Anthropic官方Loops 入门指南：让 Claude 学会自主循环工作

每一次你按下回车键，其实都在启动一个「循环（Loop）」——Claude 收集上下文、执行操作、检查结果，必要时反复迭代，最终把答案交回给你。理解并善用这些循环，是驾驭 Agent 的关键一步。

本文将带你系统了解 Claude 的四种循环形态：Turn-based（回合制）、Goal-based（目标驱动）、Time-based（时间驱动） 与 Proactive（主动式），并给出保证输出质量、控制 Token 消耗的实践建议。

一、回合制循环（Turn-based Loop）

• 触发方式：一次用户 Prompt
• 停止条件：Claude 判断任务完成，或需要额外上下文
• 适用场景：一次性、非流程化的短任务
• 优化方式：写更精确的 Prompt，并通过 Skills 强化「自我校验」环节，从而减少回合数

你发出的每一条 Prompt，都会开启一次由你亲自导航的手动循环：Claude 收集上下文 → 执行操作 → 自检 → 必要时重试 → 返回结果。我们称之为 Agentic Loop（智能体循环）。

举个例子：让 Claude 做一个「点赞按钮」。它会读代码、写改动、跑测试，然后把它「自认为可行」的结果交给你。接下来你手动验证、再发出下一条 Prompt——这就是最典型的回合制循环。

关键改进点：把「验证」交给 Claude 自己。 你可以把自己平时做代码走查的步骤，写成一个 SKILL.md，让 Claude 端到端地自查。这里的核心是让 Claude 拥有可以「看到 / 度量 / 交互」的工具——越量化、越好验证。

例如，你可以在 SKILL.md 中写：

--- 
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.

二、目标驱动循环（Goal-based Loop）：/goal

• 触发方式：手动输入 Prompt，实时运行
• 停止条件：达到目标 或 触及最大回合数
• 适用场景：拥有明确、可验证退出标准的任务
• 优化方式：给出清晰的完成标准，并显式设置回合上限，例如「最多试 5 次就停」

一次回合往往不够。对于复杂任务，Agent 需要空间去迭代。/goal 让你告诉 Claude 「什么才算完成」，而不是让它自己拍脑袋决定「差不多了就收工」。

每当 Claude 想停下来时，会有一个 评估模型 检查你设定的目标是否满足；不满足就继续，直到达标或达到你设定的回合上限。这就是为什么 「测试通过数」「分数阈值」这种可量化标准 特别有效。

示例：

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

三、时间驱动循环（Time-based Loop）：/loop 与 /schedule

• 触发方式：指定时间间隔
• 停止条件：由你手动取消，或工作自然完成（如 PR 合并、队列清空）
• 适用场景：周期性任务，或需要与外部系统交互的任务
• 优化方式：调大间隔时间，或改为「事件驱动」而非「时间驱动」

有些 Agentic 工作是重复性的——任务不变，只有输入在变。例如：每天早上汇总一次 Slack 消息；又或者，任务依赖外部系统的状态——比如一个 PR 会不断收到评审意见、CI 可能失败——最简单的方式就是定时轮询并对变化作出反应。

用 /loop 让某个 Prompt 按固定间隔重复运行：

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

⚠️ 注意：/loop 运行在你自己的电脑上，关机即停止。想要在云端持续运行，可用 /schedule 将其做成一个 Routine（例行任务）。

四、主动式循环（Proactive Loop）

• 触发方式：由事件或计划触发，全程无需人工介入
• 停止条件：每个任务达成目标即退出；Routine 本身则运行至你关闭
• 适用场景：规则清晰、持续到来的重复工作流：Bug 上报、Issue 分类、依赖升级、迁移工作等
• 优化方式：把常规任务路由给更小、更快的模型，把关键决策留给最强模型

结合上面这些「原子能力」，加上 Claude Code 的 Auto Mode（自动模式） 与 Dynamic Workflows（动态工作流，研究预览版），你就可以搭出真正长时间运行的自主循环。

例如，一条处理「用户反馈」的自动化流水线可以这样组合：

1. /schedule（研究预览版）：定期检查是否有新的 Bug 上报
2. /goal：定义「完成」的标准；配合 Skills 描述「如何验证」
3. Dynamic Workflows：调度多个 Agent 分别做分类、修复、复核
4. Auto Mode：让 Routine 全程无需审批地跑下去

组合起来的 Prompt 可能是这样：

/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.

五、保持代码质量：循环之外的系统工程

一个循环的输出质量，取决于它所处的「系统」。设计系统时请注意：

• 保持代码库本身整洁：Claude 会自然沿用现有代码库的模式与约定
• 给 Claude 提供自我校验的手段：把「好」的标准编码进 Skills
• 让文档触手可及：框架与库的官方文档往往包含最新最佳实践
• 用第二个 Agent 做代码走查：新上下文的评审者立场更客观，不会被主 Agent 的推理路径带偏。可使用内置的 /code-review Skill，或 Github 上的 Code Review

六、管理 Token 消耗：给循环画上边界

为了让循环不至于烧钱失控，请设定清晰的边界：

• 为任务选择合适的循环原语与模型：小任务无需多 Agent 或多循环；有些任务用更便宜、更快的模型即可
• 明确成功与停止条件：越具体，Claude 越能尽快到达（但不至于早停）
• 大规模跑之前先做小样试点：Dynamic Workflows 可能会派生出上百个 Agent，先用一小部分数据估算成本
• 确定性工作用脚本：跑脚本远比反复推理便宜。例如，一个「填表 Skill」可以内置脚本，让 Claude 每次直接调用，而不是重新推导代码
• 不要让 Routine 跑得比必要的更频繁：把间隔与被监控对象的变化频率对齐
• 随时复盘用量：
  • /usage：按 Skills、Subagents、MCP 拆解近期用量
  • /goal（无参数）：显示当前回合数与累计 Token 消耗
  • /workflows：查看每个 Agent 的 Token 使用，并可随时终止

七、四种循环速查表

八、如何开始？

有了想法，就跑起来一次循环：观察它在哪里卡住、哪里做得过头，别怕迭代。

更多内容可参见 Claude Code 官方文档：

• 并行运行多个 Agent
• Loop
• Schedule
• Goal
• Dynamic Workflows

原文作者：Delba de Oliveira、Michael Segner