一、Loop 到底解决什么问题？
使用 Claude Code 编写代码时，下面这个场景你大概率不会感到陌生：
把需求提交给它 → 它忙碌一阵 → 输出一堆代码 → 然后停下了。
测试没有通过？它直接把报错信息贴给你，等待你给出下一步指令。逻辑还没写完？它可能声称“已完成”就直接交差了。
这并非 Claude 不够智能，而是它默认采用单轮执行机制——完成一轮推理后就认为任务终结，不会主动回头运行测试、发现问题、再修正一遍。
Loop（循环模式）正是用来填补这一空白的：它让 Claude 自动执行“写代码 → 验证 → 发现缺陷 → 再次修改”的流程，反复迭代，直到达成你预先定义的“完成标准”才会停止。
入门阶段你只需要记住三个要点：
- loop 并不神秘，它会放大你的提示词效果——要求写得清晰，成果令人惊艳；写得模糊，它会不断猜测“什么才叫完成”。
- 完成标准必须可量化（测试通过、构建成功、接口调通），不能笼统地说“做得好一点”。
- 永远设定上限（最大迭代次数），这是控制成本的安全阀，省略它相当于让 AI 无节制地消耗你的额度。
二、三种用法，从最简单到最实用
入门阶段不必贪多。先掌握这三种方式，根据场景挑选一种使用即可。
用法 A：bash 循环（零安装，最简便）
适合批量处理可以列举出来的文件或任务，例如批量迁移、批量审查。本质上是利用普通的 shell 循环反复调用 claude -p（headless 模式，传入提示词、执行完毕即退出）。
# 第一步：先让 Claude 生成任务清单
claude -p "列出所有需要从 React 迁移到 Vue 的文件" > migration-list.txt
# 第二步：循环处理每个文件
for file in $(cat migration-list.txt); do
claude -p "把 $file 从 React 迁移到 Vue"
--allowedTools "Edit,Bash(git commit:*)"
--max-turns 40
--max-budget-usd 2
done
注意事项：--allowedTools 限制它能使用的工具范围，防止越界操作。--max-turns 和 --max-budget-usd 是成本控制的关键参数，务必全部带上。
用法 B：Ralph Loop 插件（安装后即可使用，适合长时间任务）
适合从零开始搭建新项目、可以挂后台运行的长任务（睡前启动、醒来查看结果）。它通过“停止钩子”在 Claude 每次尝试退出时将其拦住，把任务重新注入，直到 Claude 输出你事先约定的完成关键词为止。
安装条件（需要 Claude Code 2.0.76 及以上版本）：
# 添加插件市场 /plugin marketplace add anthropics/claude-code # 安装 Ralph Wiggum 插件 /plugin install ralph-wiggum@claude-code-plugins # 重载插件 /reload-plugins
运行命令：
/ralph-wiggum:ralph-loop "<任务描述>" --completion-promise "DONE" --max-iterations 10
三个关键参数：任务描述越具体越理想；--completion-promise 是完成后必须输出的关键词，循环依赖它判断是否终结；--max-iterations 是最大迭代次数，请勿省略。
中途想终止：/ralph-wiggum:cancel-ralph
用法 C：自定义 /loop 命令（验证最可靠，适合严肃工程）
适合在已有项目中修复 bug 或重构代码，且项目已经具备能输出“绿灯/红灯”的检查命令（test、lint、类型检查等）。
它的核心思路是把“编写”和“验证”拆成两个独立 Agent：一个只负责写代码，另一个只负责跑检查并且在工具层面就没有修改文件的权限，因此它无法自欺欺人地说“做完了”。这种方式更加稳定可靠，但需要编写几个配置文件，属于进阶用法。入门可以先跳过，熟练使用 A 和 B 之后再回来看。
三、入门实战：三个由浅入深的案例
下面三个案例，照着操作就能感受到 loop 的强大之处。建议从案例一开始，逐步深入。
案例一：5 分钟快速体验——编写一个带测试的小函数
这是最适合初次尝试的任务：规模小、可验证、能直观看到“每轮都在进步”。
/ralph-wiggum:ralph-loop "写一个校验邮箱地址的 Python 函数。 要求：处理边界情况，并写 3 个测试用例。 全部完成后输出 DONE。" --completion-promise "DONE" --max-iterations 5
你会观察到：第一轮可能只是基础实现，后面几轮逐渐补充边界处理、优化错误提示、完善测试覆盖。输出质量一轮比一轮高——这就是 loop 带来的核心价值。
如果你还没有装插件，用 bash 版本也能体验类似效果：
claude -p "写一个校验邮箱的 Python 函数，含边界处理和 3 个测试，并运行测试确认全过" --allowedTools "Write,Edit,Bash" --max-turns 10
案例二：优质提示词 vs 劣质提示词（这一节决定你的成败）
同样的任务，提示词的质量差一点，结果就会天差地别。这是 loop 入门最重要的一课。
劣质提示词——Claude 不清楚什么才算“好”，容易陷入无限循环：
做一个 todo API，做好一点。
优质提示词——给出明确的完成清单：
/ralph-wiggum:ralph-loop "做一个 todo 的 REST API。 完成标准： - 所有增删改查接口都能用 - 有输入校验 - 测试通过，覆盖率 80% 以上 - 有 README 写明 API 文档 全部满足后输出 COMPLETE。" --completion-promise "COMPLETE" --max-iterations 15
记住这个公式：任务 + 可勾选的完成清单 + 完成关键词。清单上的每一条都要是“能够客观判断对错”的，这样 loop 才有明确的前进方向，不会陷入“猜测你想要什么”的无效内耗。
案例三：内嵌“自我纠错”逻辑——TDD 循环
把迭代规则直接写进提示词，让测试结果成为循环的“推动力”——每次失败都让下一轮更加精准。
/ralph-wiggum:ralph-loop "用 TDD 方式实现购物车的'添加商品'功能： 1. 先写会失败的测试 2. 实现功能 3. 运行测试 4. 如果有测试失败，调试并修复 5. 需要的话重构 6. 重复直到所有测试通过 全部变绿后输出 DONE。" --completion-promise "DONE" --max-iterations 20
进阶小技巧——为“卡住”的情况预留出口，在提示词末尾加上：
如果 10 轮后仍无法完成： - 记录是什么卡住了进度 - 列出你试过的方法 - 给出替代方案建议 完成时输出 DONE，被卡住时输出 STUCK。
这样即使任务未能完成，你也能获得一份诊断报告，而不是白白消耗 token。
四、什么时候用、什么时候别用
适合 loop 的场景：
- 成功标准可量化（测试通过、构建成功、接口调通）
- 需要反复执行“写代码 → 跑测试 → 修 bug”的迭代任务
- 全新项目从零开始增量搭建
- 可以挂后台、睡前启动、醒来查看结果的长任务
不适合 loop 的场景：
- 需要主观判断的决策（UI 设计、架构取舍）
- 简单的一次性任务（没必要套用循环）
- 成功标准本身说不清楚（没有关键词能触发结束）
- 生产环境定向排查 bug（这种情况更需要人来主导）
五、新手最该记住的 5 条成本与避坑原则
--max-iterations/--max-turns必须填写。大多数任务 10–20 次足够，复杂项目 30–50 次。没有上限的循环 = 没有终点的马拉松。- 先用小上限试跑，验证提示词逻辑没有问题，再逐步加大次数。
- 完成标准越具体越节省成本。模糊的要求会让 AI 反复猜测，猜测本质上就是在烧钱。
- 简单任务使用便宜的模型配置即可，不必每轮都拉满资源。
- 任务过大就拆分成阶段。与其让它一口气完成整个电商系统，不如拆成“阶段 1：登录鉴权 → 阶段 2：商品目录 → 阶段 3：购物车”，每个阶段验证通过后再进入下一个。
总结
Loop 改变的不是 Claude 的智能水平，而是它的工作方式——从“给你一个答案”转变为“直到做对为止”。
而你的角色也随之升级：以前你是质检员，需要肉眼盯着每一行 AI 生成的代码；现在你是需求方，输入任务、设定完成标准、审阅一遍最终结果即可。
技术本身并不复杂，唯一的门槛在于：你得能够把“什么才算完成”表达清楚。
从案例一开始，今天就动手跑一次试试吧。
