 ed evita pianificazioni aggressive.

Passaggio 4: verifica la prontezza del loop

Prima di fidarti del loop, esegui un audit. L’audit assegna al progetto un punteggio di prontezza da 0 a 100 e suggerisce miglioramenti.

npx @cobusgreyling/loop-audit . --suggest

Se il progetto non è pronto, correggi prima gli elementi mancanti. Le lacune comuni includono l’assenza di un file di stato, l’assenza di un passaggio di verifica, un ambito poco chiaro, limiti di budget mancanti o regole deboli di passaggio a un essere umano.

Se il progetto raggiunge un buon livello di prontezza, puoi anche generare un badge Loop Ready per il tuo README.

npx @cobusgreyling/loop-audit . --badge

Passaggio 5: inizia in modalità solo report

Non permettere al loop di modificare il codice di produzione il primo giorno. Inizia in modalità solo report, poi rivedi manualmente l’output.

Per un comando di loop in stile Grok, la prima esecuzione può apparire così:

/loop 1d Esegui loop-triage. Aggiorna STATE.md. Nessuna correzione automatica nella prima settimana.

Questo dice al loop di eseguire il triage, scrivere lo stato ed evitare correzioni automatiche durante la prima settimana.

Passaggio 6: leggi l’output

Apri STATE.md e controlla cosa ha trovato il loop. Questo file funge da memoria al di fuori della conversazione. Dovrebbe mostrare cosa ha visto il loop, cosa ha fatto, cosa ha saltato e cosa richiede l’attenzione di un essere umano.

Se l’output è rumoroso o sbagliato, regola il loop prima di aumentarne l’autonomia. Un loop utile dovrebbe diventare noioso, prevedibile e ispezionabile.

Maturità del loop: da L1 a L3

La Loop Engineering dovrebbe essere introdotta gradualmente. I livelli di maturità ti aiutano a evitare di concedere troppa libertà troppo presto.

Livello	Significato	Uso consigliato
L1	Il loop segnala i risultati e aggiorna lo stato, ma non modifica il codice.	Ideale per le prime esecuzioni e per un’adozione a basso rischio.
L2	Il loop può apportare piccole modifiche con un verificatore e una revisione umana.	Utile dopo che il team si fida dell’output del loop.
L3	Il loop può essere eseguito per periodi più lunghi con un’esecuzione non presidiata limitata.	Adatto solo quando ambito, sicurezza, costi e verifica sono maturi.

Un buon primo obiettivo non è la piena autonomia. Un buon primo obiettivo è un loop L1 affidabile che ti fornisca informazioni utili senza

creando lavoro di pulizia extra.

Il processo standard di un loop

Un loop completo ha una sequenza chiara. L’articolo originale lo descriveva come un processo in otto passaggi:

1. trigger pianificato;
2. triage delle attività;
3. lettura dello stato corrente;
4. creazione di un workspace isolato;
5. esecuzione da parte dell’agente;
6. esecuzione dei controlli di verifica;
7. collegamento a Git o ai sistemi di ticketing;
8. richiesta di conferma umana quando necessario.

Questa è la principale differenza tra un prompt occasionale e un vero loop. L’agente non sta semplicemente “facendo cose”. Sta lavorando all’interno di un processo controllato, con stato, isolamento, controlli e passaggio di consegne.

Andrew Ng: lo sviluppo di prodotto richiede tre loop

L’articolo originale collegava inoltre il Loop Engineering alla discussione di Andrew Ng sullo sviluppo di prodotto. Il punto chiave è che costruire software con l’AI non significa avere un solo loop. Per un prodotto reale, esistono diversi loop che si muovono a velocità diverse.

1. Loop di coding agentico

Il loop più interno è il loop di coding. Un essere umano fornisce all’agente una specifica di prodotto e criteri di valutazione. L’agente scrive codice, lo testa, corregge i problemi e continua a iterare.

Questo loop può essere veloce. In alcuni casi, può produrre una nuova versione ogni pochi minuti.

2. Loop di feedback dello sviluppatore

Il livello successivo è il loop di feedback dello sviluppatore. L’agente può testare e revisionare, ma lo sviluppatore controlla comunque se il risultato sembra corretto, se si adatta alla direzione del prodotto e se risolve il vero problema dell’utente.

Questo loop è più lento. Può essere eseguito ogni alcune decine di minuti o ogni poche ore, a seconda del prodotto e della complessità delle modifiche.

3. Loop di feedback esterno

Il livello esterno è il loop di feedback degli utenti. Una volta che il prodotto raggiunge amici, alpha tester o utenti reali, il team inizia a imparare dal feedback, dai dati di utilizzo e dagli esperimenti.

Questo loop è ancora più lento. Può richiedere ore, giorni o settimane.

Insieme, i tre loop creano una catena pratica per costruire prodotti: l’agente aiuta a produrre versioni rapidamente, lo sviluppatore decide cosa dovrebbe diventare il prodotto e gli utenti dimostrano se vale la pena continuare in quella direzione.

Perché il gusto umano conta ancora

Il Loop Engineering non elimina gli esseri umani dallo sviluppo software. Cambia il ruolo degli esseri umani.

L’agente può gestire l’esecuzione ripetuta, ma ha comunque bisogno di confini chiari, verifiche solide e giudizio di prodotto. L’essere umano comprende ancora il contesto: di cosa hanno bisogno gli utenti, quali compromessi contano, cosa non dovrebbe essere automatizzato e cosa significhi davvero “abbastanza buono”.

Ecco perché un loop può essere installato con un solo comando, ma la definizione di “completato” appartiene ancora alle persone che costruiscono il prodotto.

Nota sulla fonte

Fonte originale: articolo di BAAI Hub, ripubblicato da QbitAI / WeChat. L’articolo citava anche il repository GitHub di Loop Engineering e il post pubblico di Andrew Ng su X.

Nota sulle immagini: l’immagine meme di apertura e il banner promozionale finale con QR/contatti presenti nella pagina originale sono stati esclusi perché non necessari per comprendere il tutorial. Le immagini rimanenti sono incluse solo dove supportano la spiegazione tecnica.

FAQ

Che cos’è il Loop Engineering?

Il Loop Engineering è un modo per progettare workflow ripetibili per agenti AI. Invece di inviare manualmente un prompt all’agente per ogni piccola attività, si definisce un loop con pianificazione, stato, strumenti, verifica e passaggio di consegne umano.

Come avvio un progetto di Loop Engineering?

Il punto di partenza più rapido è eseguire npx @cobusgreyling/loop-init . --pattern daily-triage --tool claude all’interno di un progetto Git. Per i principianti, daily-triage è di solito più sicuro dei loop ad alta frequenza, perché può iniziare in modalità solo report.

Perché il Loop Engineering usa STATE.md?

STATE.md fornisce al loop una memoria persistente al di fuori della sessione di chat. Aiuta il loop a ricordare risultati precedenti, ultime azioni, elementi irrisolti e override umani.

Che cos’è il punteggio Loop Ready?

Il punteggio Loop Ready è un risultato di audit prodotto da loop-audit. Verifica se il progetto dispone di struttura, stato, verifiche, limiti di costo e controlli di sicurezza sufficienti per eseguire un loop in modo responsabile.

Un loop di agente AI può funzionare senza supervisione?

Può

può, ma non dovrebbe iniziare in quel modo. Un percorso più sicuro è partire prima con L1 in modalità solo report, poi passare a correzioni assistite L2 con verifica, e solo in seguito a esecuzioni non presidiate L3 quando ambito, sicurezza e controlli dei costi sono maturi.

Perché dovrei stimare il costo in token prima di eseguire un loop?

I loop possono diventare costosi se vengono eseguiti spesso, usano contesti lunghi o avviano più sotto-agenti. loop-cost ti aiuta a stimare l’utilizzo prima che un workflow ad alta frequenza consumi il budget.

In che modo l’idea dei tre loop di Andrew Ng si collega a questo?

Il loop di ingegneria aiuta gli agenti a costruire e revisionare rapidamente il software. Il feedback degli sviluppatori e il feedback degli utenti sono loop più lenti che determinano se il prodotto è utile, usabile e vale la pena continuarlo.

Strumenti correlati

• Loop Engineering: Pattern open source, starter e strumenti CLI per progettare loop di agenti AI.
• Loop Engineering Showcase: Panoramica interattiva con pattern, primitive e un simulatore di prontezza.
• Node.js: Runtime necessario per usare strumenti CLI basati su npx.
• npm: Ecosistema di pacchetti usato per eseguire i comandi CLI di Loop Engineering tramite npx.
• Git: Sistema di controllo versione usato per repository ed esecuzioni isolate basate su worktree.
• GitHub Actions: Piattaforma di automazione che può supportare controlli pianificati e workflow di validazione dei loop.
• Model Context Protocol: Protocollo per collegare sistemi AI a strumenti e fonti di dati esterni.

Link correlati

• Articolo originale su BAAI Hub: Articolo fonte che introduce il tutorial di Loop Engineering pensato per principianti.
• Repository GitHub di Loop Engineering: Repository principale per pattern, starter, documentazione e strumenti CLI.
• Loop Engineering Showcase: Pagina interattiva ufficiale per esplorare il framework.
• Cinque primitive + memoria: Spiegazione ufficiale dei blocchi fondamentali dei loop.
• Checklist di progettazione dei loop: Checklist per decidere se un loop è pronto per l’uso in produzione.
• Guida alla sicurezza dei loop: Note di sicurezza per automazione, percorsi in denylist, revisione umana e controllo del rischio.
• Gestione operativa dei loop: Note su costi, logging, cronologia delle esecuzioni e disciplina operativa.
• README dei pattern di loop: Panoramica dei pattern di loop disponibili per la produzione.

Riepilogo

Questa guida spiega come Loop Engineering trasformi prompt AI una tantum in workflow di agenti ripetibili. L’idea di base è definire pianificazione, stato, strumenti, verifica e processo di revisione umana prima di affidarsi a un agente perché agisca ripetutamente.

Per una prima esecuzione, daily-triage è il punto di partenza più sicuro. Genera la struttura del loop, stima il costo in token, verifica la prontezza e mantieni la prima settimana in modalità solo report.

La lezione più ampia non è che gli esseri umani scompaiano dallo sviluppo. Gli agenti possono muoversi più velocemente all’interno dei loop, ma il giudizio sul prodotto, i confini di sicurezza e la definizione di “fatto” dipendono ancora dalle persone.

Il miglior primo loop non è quello più autonomo. È quello che puoi ispezionare, considerare affidabile e migliorare.