循环真正的门槛，并不在于让AI一直跑，而在于它能不能自己踩住刹车。
「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。
参考资料：
https://claude.com/blog/getting-started-with-loops
https://code.claude.com/docs/en/agent-sdk/agent-loop
https://support.claude.com/en/articles/14554000-claude-code-power-user-tips?utm_source=chatgpt.com https://www.reddit.com/r/ClaudeWorkflows/comments/1ujy4wq/workflow_designing_robust_claude_agent_loops/
本文来自微信公众号“新智元”，作者：元宇
