循环的真正门槛，并非让AI持续运行，而是能否让它自动停下来的能力。 “不再写提示词了”——最近，这句话正在AI圈疯传。从OpenClaw之父、如今在OpenAI主攻下一代个人智能体的Peter Steinberger，到Claude Code创造者Boris Cherny，这些硅谷大佬，正集体转向“循环”（loops）。给这股风潮命名为“循环工程”（loop engineering）的谷歌工程师Addy Osmani，也在其中。 Cherny说，自己现在几乎不亲手写提示词了。有一个智能体在替他给Claude写提示词，他只跟那个“协调一切”的新Claude对话。他还撂下一句狠话：十年之后，循环以及类似的功能将是他最为自豪的工作成果之一。 Steinberger说得更绝：别再给编程智能体写提示词了，你该设计喂给它们提示词的循环。他还在X上演示自己的循环：让Codex每5分钟醒一次，自动维护代码仓库、分派任务，部分工作全自主落地。 大佬们反复念叨的这个“循环”，到底是什么？最近，Claude Code团队在官方博客里给它下了明确定义，还一口气拆出四种循环类型，为“智能体自动干活”立了工程规矩。 Claude Code团队发文，正式定义“循环”，并拆出回合制、目标、时间、主动四种典型循环。这背后说穿了：AI编程正在从“写一句话”，变成“设计一套会自己跑的系统”。一个提示词换来一次回答，一个循环换来的，是合上电脑之后还在替你干活的系统。而程序员，正在从写内容的人，变成设计系统的人。 ## 四种循环，四种“停止条件” 一个循环到底是什么？X上吵了很久，答案也是五花八门。Claude Code团队给出的定义很明确：循环，就是智能体重复执行一轮又一轮的工作，直到触发停止条件。 四种循环，就是四种“停止条件”。这句话是读懂Claude Code这篇关于循环的技术博客的关键。顺着“怎么触发、怎么停止、用什么原语、适合什么任务”几个维度，Claude Code把循环拆成四种。 第一种，回合制循环（turn-based）。 回合制循环，人逐轮控制，每发一句提示词启动一轮。（图源：Claude官方博客） 人逐轮控制，你写一句，AI跑一轮，检查完再写下一句，全程你握着方向盘。它适合零散的短任务，不进流程、不上日程。想让它少来回几趟，就把你平时手动检查的步骤，写进一个SKILL.md文件，让AI自己验收。检查越能量化，它越能自己判断做没做对，你要盯的地方就越少。 第二种，目标循环（/goal）。 目标循环，评估器模型对照标准判定，没达标就打回重做。（图源：Claude官方博客） 先把目标写死，比如“把首页Lighthouse分数跑到90以上，试5次就停”。每次Claude想停，一个评估器模型就来对照你的标准，没达标就打回去接着干，直到目标达成，或者用光你设定的轮数。测试通过数、分数阈值这类可量化标准之所以好用，是因为Claude不用自己纠结“够不够好”，评估器替它判。它不必自己猜“差不多了吧”就过早停手，循环也能干净利落地收尾。 第三种，时间循环（/loop和/schedule）。 按时间间隔触发，像闹钟。有些活是重复的，任务不变，只有输入在变，比如每天早上总结一遍Slack消息。有些活得盯着外部系统，最简单的办法就是按时间间隔去查一眼，看变了什么再反应，比如一个可能收到评审、也可能CI挂掉的PR。用/loop就能按间隔重跑一条提示词。想让它在你关机后照跑，就用/schedule把循环搬上云。这套逻辑，和程序员熟悉的定时任务（cron）几乎一模一样。 第四种，主动循环（proactive）。 主动循环，事件或时间触发，全程无人值守，跑到你亲手关掉。（图源：Claude官方博客） 事件或时间触发，全程无人值守。配合auto mode和动态工作流，把长活儿全自动串起来：每小时扫一遍反馈频道，收到一份bug报告，就自动分诊、修复、回复，一条龙跑完，全程不停下来问你要权限。每个任务达成目标就退出，整条例行任务则一直跑到你亲手关掉。它适合那些源源不断、边界清晰的活：bug上报、问题分类、依赖升级。 四种循环，说穿了是四种“什么时候该停”的答案：人来判、评估器来判、时间来判、事件来判。再往底层看一层。据官方的Agent SDK文档，这套机制的内核也十分简单：Claude评估你的提示词，调用工具去动手，拿回结果，然后重复，直到某一轮它不再调用任何工具，循环才结束。 Claude Code官方Agent SDK文档给出的智能体循环：提示词进入后，Claude评估、调用工具、结果回流再评估，直到某轮不再调用任何工具，才输出最终答案。（图源：Claude Code官方文档） 所谓自主智能体，本质上就是这么一个圈。 ## 真正改变的并非循环本身 当然，也不能把“设计循环”说成一场从0到1的革命。定时任务、编排（orchestration）、反馈循环，这些做法早就有了。Claude这次做的，更多是把它们统一命名、归拢成一套分类标准。 那么，到底什么变了？重点在“停止条件”。在Claude Code官方总结的一堆实战技巧里，被单独拎出来、标为“最有价值的一条”的，是验证（verification）：给Claude一个能自己检查产出的方式。道理不难懂。比如，让工程师做网页却不给浏览器，页面能好看吗？给了浏览器，他每改一版都能当场看到效果，反复调到满意才交。而模型循环的威力，恰恰就来自这种“自己闭环”的本事。 在这个过程中，提示词没有死，它只是退化成了循环里的一个组件。真正的核心，变成停止条件设计、验证器（verifier）设计、token预算控制、多轮执行策略。 ## 没有闸门的循环，强大且危险 循环，是不是意味着你可以放手让AI自己干一整天？当然不是。第一个拦路虎是钱。不设上限的循环，能把token成本烧穿。据报道，Steinberger自称是“手握无限token的男人”，因为免费token正是在OpenAI上班的福利之一。普通人没这待遇。 第二个更隐蔽。智能体会陷入一种“看似有进展、实则原地打转”的死循环：反复去改同一个文件，却始终跑不出一个新的通过测试。它甚至会信心满满地，把一个错的方案越做越“完整”。 工程社区对此的共识很直接：循环很强，但没有闸门（gating condition）就很危险。在Reddit的工程讨论里，有人把必须的闸门总结成三条，写循环之前就得先设计好： **done条件**：且必须机器可判定，比如测试全绿，或者某个spec项被关闭； **硬上限**：包括最大轮数和最大花费，专防成本失控和无限循环； **无进展检测**：一旦发现它反复碰同一批文件却没有新的通过测试，就强制停下。 官方也给了一整套省钱纪律：小任务别硬上多智能体；能用便宜快的小模型，就别都用最强的；大规模跑之前先拿一小片试跑；确定性的活交给脚本，跑脚本比让模型一步步推理便宜得多；例行任务别跑得比它该跑的更勤。 所以，循环是一整套“怎么把AI管住”的设计，而不是“撒手让AI乱跑”。这也决定了它现在最适合的，是边界清晰的结构化任务，而非天马行空的自由发挥。 ## 以前拼谁会说话，现在拼谁会搭系统 这一轮变化中，真正改变的是编程重心：从“内容设计”，挪到了“行为系统设计”。以前你设计的是一次指令的内容，现在你设计的是一整套行为：它怎么触发、怎么验证、怎么停。 Claude Code官方给想设计循环的人们留了个简单的起点：去看你自己每天都在干的活，挑其中一个瓶颈环节，然后问自己3个问题： **验证**：那道验证检查，我能不能替它写出来？ **目标**：目标描述够不够清楚？ **节奏**：活儿是不是按固定节奏出现的？ 只要有一个答案是肯定的，你就找到了第一个可以交出去的循环。 AI编程，以前拼的是提示词技巧，现在拼的是谁会搭系统：谁能设计出一个自己会验证、自己知道该停的循环。写提示词的时代不会一夜消失，但它的光环正移向循环。而真正的循环设计者们，才刚刚上场。