Se você acompanha o mundo do desenvolvimento com IA, já deve ter ouvido falar de Loop Engineering. O termo explodiu em junho de 2026 depois que Peter Steinberger, criador do OpenClaw, postou duas frases que viralizaram: “você não deveria mais estar fazendo prompt para agentes de código. Você deveria estar projetando loops que fazem prompt para seus agentes.” Boris Cherny, criador do Claude Code na Anthropic, disse o mesmo: “Eu não faco mais prompt para o Claude. Tenho loops rodando que fazem prompt para o Claude e decidem o que fazer. Meu trabalho e escrever loops.”
Enquanto o Spec-Driven Development responde “o que construir” e o Harness Engineering responde “como garantir que seja bem construido”, o Loop Engineering responde a pergunta seguinte: “quem vai ficar apertando o botao para o agente?” A resposta e simples: ninguem. O loop faz isso.
Origem do Loop Engineering
O termo Loop Engineering foi cunhado e estruturado por Addy Osmani, diretor de engenharia do Google Cloud, em um ensaio publicado em 7 de junho de 2026. Osmani sintetizou ideias que estavam no ar há meses: Peter Steinberger (engenheiro da OpenAI, criador do OpenClaw) já dizia publicamente que “prompt engineering e uma habilidade que você não vai precisar em 18 meses”, e Boris Cherny, chefe do Claude Code na Anthropic, vinha descrevendo em entrevistas que seu trabalho havia mudado de escrever prompts para escrever loops.
Mas o conceito por tras do loop não e novo. O padrao ReAct (Reasoning + Acting), proposto por pesquisadores de Princeton e Google em 2022, já descrevia um ciclo onde o modelo pensa sobre o que precisa, age, observa o resultado e pensa de novo. O que mudou em 2026 foi que os modelos ficaram bons o suficiente para rodar esse ciclo sem supervisao humana constante, e as ferramentas passaram a incorporar os blocos de construcao de um loop como recursos nativos.
Osmani define Loop Engineering em uma frase: “substituir você mesmo como a pessoa que faz prompt para o agente. Você projeta o sistema que faz isso no seu lugar.” Um loop e um objetivo recursivo: você define um proposito uma vez, e o agente itera até completar.
O que e Loop Engineering
Loop Engineering e a prática de projetar o sistema que descobre trabalho, distribui para agentes, verifica o resultado, persiste o estado e decide o próximo passo — tudo isso em um cronograma ou até que um objetivo seja atingido. Não e sobre escrever prompts melhores. É sobre construir o sistema que escreve os prompts para você.
Osmani identificou cinco blocos de construcao que todo loop precisa, mais um lugar para guardar estado. É o impressionante e que tanto o Claude Code quanto o OpenAI Codex já tem todos os cinco embutidos:
Automacoes. O coracao do loop. Uma automação descobre trabalho e faz triagem em um cronograma. No Codex, você cria na aba Automations: escolhe o projeto, o prompt, a frequência e o ambiente. Os resultados que encontram algo vao para uma caixa de entrada de triagem; os que não encontram nada se arquivam sozinhos. A OpenAI usa isso internamente para triagem diaria de issues, resumo de falhas de CI, briefings de commit e caca a bugs. No Claude Code, o mesmo acontece com /loop, /goal, tarefas agendadas e hooks.
Worktrees. Isolamento para execução paralela. Quando dois agentes editam os mesmos arquivos ao mesmo tempo, o resultado e conflito de merge. Um git worktree resolve: e um diretorio de trabalho separado em seu próprio branch, compartilhando o historico do repositório. O Codex tem worktree embutido por thread. O Claude Code oferece o mesmo com git worktree, a flag –worktree e a configuração isolation: worktree em subagentes.
Skills. Conhecimento do projeto escrito uma vez. Uma skill (SKILL.md) guarda convencoes, comandos, padroes de arquitetura e decisões tecnicas que o agente le quando uma tarefa corresponde a sua descricao. Sem skills, um loop reaprende as regras do zero a cada ciclo.
Conectores (MCP). Integracoes que permitem ao loop agir no mundo real: abrir PRs, atualizar tickets no Linear, postar no Slack, consultar bancos de dados. Tanto Claude Code quanto Codex falam MCP, então o conector que você escreveu para um funciona no outro.
Subagentes. A separação entre quem faz e quem verifica. O modelo que escreveu o código e um pessimo juiz do próprio trabalho. Um segundo agente — as vezes em um modelo mais forte, sempre com instrucoes diferentes — faz a verificação. A divisão mais comum e: um explora, um implementa, um verifica.
O sexto elemento e a memoria: um arquivo markdown, um board do Linear, qualquer coisa que viva fora da conversa e guarde o que foi feito e o que vem a seguir. O modelo esquece tudo entre as execucoes. O repositório não.
Loop Engineering vs Harness Engineering vs SDD
Uma das confusoes mais comuns e tratar Loop Engineering, Harness Engineering e Spec-Driven Development como a mesma coisa. Não são, mas formam uma pilha de três camadas.
O SDD foca no conteúdo: o que construir, por que construir, quais os criterios de aceite. A especificacao e o artefato central, e o código deriva dela.
O Harness Engineering foca no ambiente: como o contexto e entregue ao agente, como os limites são impostos, como a qualidade e garantida. O harness e o sistema de controle que cerca um único agente.
O Loop Engineering fica um andar acima do harness, nas palavras de Osmani. É o harness, mas rodando em um cronograma: ele dispara ajudantes, verifica resultados e se alimenta sozinho. Enquanto o harness torna uma única execução do agente melhor, o loop torna o trabalho recorrente confiável, observavel e governavel ao longo do tempo.
Pense assim: o SDD define o destino. O Harness Engineering constroi a estrada. O Loop Engineering coloca um motorista automático que dirige o carro enquanto você dorme.
Loop Engineering sem você perceber
Uma das coisas mais interessantes sobre o Loop Engineering e que ele já está acontecendo sem que a maioria dos desenvolvedores perceba. O comando /goal do Claude Code e a Automations tab do Codex são implementacoes diretas do conceito: você define um objetivo e um criterio de parada verificável, e o agente trabalha até cumprir, com um modelo separado decidindo se a condicao foi atingida.
O mesmo vale para o ecossistema Hermes Agent. Quando Gabriel Subtil configura skills, automações e subagentes que rodam em segundo plano — como a pipeline que está escrevendo este artigo — ele está praticando Loop Engineering, mesmo que o termo só tenha ganhado nome em junho de 2026. O loop não e uma ferramenta especifica, e um padrao de arquitetura que emerge naturalmente quando você para de tratar agentes como assistentes interativos e comeca a trata-los como trabalhadores autônomos.
Ferramentas e frameworks populares
O ecossistema de Loop Engineering cresceu em dias, não em meses. Algumas ferramentas e repositorios se destacam:
awesome-loop-engineering (invincible04/awesome-loop-engineering), um repositório de ensino com capitulos, lista de leitura anotada, prompts copia-e-cola e um exemplo executavel. É o melhor ponto de partida para quem quer entender a prática.
cobusgreyling/loop-engineering (474 estrelas), um repositório de padroes práticos, starters e ferramentas CLI para loop engineering. Inclui loop-audit, loop-init e loop-cost para estimar gastos com tokens.
millrace (tim-osterhus/millrace), um runtime configuravel para criar loops agenticos governados, projetado para execução autônoma confiável de fluxos de trabalho complexos e multi-etapas.
ospec (clawplays/ospec), um framework de fluxo de trabalho agentico espec-driven que transforma uma requisição em um loop de objetivo verificável: planejar, agir, verificar.
loop-engineering-orange-book (alchaincyf/loop-engineering-orange-book), um guia em linguagem simples sobre loop engineering disponível em ingles e chines, escrito por HuaShu.
Spec Kit + Loop Engineering, o próprio GitHub Spec Kit (115 mil estrelas) está recebendo extensoes de loop engineering (issue #2977) que envolvem a etapa de implementação em um loop limitado com separação maker/checker e estado externalizado.
Para quem quer comecar, a recomendação prática e: comeco pequeno. Uma automação simples com /goal no Claude Code ou uma Automations tab no Codex já e uma forma inicial de loop. Depois adicione worktrees para isolamento, skills para conhecimento persistente e subagentes para verificação. O loop cresce junto com a maturidade do time.
O futuro do Loop Engineering
O Loop Engineering representa uma mudança profunda na forma como desenvolvedores interagem com agentes de IA. Pela primeira vez, o prompt deixa de ser o artefato central do trabalho e se torna apenas uma peca de uma maquina maior: uma tarefa agendada, um observador de repositório, um executor de testes, um segundo agente atuando como revisor, um conector com ferramentas externas e um sistema de memoria que registra o que funcionou da última vez.
Cherny descreve o futuro como uma escada de maturidade: primeiro você usa autocomplete, depois executa sessoes paralelas fazendo prompt manualmente, e finalmente escreve loops que fazem o prompting para você. A OpenAI já faz isso internamente com automações que triam issues, resumem falhas de CI e escrevem briefings de commit sem intervencao humana.
O gargalo do desenvolvimento com IA não e mais a capacidade dos modelos. É a qualidade do sistema que os opera. É projetar esse sistema e o trabalho do loop engineer.
Fontes: Addy Osmani — Loop Engineering, The New Stack — Loop Engineering, O’Reilly — Loop Engineering (Addy Osmani), GitHub — awesome-loop-engineering, GitHub — cobusgreyling/loop-engineering, Lushbinary — Loop Engineering: The Guide for AI Agents, MindStudio — What Is Loop Engineering?, GitHub — millrace
