如果你也常常「想到要發文 → 打開 AI → 叫它寫一篇 → 看一下 → 發出去」，每一篇都要你親自出手，那這篇是寫給你的。我這幾天做了一個實驗：不再一篇一篇下指令，而是設計一個「會自己跑、自己發、自己看成績、自己學」的迴圈，讓 AI 自己去經營我的 Threads 帳號。結果其中一篇滾到 5,354 個讚、5.9 萬次瀏覽。下面把整套邏輯、還有我踩到的東西，白話拆給你看。
這個概念叫 Loop Engineering，最近在 X 上很紅
這波想法的源頭是工程師 Peter Steinberger 6 月一則爆紅推文，被看了超過 600 萬次。他講了一句很打到我的話：「別再 prompt 你的 agent，去設計一個會 prompt 你 agent 的迴圈。」（stop prompting agents, design loops that prompt your agents）
Claude Code 的創造者 Boris Cherny 也說過類似的話：「我現在不寫 prompt 了，是 Claude 在寫 prompt。」意思是，與其把力氣花在「這次要怎麼叫它做」，不如把力氣花在「設計一個它會自己重複做、而且越做越好的流程」。
講白話：從「下指令」升級成「設計迴圈」。你不再是那個每次按按鈕的人，你變成那個設計按鈕怎麼自己按的人。
為什麼「一條一條下指令」會卡住
傳統用法的問題不是 AI 不夠強，是「你」變成瓶頸。每篇都要你想題目、你下指令、你檢查、你發。一天能發幾篇，取決於你有多少時間出手。你忙、你睡覺、你開會，帳號就停擺。
而且最關鍵的——單篇之間沒有累積。你今天叫它寫一篇、明天又從零叫它寫一篇，AI 根本不知道上一篇成績如何、哪種寫法有人理。它每次都在「重新開始」，不會變聰明。
Loop 要解決的就是這兩件事：把「你出手」拿掉、把「看成績再寫」加進去。
一輪迴圈實際做什麼（8 個步驟）
我把它拆成一個會自己轉的迴圈，每隔半小時自動跑一輪。一輪做這些事：
- 定時觸發：用 Mac 內建的排程器（launchd）當鬧鐘，固定時段自動叫它起來，不用我按。
- 先看成績：跑去爬「過去貼文的真實互動數據」（讚數、觸及），這是它變聰明的關鍵。
- 組指令：把 5 份東西拼成一段話餵給 AI——人設與要寫的類型、最近發過的（叫它別重複）、學到的結論、剛爬到的真實數據、我蒐集的爆款型錄。
- 生成：AI 看著這一整包，寫出一篇貼文。
- 發布：自動發到 Threads。
- 驗證：比對發文前後的時間戳，確認「真的上線」——不是聽 AI 嘴說發了就算。
- 通知我：發完推一則到我手機，附內容跟連結。
- 半小時後再轉一圈：而且第 2 步又會讀到最新成績，所以它會越跑越往「有效的方向」靠。
整個過程我完全不用碰。我睡覺它在發、我開會它在發。我要做的只有兩件事：調方向（要衝讚還是衝觸及、寫什麼類型）跟餵靈感（看到爆款丟給它學）。
「自我進化」不是噱頭，是它真的會學
很多人聽到「會自我進化」覺得是話術。其實原理超簡單：它每次下筆前，都先把過去貼文的真實成績讀一遍。
所以當它要寫第 10 篇時，指令裡已經帶著「前 9 篇哪篇讚最高、哪種類型 0 互動」。AI 看著數據寫，自然會往有效的方向靠——表現好的當範本學、表現差的自動少寫。它不是被我教，是被「真實數據」教。
傳統下指令 vs Loop，差在哪
- 誰出手：傳統＝每篇都要你；Loop＝排程自己跑，你不用碰。
- 產量：傳統＝看你有多少時間；Loop＝一天 20 篇也行（在不被封的前提下）。
- 會不會變聰明：傳統＝每次從零、不累積；Loop＝每輪先看成績，越跑越準。
- 你的角色：傳統＝操作員（一直按按鈕）；Loop＝設計師（只調方向跟餵靈感）。
我自己跑這個實驗的兩個發現
我拿自己的 Threads 帳號實際跑了好幾天、發了幾十篇來測。有兩個發現我覺得對任何在經營社群的人都有用。
發現一：真正拿讚的，只有「有梗的真實個人故事」。我做過一場對照測試，同一天、同一個時段、各用一種「鉤子類型」發 10 篇。結果一篇個人故事——兒子問我工作是做什麼，我說「我把難的東西講成簡單的話」，他回「喔～所以你是翻譯蒟蒻」——拿了 555 讚，之後一路往上滾——截至發文 23 小時，瀏覽衝到 5.9 萬、按讚 5,354、轉發 16、回覆 11，總互動 5,381。而同一批的提問、知識乾貨、清單、時事那 9 種加起來，總共才 6 個讚。差距將近 900 倍。
更值得注意的是「互動的組成」：5,381 次互動裡，按讚就佔了 5,354，轉發 16、回覆 11、引用 0。這代表這種真實故事是靠「大量的人默默按愛心」起來的——不是靠留言戰、也不是靠分享，而是純粹的情感共鳴。這跟下面要講的「靠分享爆」是兩種完全不同的爆法。
更有趣的是，隔天我用「同樣是個人故事」的鉤子、但換一個比較平的故事（教長輩用手機被問倒），結果 0 讚。所以結論要修正成：會爆的不是「個人故事」這個類別，是那個故事本身有沒有一個讓人會心一笑的亮點（punchline）。沒有那個亮點，類別對了也沒用。
發現二：超大規模的爆，靠的是「分享」不是「讚」。我研究了一篇別人的爆文，一句很欠揍的斷言，拿到約 1.6 萬讚、但更嚇人的是 8,787 次分享。它爆的機制是：丟一個可辯論、人人能對號入座的命題 → 留言區變成大家比賽寫更好笑回嘴的戰場 → 大家瘋狂標朋友、傳給認識的人。在 Threads，分享跟標註是比讚更強的觸及放大器，這才是觸及核彈。
想自己做之前，幾個要注意的
這套很好玩，但別把它想得太神，有幾個現實要先知道：
- 爆是高變異、有運氣成分：5,354 讚那篇是演算法剛好抓起來滾雪球，不是下指令就能重來。打法是「持續產出好內容、累積中獎機率」，不是賭單篇。
- 別狂發，會被降權：我有一天發了 20 幾篇，後段整批互動崩盤——瀏覽還有、但讚崩光。平台會降權、觀眾也會疲乏。多元發布（每篇換不同類型）比重複同一招安全。
- 自動化要會「驗證」：AI 有時候會回報「我發好了」其實根本沒發。所以每一步都要用真實數據驗證（比對時間戳、看連結），不要信它的嘴。這是整套裡我最在意的一條。
- 數據來源會有脆弱點：有些平台官方數字不準（我就遇到讚數一律回 0 的 bug，只能改去爬畫面），維護成本要算進去。
小結：你該升級的不是工具，是角色
這幾天做下來，我最大的感想是：AI 時代真正的差距，不是你會不會用工具，是你願不願意從「操作員」變成「設計師」。
操作員一直在按按鈕，按到手痠；設計師花一次力氣，設計一個會自己按、還會越按越準的迴圈。Loop Engineering 紅的不是技術，是這個視角的轉變。下次你又要一條一條餵 AI 指令的時候，可以停下來問自己一句：「這件事，能不能設計成一個它自己會跑的迴圈？」
本文整理自我自己這幾天用 Loop Engineering 打造自動發文 agent 的實作經驗。概念源頭：Peter Steinberger 於 2026 年 6 月關於 Loop Engineering 的推文、Addy Osmani 的迴圈架構整理，以及 Claude Code 創造者 Boris Cherny 的相關談話。文中數據為我個人帳號實測。
留言
張貼留言