AI范式迁移：从Prompt驱动转向Loop驱动

"能不能再细化一下这个函数的错误处理？" "好的，已修改。" "再优化一下性能？" "好的，已优化。" "这里的命名规范不太对，能统一一下吗？" "好的，已调整。"

这段对话在每一个用AI编程工具的人身上都发生过。它看起来高效——你提出要求，AI立刻执行。但如果你打开月度账单页面，会看到一个完全不同的画面。

每一次"好的，已修改"背后，都是真金白银的token消耗。你以为你在用工具，其实你在为一种叫"Prompt税"的成本付费——每次让AI做事，你都要先描述清楚要做什么、为什么这么做、要避免什么。描述得越精确，AI完成得越好；描述得越模糊，AI就需要更多轮对话来对齐你的意图。

"对齐意图"这件事本身，就是Prompt税的核心。

这种税不会被任何模型升级、任何价格战消除。它的根源不是token价格，而是人机对齐的沟通结构。

6月25日，黄仁勋在巴黎VivaTech大会说了一句话，把这个隐性结构推到了明面上："Prompt正在过时，Loop才是新范式。"

黄仁勋的话不是孤立的。在同一时间窗口，三个独立迹象指向同一个方向。

1、模型制造者删掉自己的脚手架

Claude Code在7月初的一次系统更新中，删除了80%的系统提示词。Anthropic公开承认：之前那些精心设计的引导词，在实际使用中绝大部分都是冗余的。

这意味着一个专门做AI编程的团队，在用了几千小时的用户数据之后，发现最有价值的不是"如何教AI做事"，而是"如何让AI自己学会做事"。那些花了无数工程师调优的prompt模板，在大模型的真实能力面前，是被自己造出来的脚手架。Anthropic把自己造的脚手架拆了——这是承认一个事实：prompt工程的额外产出越来越小。

2、大型企业开始限制AI使用

Uber给每个工程师的AI使用设置1500美元/月上限。花旗限制部分业务线使用顶级模型。Adobe和Atlassian紧随其后。这些不是小公司——他们是各自行业里最积极的AI使用者。当他们从"用得越多越好"转向"用得越精越好"时，一个新的事实浮出水面：prompt的"自然增长"在企业IT成本中是失控的。

你给一千名工程师每人发一个Cursor订阅，账单不会按线性增长——它会按"工程师开始信任工具、扩大使用场景"的指数曲线增长，使用量开始按指数曲线上升。Uber设置上限，不是因为预算不够，而是因为没有约束的使用量，三个月后会把整个IT预算吃掉。

更深一层：Uber设置上限后，工程师被迫思考"哪些任务真的需要AI，哪些用基础工具就够"。这个思考本身，就是从prompt驱动到loop驱动的第一步。

3、模型的拆解

GPT-5.6定档7月7日发布。最值得关注的是它的新结构：不再是一个统一的超级模型，而是Sol/Terra/Luna三个子模型加上一个"速度拨盘"。

一个任务，先用Luna快速试，不行就升级到Terra，还是不行再上Sol。每一次升级都是一次有意识的选择，而不是"全交给最大的模型"。

这是Loop范式在产品层面的具象化：AI编程从"消费者用产品"变成"架构师调度工具链"。

三个迹象加在一起：一个模型的制造者拆掉自己的脚手架、一个工具的使用者开始限制使用、一个新的模型结构从产品层面重塑"如何用"。三条独立