# Claude Code 入门：智能体循环 - 来源：Claude：Blog（网页） - 发布时间：2026-06-30 00:00 - AIHOT 分数：72 - AIHOT 标记：精选 - AIHOT 链接：https://aihot.virxact.com/items/cmr0x7y97001yslb3tyb8w4ce - 原文链接：https://claude.com/blog/getting-started-with-loops ## 精选理由 Anthropic把agentic loops从模糊概念变成四种可复制的模式，附带SKILL.md和命令示例，Claude Code用户读完就能设计更自主的编码流程。 ## AI 摘要 Claude Code 团队将智能体循环定义为 agent 重复工作直到满足停止条件的过程，并划分出四种主要类型：turn-based 循环（用户提示触发，Claude 自行判断完成或需更多上下文）、goal-based 循环（通过 `/goal` 命令设定可验证完成标准与最大轮次）、time-based 循环（通过 `/loop` 按时间间隔重复执行，可用 `/schedule` 移至云端）、以及 proactive 循环（基于事件或计划自动运行，无人实时参与）。文章还介绍了如何编写 SKILL.md 文件将人工验证步骤编码，让 Claude 进行端到端自检，减少 turn-based 循环中的手动操作。 ## 正文 了解 Claude Code 团队如何定义智能体循环，并获得从回合制循环到目标驱动型循环、时间驱动型循环和主动型循环的实用进阶指南——以及每种循环的适用场景。 分类 Claude Code 产品 Claude Code 日期 2026 年 6 月 30 日 阅读时间 5 分钟 https://claude.com/blog/getting-started-with-loops 循环入门 目前有很多讨论都聚焦于循环工程或“设计循环”，而不是为你的编程智能体编写提示词。如果你花些时间在 X 上试图弄清楚循环到底是什么，你会遇到多种不同的答案。 在 Claude Code 团队，我们将循环定义为智能体重复执行工作周期，直到满足停止条件。我们根据以下几点对几种不同类型的循环进行分类： 它们如何被触发 它们如何被停止 使用了哪种 Claude Code 原语 每种循环最适合什么类型的任务。 我们将介绍主要的循环类型、每种循环的适用场景，以及如何在管理 token 用量的同时保持代码质量。并非所有任务都需要复杂循环；从最简单的方案开始，并有选择地使用这些模式。 视频 · 前往原文观看 回合制循环 触发方式：用户提示词。 停止条件：Claude 判断已完成任务或需要更多上下文。 最佳用途：不属于常规流程或计划的较短任务。 用量管理方式：编写具体的提示词，并通过使用技能改进验证，以减少回合数。 你发送的每个提示词都会启动一个手动循环，由你引导每一轮。Claude 收集上下文、采取行动、检查工作、必要时重复，然后做出响应。我们称之为智能体循环。 例如，让 Claude 创建一个点赞按钮。它会读取你的代码、进行编辑、运行测试，然后返回一个它认为能用的结果。然后你手动检查工作，并写下下一个提示词。 你可以通过将手动步骤编码为 SKILL.md 文件来改进验证环节，这样 Claude 就能端到端地自行检查更多工作。（关于如何选择技能、钩子和子智能体来实现此类自动化，请参阅我们的 Claude Code 操控指南。） 这应包括让 Claude 能够查看、衡量或与结果交互的工具或连接器。检查越量化，Claude 进行自我验证就越容易。 例如，在你的 SKILL.md 文件中，你可以指定： --- 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. 基于目标的循环（/goal） 触发方式：实时手动提示词。 停止条件：目标达成 或 达到最大轮次。 最佳用途：具有可验证退出条件的任务。 使用管理方式：设置特定的完成条件和明确的轮次上限，例如“尝试 5 次后停止”。 有时，单次交互是不够的，尤其是对于更复杂的任务。AI 智能体在能够迭代时表现更好。你可以通过使用 /goal 定义“完成”的样子，来延长 Claude 持续迭代的时间。 当你定义了成功标准后，Claude 就不必自行判断什么是“足够好”并提前结束循环。每次 Claude 试图停止时，一个评估模型会检查你的条件，并将其送回继续工作，直到目标达成或达到你定义的轮次数。 这就是为什么确定性标准（例如通过的测试数量或达到某个分数阈值）如此有效。 例如： /goal get the homepage Lighthouse score to 90 or above, stop after 5 tries. 基于时间的循环（/loop 和 /schedule） 触发方式：指定的时间间隔。 停止条件：你取消它，或工作完成（PR 合并、队列清空）。 最佳用途：用于重复性工作，或与外部环境/系统交互。 使用管理方式：设置更长的时间间隔，或基于事件而非时间来做出反应。 某些智能体工作是重复性的：任务保持不变，只有输入发生变化。例如，每天早上总结 Slack 消息。其他工作则依赖于外部系统，与之交互的一种简单方法是按时间间隔检查系统并对变化做出反应。例如，一个可能收到代码审查或 CI 失败的 PR。 对于这些情况，你可以在 Claude 运行时使用 `/loop` 触发，它会按时间间隔重新运行一个提示词。例如： /loop 5m check my PR, address review comments, and fix failing CI `/loop` 在你的电脑上运行，所以如果你关闭电脑，它就会停止。你可以通过使用 `/schedule` 创建一个例行任务，将循环移至云端。 主动循环 触发方式：事件或计划，无需人类实时参与。 停止条件：每个任务在其目标达成时退出。该例程本身会持续运行，直到你将其关闭。 最佳适用场景：处理定义明确的周期性工作流，例如：错误报告、问题分类、迁移、依赖升级等。 使用管理方式：将例程路由到更小、更快的模型，并使用能力最强的模型进行判断决策。 上述基础组件，连同 Claude Code 的其他功能（如自动模式和动态工作流（研究预览版）），可以组合成一个循环，用于处理长时间运行的工作。 例如，要处理收到的反馈，你可以使用： `/schedule`（研究预览版）来运行一个检查新报告的例程 `/goal` 来定义“完成”的标准，以及用技能来记录如何验证它 动态工作流来编排智能体，使其对每个报告进行分类、修复并审查修复结果 自动模式，使例程无需停下来请求许可即可运行 综合起来，一个提示词可能如下所示： /schedule every hour: check #project-feedback 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 have a judge adversarially review them. 维护代码质量 循环输出的质量取决于其周围的系统。在设计系统时： 保持代码库本身的整洁：Claude 会遵循你代码库中已有的模式和约定。 为 Claude 提供验证自身工作的方式：通过技能来编码你和团队认为的“好”的标准。 让文档易于访问：框架和库的文档应包含最新的最佳实践。 使用第二个智能体进行代码审查：拥有全新上下文的审查者偏见更少，且不受主智能体推理过程的影响。你可以使用内置的 `/code-review` 技能或 GitHub 的 Code Review 功能。 当单个结果未达到标准时，不要止步于修复单个问题，尝试将其编码，以改进整个系统，使其适用于所有未来的迭代。 管理模型 token 用量 为了管理模型 token 用量，循环应具有清晰的边界： 为任务选择合适的组件和模型：较小的任务不需要多个智能体或循环。某些任务可以使用更便宜、更快的模型。 定义明确的成功和停止条件：具体说明“完成”的标准，以便 Claude 能更快（但不要太快）地找到解决方案。 在大规模运行前先进行试点：动态工作流可以生成数百个智能体。先在较小的工作范围内评估用量。 对于确定性工作使用脚本：运行脚本比逐步推理更经济。例如，一个 PDF 技能可以附带一个表单填写脚本，让 Claude 每次直接运行，而无需重新推导代码。 不要超出必要频率运行例行程序：将运行间隔与你所监控对象的变化频率相匹配。 查看使用情况：`/usage` 命令可按技能、子智能体和 MCP 细分近期使用情况；不带参数的 `/goal` 命令可显示截至目前的使用轮次和 token 用量；`/workflows` 命令可显示每个智能体的 token 用量，并且你可以随时停止某个智能体。 你选择的模型和投入程度是影响循环成本的最大杠杆之一。 开始使用 总结如下： 循环 你进行交接 使用场景 选用方式 轮次制 检查环节 你正在探索或决策 自定义验证技能 目标驱动型 停止条件 你清楚完成的标准 /goal 定时触发型 触发器 工作按计划在你的项目之外进行 /loop, /schedule 主动型 提示词 工作是重复性的且定义明确 以上所有方式，以及动态工作流 要开始使用循环，请审视你已经在做的工作。选择一个你自身成为瓶颈的任务，思考哪个环节可以交出去：你能编写验证检查吗？目标是否足够清晰？工作是否按计划到达？ 一旦有了想法，就运行循环，观察结果——比如它在何处卡住或过度延伸——并且不要害怕迭代改进。 更多信息，请阅读 Claude Code 文档中关于并行运行智能体，以及循环、计划、目标和动态工作流的页面。 本文由 Delba de Oliveira 和 Michael Segner 撰写 用 Claude 改变你组织的运作方式