最近，在硅谷又多了一个流行新词，Loop Engineering。而伴随Loop Engineering的爆火，Anthropic Claude Code 负责人 Boris Cherny、OpenClaw的创始人Peter在内诸多大神开始公开发声：loop会彻底取代prompt，成为人与LLM交互的新范式。这里可能很多人还不清楚发生了什么。翻译一下，所谓Loop，就是你设计一套系统，让它自己发现问题、分派任务、检查结果、记录状态，并决定下一步的思路。而Prompt Engineering 只能你不断告诉模型下一步做什么。在 coding 场景里，这套模式已经跑起来了。比如每天自动扫描 CI 失败、issue、commit，让 agent 修复代码，再让另一个 agent 审查，通过后自动提 PR。RAG 系统的数据运维，也同样非常适合用 loop 的方式重新组织。因为 RAG 系统最大的问题，往往不是第一次把知识库建起来，而是后面每天都要维护它：灌文档、刷索引、换模型、清过期、故障恢复……很多团队今天还是靠脚本处理这些事，等到下次再出问题，再改脚本。而这些任务，其实非常适合用 loop 循环去做优化，因为无论是coding场景，还是RAG场景，其实都需要持续触发、隔离执行、状态记录、结果验证和失败恢复。但如何从向量数据库层面去支撑Loop Engineering的运行？以下是我们对Loop Engineering的一些理解，以及我们在Milvus 3.0 中的思考与针对性能力建设，希望可以帮你做好RAG建设。01 Loop Engineering 到底是什么，为什么RAG需要它
过去两年，很多人使用 coding agent 的方式是这样的：你写一个 prompt—模型返回结果—你看结果—你再写下一个 prompt。这个过程里，人是循环的一部分。每一轮都需要人在场。agent 能走多远，取决于人的判断力。agent 能跑多快，取决于人的时间。这就是典型的 Prompt Engineering。在Loop Engineering 行业彻底换了一个思路：人类设计一个循环系统，这个循环会自动触发任务，调用 agent，检查输出，记录状态，然后决定下一步。这个系统自动发现需要做的工作，把工作分派给 agent，检查 agent 的输出，记录结果，然后决定下一步做什么。人类从循环中，跳到了循环外，变成设计循环的人。每天早上，系统自动读取昨天失败的 CI、扫描新开的 issue、检查最近的 commit。对每一个值得处理的问题，它都会新开一个隔离工作区，让一个 agent 去修复。修完之后，再让另一个 agent 审查。审查通过，就自动提 PR、关联 issue、通知相关人。审查不过，就进入人工 triage 队列。不难发现， loop engineering 的适用范围不止于写代码。任何需要持续运行、多步骤、有判断、需要记住上下文的 agent 工作流，都可以用 loop 的框架来组织。RAG 系统看起来和 coding agent 不一样，但它们都有一个共同点：工作不是一次性的。在这些系统中，文档会更新、数据源会增加、业务规则会变化、embedding 模型会升级、旧内容会污染结果……系统中的数据运维天然是一个持续循环。手动处理，在数据量小、更新频率低的时候可以接受。但一旦系统持续运行，数据量增加，就会出现：写入和查询同时发生时，很难判断读到的是不是最新数据（这对agent尤其重要）每次改 embedding 模型或索引策略都缺少清晰的版本边界（数据量变大之后，引入embedding是必须的）系统故障后如果没有 checkpoint只能重跑一遍02 Loop 的五个构件，对RAG有什么启发
Addy Osmani 在 Loop Engineering 一文中把 loop engineering 拆成了五个构件加一个记忆层：Automations：按节奏自动触发任务，是 loop 的心跳Worktrees：让多个 agent 在隔离环境里并行工作。Skills：把项目知识写下来，agent 不用每次从零猜Connectors：连接 issue tracker、CI、Slack、代码仓库等外部系统。Sub-agents：把执行和检查拆开，不让同一个 agent 自写自审。Memory：记录跨轮状态，知道什么做完了、什么失败了、下一轮从哪里继续。Automations 对应持续的数据与索引的持续刷新；Memory 对应 checkpoint 和版本状态；Sub-agents 对应写入、验证、线上读取之间的职责拆分。Skills 对应数据处理规则，比如 chunking 策略、metadata 提取规则、字段索引规则、数据源优先级等。Connectors 对应数据源和下游应用（Milvus 3.0 的 External Collection 本身就承担了部分 connector 的角色，下文会展开）。此外，RAG 的数据 loop 还有两个 coding agent 不太操心的问题：第二，向量库一旦故障，恢复成本远高于重跑一个 coding task。03 Heartbeat：数据灌入成为持续任务后，要如何处理索引
在 coding agent 的 loop 里，Automations 是心跳，它会每天早上自动跑一轮 CI triage，读昨天的失败、issue、commit，把发现写进状态文件，触发下游修复。没传统做法是把数据搬进向量库。数据在对象存储或数据库里有一份，在 Milvus 里又有一份。然后你还要维护两边的同步关系。这个过程中，全量重灌的成本随数据量线性增长，不可持续。因此，在Milvus 3.0 中，我们在 External Collection 设计上换了一个思路：数据不搬家，索引去数据那里。External Collection 可以直接引用外部存储里的数据，比如 S3 上的数据，Parquet、Lance、Vortex、Iceberg 格式都可以。这个过程中，Milvus 不需要把数据复制进自己的存储，而是在外部数据上建立映射和索引，然后提供查询能力。schema = MilvusClient.create_schema( external_source="s3://my-bucket/path/to/data/", external_spec='{"format": "parquet"}')schema.add_field( field_name="text", datatype=DataType.VARCHAR, max_length=256, external_field="source_text_column" # 映射到外部 Parquet 文件的列名)schema.add_field( field_name="vector", datatype=DataType.FLOAT_VECTOR, dim=128, external_field="embedding_column")当源数据发生变化时，loop 可以调用 refresh_external_collection() 触发增量刷新。这个 API 是异步的，返回一个 job_id，你可以追踪刷新状态：job_id = client.refresh_external_collection( collection_name="my_external_collection")# 追踪刷新进度progress = client.get_refresh_external_collection_progress(job_id=job_id)# state: Pending / InProgress / Completed / Failed# progress: 百分比# reason: 失败时的错误信息
这个动作就是 RAG 数据 loop 的心跳：帮助我们把“哪些数据已经处理过、哪些数据需要更新”这类状态管理交给基础设施，而不是散落在业务脚本里。需要注意的是，External Collection 更适合只读或以外部数据源为主的场景，不支持 insert、delete、upsert。数据修改必须发生在源头（对象存储上的文件），Milvus 通过 refresh 同步变化。这个约束价值在于：源数据只有一个写入点，避免 Milvus 和数据湖之间出现不一致的问题。04 Checkpoint：Loop 跑了一百轮，出问题怎么回滚
Coding agent 里常用 worktree 做隔离。每个 agent 在自己的分支或工作区里改代码。改坏了，不影响主分支。验证通过，再合并。RAG的数据 loop 也需要类似能力，只是对象从代码变成了向量数据。比如你换了一个新的 embedding 模型，重新生成了几百万条向量，也重建了索引。上线后发现，新模型在某类 query 上效果变差了。这时你需要回到上一个好版本。传统做法是维护两套 collection，然后手动切换。更糟糕的情况是没有备份，只能把旧模型重新跑一遍。Milvus 3.0 的 Snapshot 可以被理解为 RAG 数据 loop 的 checkpoint。Snapshot 是 collection 在某个时间点的只读视图。它记录向量数据、元数据、索引和 schema 在某个时间点的完整状态。关键是，create 操作是轻量的，创建通常在毫秒级完成，不复制实际数据：# loop 每轮跑完，打一个 checkpointclient.flush(collection_name="my_collection")client.create_snapshot( collection_name="my_collection", snapshot_name="loop_round_42", description="embedding model v2, index HNSW M=16")
发现问题需要回滚时，restore 是异步操作，直接复制 segment 文件到新 collection，跳过索引重建：# restore 到一个新collectionjob_id = client.restore_snapshot( snapshot_name="loop_round_42", collection_name="my_collection_rollback" # 恢复到的目标 collection)# 追踪恢复进度state = client.get_restore_snapshot_state(job_id=job_id)# state: InProgress / Completed / Failed
这和 coding agent 的 worktree 逻辑是类似的：worktree 让你在不影响主分支的情况下实验，出问题可以丢掉分支回到主分支。Snapshot 让你在不影响线上 collection 的情况下打版本，出问题可以 restore 回到上一个好的状态。Snapshot 还有一个在 loop 场景下特别有用的能力：你可以在同一个 snapshot 上跑验证查询。你的 loop 可以先在新版本上跑一组测试 query，对比旧版本的检索效果。通过了再切到线上。没通过就保留旧版本。这也是数据管理 loop 里的 maker-checker 分离：写数据的环节和验证数据的环节不应该混在一起。05 一致性：写数据的 Agent 和读数据的 Agent 看到的是不是同一份怎么办？
在 coding agent 里，worktree 主要解决文件隔离问题。两个 agent 不要同时改坏同一份代码。在 RAG的数据 loop 里，问题变成了数据可见性。一个 agent 刚写入一批新文档，另一个 agent 立刻发起查询，它能不能查到这批新数据？传统做法是要么不管（灌完就查，查到什么算什么），要么加 sleep 等一下（灌完等5秒再查应该够了），要么轮询确认（反复查直到能查到）。这些做法在手动操作时勉强可以，但在 loop 化场景下，灌入和查询都是自动触发的，频率可能很高，不确定的可见性窗口会导致 loop 的行为不可预测。Milvus 的一致性合约在 loop 场景下可以提供明确的可见性保障。注：一致性级别（Strong / Bounded / Session / Eventually）是 Milvus 自2.x 以来就支持的能力，不是 3.0 新增。但在 loop 化运维场景下，理解和正确使用一致性级别变得尤为重要，因为 loop 的多个环节对数据新鲜度的要求不同。Milvus 3.0 的 Streaming WAL 架构（引入 Streaming Node 和基于 Woodpecker 的 WAL 实现）让一致性保障在高吞吐场景下更高效。
WAL（Write-Ahead Log）是 Milvus 所有数据变更的 single source of truth。每一条写入操作走 Append 路径进入 WAL，每一个 PChannel 上有一个单调递增的TimeTick作为逻辑时间戳。TimeTick 同时是 MVCC 的可见性边界：只有 TimeTick 已经推进到的数据，才对查询可见。这意味着在 loop 里，你可以用一致性级别来控制写完多久后读能看到：Strong：查询等待所有已写入的数据都可见后再返回。写后立刻读，保证能读到。适合 loop 里灌完立刻验证的环节。Bounded：查询允许一个可配置的时间窗口内的延迟。适合 loop 里不需要最新数据但不能太旧的环节。Session：同一个会话内的写入对后续查询可见。适合 loop 的同一轮内我写的数据我自己能看到。不同的 loop 环节用不同的一致性级别，不需要所有查询都付 Strong 的延迟成本。灌入后的验证查询用 Strong，常规的线上查询用 Bounded 或 Session就可以。06 垃圾回收：过期数据不该靠人记着删
RAG 数据 loop 还有一个 coding agent 不太操心的问题：数据会过期。代码仓库有 git history，旧代码被新 commit 覆盖后，不会继续参与运行。向量数据库不一样。旧文档、旧政策、旧产品说明、旧版本 embedding，如果不清理，仍然可能被召回。结果就是用户问一个新问题，系统答了一段旧知识。传统做法是定期跑删除脚本。按时间戳筛选过期数据，然后逐条删除。这个脚本要维护，要重试，要有人记得跑，还要处理失败情况。在agent场景，有时候甚至需要手动读取记忆完成增删改查。Milvus 的 TTL 把这件事变成了声明式配置。注：Collection 级别的 TTL（collection.ttl.seconds）在 Milvus 2.x 就已存在。Milvus 3.0 新增的是Entity-level TTL，支持为每条数据设置独立的过期时间，通过 TIMESTAMPTZ 字段实现。以下分别展示两种用法。Collection 级别 TTL，适合所有数据使用同一个过期时间：# 创建 collection 时设置 TTL：所有数据 7 天后自动过期client.create_collection( collection_name="rag_knowledge", schema=schema, index_params=index_params, properties={"collection.ttl.seconds": 604800})# 修改已有 collection 的 TTLclient.alter_collection_properties( collection_name="rag_knowledge", properties={"collection.ttl.seconds": 604800})Entity 级别 TTL（3.0 新增，按条粒度过期）：# schema 中声明一个 TIMESTAMPTZ 字段schema.add_field( field_name="expire_at", datatype=DataType.TIMESTAMPTZ)# 创建 collection 时指定该字段为TTL 字段client.create_collection( collection_name="rag_knowledge_v2", schema=schema, index_params=index_params, properties={"ttl_field": "expire_at"})# 插入时每条数据带独立的过期时间client.insert( collection_name="rag_knowledge_v2", data=[ {"text": "...", "vector": [...], "expire_at": "2025-08-01T00:00:00Z"}, # 短期有效 {"text": "...", "vector": [...], "expire_at": "2026-12-31T00:00:00Z"}, # 长期保留 ])注意：两种 TTL 模式互斥，不能同时设置 collection.ttl.seconds 和 ttl_field。
Entity-level TTL 在数据管理场景下的实际意义是：你不再需要把不同过期策略的数据拆成不同 collection。同一个知识库里，新闻类内容可以设7 天过期，政策文档可以设 1 年，产品手册可以不设过期，Milvus 自动按条处理。过期数据自动变得不可查询、不可搜索，然后由 GC 机制在后台清理。loop 不需要自己维护哪些数据该删了的逻辑，声明过期策略，基础设施自动执行。TTL 是 loop 的垃圾回收器，它让 loop 可以只管往前跑，不用回头打扫。07 容错：Loop 挂了不应该从零开始
在 coding agent 场景里，如果一个 loop 挂了，通常可以重跑。代码还在 git 里，状态也相对容易恢复。但这会导致整体的agent任务执行时间，被无限拉长，在RAG 中，数据 loop 的恢复成本更高。如果 Milvus 实例故障，里面可能有几百万、几千万条向量数据，还有已经构建好的索引。重新生成 embedding、重新导入、重新建索引，成本都很高。所以，RAG 数据 loop 需要的不只是逻辑回滚，还需要物理层面的容错。可以把这里分成两层来看：Snapshot 解决的是“我想回到某个历史版本”。Milvus 3.0 的 CDC Replication 解决的是“主集群出问题后，数据层怎么继续服务”。注：以下关于 CDC Replication 的拓扑描述基于 Milvus 的设计文档和 GitHub Issue（#47351）中的功能规划。该功能在持续迭代中，具体 API 和行为以官方文档正式发布为准。
在 primary-secondary 架构里，一个 PRIMARY 集群接受写入，一个或多个 SECONDARY 集群通过 WAL 复制持续同步。SECONDARY 记录自己的同步位置。发生故障后，可以通过 switchover （计划内切换，主备角色互换，数据不丢失）或 failover （非计划故障，SECONDARY 强制提升为 PRIMARY，从拓扑中移除故障节点）让备用集群接管。对 loop 来说，这意味着数据层的故障不会让整个循环从零开始。SECONDARY 一直在同步，切换后 loop 从上次的 checkpoint 继续跑。结合前面的 Snapshot，一个健壮的 RAG 数据循环的容错链路是：Snapshot 提供 point-in-time 回滚能力（逻辑层面），CDC Replication 提供持续同步和故障切换能力（物理层面）。前者解决我想回到某个版本，后者解决机器挂了怎么办。08 什么时候值得做 RAG 的数据 loop
其实，Loop engineering 的核心不是自动化本身，而是把人从循环中解放出来。你设计它一次，之后你不再 prompt 那些步骤。但 loop 化是有成本的。你需要设计心跳节奏、checkpoint 策略、一致性级别选择、过期策略、容错拓扑。上面讲的每一个能力都增加了系统复杂度。- 因此，如果你的知识库是一次性构建，内容稳定，几个月都不更新，那手动灌一次就够了。
- 如果你还是单人单 agent 使用，没有并发写入和查询，那一致性设计不是眼前最重要的问题。
- 如果数据量很小，全量重灌只需要几分钟，那 External Collection 和 Snapshot 的收益也不会特别明显。
- 如果检索效果本身还不稳定，第一步应该是把 chunking、embedding、rerank、评估集做好，而不是急着设计 loop。
但如果你已经遇到下面这些情况，就该认真考虑 RAG 的数据 loop：- 团队频繁实验 embedding 模型、索引参数或 chunking 策略。
- 不同类型内容有不同有效期，旧数据开始污染检索结果。
决策可以简化成一个判断：你是不是已经在反复手动做同样的数据运维操作，而且每次都担心会出错？如果是，是时候把这些操作设计成一个 loop 了。如果不是，先把手动流程跑通跑稳，loop 化是下一步的事。注：Milvus 3.0 开源版目前处于 beta 阶段；在 Zilliz Cloud 上以 On-demand Cluster 形式提供 Public Preview 服务。文中 External Collection、Snapshot 为已发布能力，Entity-level TTL 为 3.0 新增能力，一致性级别为 Milvus 长期支持的核心能力，CDC Replication 处于功能迭代中。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
