¿Qué es Loop? Se ha vuelto popular en los últimos días～

Loop es el bucle del agente (agent loop): el modelo ya no termina con "recibir una instrucción → generar un resultado", sino que entra en un cuerpo de bucle: razonar → actuar → observar resultados → razonar de nuevo, hasta que la tarea realmente se complete y salga. La estructura que se devuelve en el cuadro punteado de la derecha en la imagen es el loop.
En esencia, traslada a la IA prácticas ya maduras en la ingeniería de software: REPL, bucles de eventos, bucles while — todas son estructuras de "ejecutar repetidamente hasta que se cumpla una condición". Loop simplemente reemplaza el "cuerpo del bucle" con "el pensamiento del modelo + llamadas a herramientas".
¿Por qué puede reemplazar a los prompts?
La clave no está en la palabra "bucle", sino en que traslada la carga de la complejidad desde "tu texto" a "la estructura del sistema". Te lo desgloso en cuatro niveles:
1. De "describir cómo hacerlo" a "definir qué hacer"
Un prompt es una codificación estática — debes planificar cada paso para completar la tarea de antemano y escribirlo en lenguaje natural. El problema es que en tareas reales no puedes planificarlo todo de antemano. Un análisis de inversión, ¿primero revisar los informes financieros o primero mirar la industria? Depende de lo que se encuentre. El prompt tiene una ruta fija, mientras que el loop permite que el modelo decida el siguiente paso según la retroalimentación real de cada paso. Solo das el objetivo y los límites de capacidad, la ruta se genera dinámicamente.
2. El contexto pasa de "meterlo" a "crecer"
La potencia de un prompt depende de cuánta información puedas meter en la ventana de contexto — pero mucha información no sabes de antemano si se necesitará. En un loop, cada llamada a herramienta, cada observación se añade automáticamente al contexto. El contexto no es una inversión única que presupuestas, sino que crece dinámicamente con el bucle. El modelo toma lo que necesita.
3. Tiene capacidad de corrección de errores
Un prompt único no tiene concepto de "reintento" — si falla, falla. El loop tiene retroalimentación: si la herramienta da error, la búsqueda no encuentra nada, los números no coinciden, el modelo puede detectarlo y corregirlo en la siguiente iteración. Esto es como pasar de "ensamblador escrito a mano" a "lenguaje de alto nivel con depuración con puntos de interrupción" — en el primero debes escribir correctamente de una vez, en el segundo puedes ajustar mientras se ejecuta.
4. El "cómo hacerlo" se fija en herramientas, el "qué hacer" se deja al lenguaje natural
Este es el punto clave. La ingeniería de prompts tradicional describe "qué API llamar, en qué orden, cómo analizar el resultado" con texto, generando mucha ambigüedad. En el paradigma del loop, esto se convierte en herramientas — la firma de la función es una interfaz precisa y sin ambigüedades. El modelo solo necesita decidir "cuándo llamar a qué herramienta", sin tener que adivinar cómo llamarla con lenguaje natural. La ambigüedad del prompt es reemplazada por la determinación de la herramienta.
La esencia en una frase
Prompt = pones toda la lógica de ejecución en un texto y apuestas a que funcione de una sola vez. Loop = defines el objetivo + das un conjunto de herramientas + dejas que el modelo genere su propio camino de ejecución en la interacción real.
No "elimina" los prompts — el prompt del sistema (quién eres, qué puedes usar, qué reglas seguir) sigue existiendo y es importante. Lo que elimina es **"escribir una instrucción perfecta para cada tarea"**. La complejidad se traslada de "la longitud de un único prompt" a "la calidad del diseño del sistema + el conjunto de herramientas", y esto último es algo que se puede ingenierizar, reutilizar y probar.
Por eso el centro de gravedad de esta ola de aplicaciones de IA se está desplazando de "ingeniería de prompts" a "diseño de agentes/sistemas" — cuando puedes fijar el "cómo hacerlo" en herramientas y estructuras de bucle, el lenguaje natural solo necesita expresar "qué hacer", y eso es precisamente en lo que es mejor.