今天来聊聊Anthropic官方（Claude Code团队）最新发布的一份Loop Engineering指南。

乍一听这个名字可能会有点懵——Loop Engineering？这又是什么新词汇？

其实很简单，它直击了一个让很多人头疼的问题：你有没有遇到过这种情况——让AI帮你干个活，它改了两下就跟你说“搞定了”，结果你一看，根本没搞定，或者搞到一半就莫名其妙停了。然后你只能重新跟它说一遍需求，它又跑一遍，又在某个奇怪的地方停下来……

一句话总结整份指南的核心：Loop Engineering的关键，不是让Agent一直跑下去，而是把触发、验证、停止和权限，设计成一个可靠系统。

一、四种循环模式

Anthropic的Claude Code团队把AI的工作方式分成了四类循环，对应我们日常让AI干活的四种场景。

第一种：回合制循环

这是最好理解的一种。你发出一个Prompt，Agent收集上下文、行动、检查，必要时重复，最后交回结果。

在这里，你交付给Agent的，是一次任务里的“检查”步骤。但要不要继续下一轮，决定权仍然在你手里。

示例：SKILL.md

--- name: verify-frontend-change description: Verify any UI change end-to-end before declaring it done. --- # Verifying frontend changes Never report a UI change as complete based on a successful edit alone. Verify it the way a human reviewer would: 1. Start the dev server and open the edited page in the browser. 2. Interact with the change directly. For a new control (button, input, toggle): click it, confirm the expected state change, and screenshot before/after. 3. Check the browser console: zero new errors or warnings. 4. Use the Chrome Devtools MCP, run a performance trace and audit Core Web Vitals.If any step fails, fix the issue and rerun from step 1 — do not hand back partially verified work.

第二种：目标循环

这个模式更进一步。当单轮对话不够用时，你可以用/goal写清楚“什么才算完成”。

每次Agent想停下来的时候，评估模型会检查条件。没达标就继续，直到目标满足，或者达到了轮数上限。

在这里，你交付的是“停止条件”。

一个示例：

/goal get the homepage Lighthouse score to 90 or above, stop after 5 tries.

第三种：时间循环

这个模式适合重复性的工作。比如你让它每5分钟检查一次代码有没有问题，或者每天早上帮你汇总一下消息。

用/loop可以按时间间隔在本机重复提示。用/schedule可以把任务移到云端日程。

它很适合检查PR、汇总消息或监控外部系统。这里，你交付的是“触发器”。

/loop 5m check my PR, address review comments, and fix failing CI

第四种：主动循环

它由事件或日程触发，不需要人实时坐在旁边。内部还能组合/schedule、/goal、Skills、动态工作流和Auto mode。

到了这一步，连“下一次该发什么提示”都被系统接替了。

一个示例：

/schedule every hour: check the project-feedback channel for bug reports. /goal: don't stop until every report found this run is triaged, actioned, and responded to. When fixing a bug, use a workflow to explore three solutions in parallel worktrees and ha ve a judge adversarially review them.

这四种模式有一个清晰的递进关系。这也是整份指南里最具价值的一个洞见：

你交出去的判断越多，系统承担的责任就越大。

• 回合制：你只交出了“检查步骤”，每一轮还是你在做决定。
• 目标循环：你交出了“什么时候停”的判断。
• 时间循环：你交出了“什么时候开始”的判断。
• 主动循环：你连“下一步干什么”都交出去了。

对于非程序员来说，前两种已经足够日常使用。第三种偶尔会用到，第四种目前确实用得不多。

需要注意的一点是：循环跑得越多，Token消耗越大，成本越高。

如果你的目标循环写得太模糊，AI不知道什么时候该停，它就会一直跑一直跑，成本就一路飙升。

所以，建议优先使用前两种模式。后两种，除非真的有明确的高频、复杂场景，否则暂时不必强求。

《夸克》非常好用的免费AI浏览器

下载APP查看