本文将为你讲解 Claude Code 团队对智能体循环（agentic loops）的定义，手把手教你从回合式循环，逐步进阶到目标式、时间式、主动式循环，并说明各类循环的适用场景。

当下行业内都在热议循环工程，与其反复给代码智能体写提示词，不如直接设计循环机制。如果你去 X 平台翻看讨论，会发现业内对循环的定义五花八门。

Claude Code 团队给出的标准定义：循环，即智能体重复执行工作流程，直至满足停止条件。

我们会根据四大维度划分不同循环类型：

  1. 触发方式
  2. 终止判定规则
  3. 依托的 Claude Code 原生指令
  4. 适配的任务类型

下文会详细介绍主流循环类型、各自适用场景，同时讲解如何在控制 Token 消耗的前提下保障代码质量。并非所有任务都需要复杂循环，建议优先选用最简方案，按需搭配各类循环模式。

一、回合式循环（Turn-based loops）

回合式循环流程图

  • 触发条件：用户发送提示词
  • 停止规则：Claude 判定任务完成，或判定需要补充上下文
  • 适用场景：短时任务、非固定周期 / 非标准化流程的临时工作
  • 资源管控方式：编写精准提示词，通过技能（Skill）优化自检环节，减少交互轮次

你发送的每一条提示词，都会启动一套由你手动主导的回合循环。Claude 会依次执行：收集上下文$\to$执行操作$\to$自检成果，若未达标则重复流程，完成后向你输出最终结果，这套完整流程就是智能体循环。

举个例子：你让 Claude 创建点赞按钮。它会读取项目代码、完成代码修改、执行测试，再交付一份它自认为可用的代码。之后由你人工核验效果，再输入下一轮提示词推进任务。

你可以将人工核验步骤封装进SKILL.md技能文件，让 Claude 实现端到端自主校验，大幅优化自检流程。（如需了解技能、钩子、子智能体三者的自动化方案取舍，可查阅《Steering Claude Code》指南）

技能文件中需要配套工具 / 接口，让 Claude 能够可视化观测、量化检测、交互验证产出结果。校验标准越量化，Claude 自主核验的准确率越高。

技能示例：前端变更校验（SKILL.md）

 1---
 2name: verify-frontend-change
 3description: 前端UI变更上线前，完成全链路校验再标记任务完成
 4---
 5# 前端变更校验规范
 6仅完成代码编辑，绝不代表UI变更任务结束，必须复刻人工评审流程完整校验：
 71. 启动开发服务，在浏览器打开修改页面
 82. 直接交互修改后的控件（按钮、输入框、开关等），点击控件确认状态变更正常，留存修改前后截图
 93. 检查浏览器控制台，无新增报错、警告信息
104. 调用Chrome开发者工具MCP插件，运行性能追踪，核验核心网页指标（Core Web Vitals）
11任意步骤校验失败，需修复问题后从第一步重新校验，严禁交付未完整核验的半成品。

二、目标式循环（Goal-based loop，指令/goal）

目标式循环流程图

  • 触发条件：用户实时手动输入提示词启动
  • 停止规则：达成预设目标，或达到最大交互轮次上限
  • 适用场景：具备可量化、可核验退出标准的复杂任务
  • 资源管控方式：明确完备的验收标准，设置硬性轮次上限（例如 “最多尝试 5 轮”）

复杂任务往往无法单轮完成，智能体在拥有迭代权限时效果更佳。通过/goal指令定义 “任务完成标准”，就能延长 Claude 的迭代周期。

当你提前写明成功判定条件后，无需由 Claude 自行判断做到什么程度才算合格，避免循环提前终止。每当 Claude 判定任务完成时，独立评估模型会核验你的预设条件；若未达标，则将任务退回重新迭代，直至目标达成或耗尽轮次上限。

因此，确定性量化标准（例如测试通过率、性能分数阈值）是目标循环的核心优势。

使用示例

/goal 将网站首页Lighthouse性能评分提升至90分及以上，最多迭代5次后停止

三、时间式循环（Time-based loop，指令/loop & /schedule）

  • 触发条件：预设固定时间间隔自动启动
  • 停止规则：手动取消循环，或任务闭环完成（PR 合并、消息队列清空等）
  • 适用场景：周期性重复工作、需要对接外部系统 / 第三方环境的任务
  • 资源管控方式：拉长执行间隔，改为事件驱动而非定时轮询

部分智能体工作具备周期性特征：任务逻辑不变，仅输入数据发生变化。例如每日早间自动汇总 Slack 群消息；还有一类任务依赖外部系统状态，定时轮询是最简单的对接方案，例如持续监控代码评审 PR、处理 CI 流水线报错。

针对这类场景，可使用/loop指令设置定时重复执行提示词。

使用示例

/loop 每5分钟：检查我的PR，处理评审意见、修复CI报错

/loop仅在本地电脑运行，关闭设备后循环自动终止；若需要云端常驻执行，可通过/schedule创建云端定时任务。

四、主动式循环（Proactive loops）

主动式循环流程图

  • 触发条件：外部事件触发或云端定时调度，全程无需人工实时介入
  • 停止规则：单次子任务达成目标即结束；整体定时任务会持续运行，直至手动关闭
  • 适用场景：持续流入、定义清晰的批量重复性工作：缺陷工单分拣、数据库迁移、依赖包升级等
  • 资源管控方式：轻量分拣流程选用低成本小模型，复杂决策场景使用高性能模型

将前文所有基础指令，搭配 Claude Code 的自动模式、动态工作流等功能组合，即可搭建长期运行的主动式循环。

举个落地案例：自动化处理用户反馈工单，完整组合方案如下：

  1. /schedule（预览功能）：云端定时巡检，抓取新增反馈工单
  2. /goal：定义工单处理完成标准，配套技能文件规范校验流程
  3. 动态工作流：编排多智能体分工，完成工单分拣、缺陷修复、方案评审全流程
  4. 自动模式：无需人工确认，全自动持续运行

完整提示词示例

/schedule 每小时执行：查看#项目反馈群的缺陷工单。/goal：本轮抓取的所有工单必须完成分拣、落地处理、回复反馈后才算结束。修复缺陷时，并行创建3个工作分支分别开发解决方案，由独立评审智能体对抗性校验所有方案优劣。

五、保障循环输出代码质量

循环产出质量，取决于整套配套系统设计，搭建时遵循以下原则：

  1. 保持代码库规范统一：Claude 会严格遵循项目现有编码规范与代码风格，代码库整洁能大幅降低输出偏差
  2. 赋予智能体自主校验能力：通过技能文件，将团队定义的合格标准标准化落地
  3. 文档触手可及：框架、第三方库文档保持最新，方便智能体快速查阅行业最佳实践
  4. 引入第二路智能体做代码评审：独立评审智能体无前置执行偏见，能客观发现主智能体遗漏的问题；可使用内置/code-review技能，或 GitHub 专用代码评审工具

若单次产出未达标，不要仅修复当前问题，建议将修复逻辑固化为标准化规则，优化整套循环系统，避免后续迭代重复踩坑。

六、管控 Token 消耗

循环必须设置清晰边界，避免无限制消耗资源，实操方案如下：

  1. 按需选择指令与模型：简单任务无需多智能体复杂循环，轻量化工作选用低成本、高速度小模型
  2. 明确、具象的终止标准：清晰定义完成标准，让智能体尽早达成目标、终止循环，同时避免提前收尾
  3. 大规模运行前小批量试点：动态工作流会生成大量子智能体，先截取一小部分任务试运行，预估 Token 消耗成本
  4. 确定性流程改用脚本执行：固定重复步骤编写脚本运行，比让大模型反复推理成本更低。例如 PDF 表单填充功能，可内置专用脚本，无需每次重新推导代码逻辑
  5. 匹配合理运行间隔：定时循环的轮询频率，与外部系统数据更新频率保持一致，避免无效空跑
  6. 定期核查资源用量：
    • /usage：查看近期技能、子智能体、MCP 插件的 Token 消耗明细
    • 无参数/goal：展示当前循环总轮次与累计 Token 消耗
    • /workflows：查看各智能体单独资源消耗，随时终止异常消耗的智能体

模型选型、算力档位设置，是控制循环运行成本最核心的两个抓手。

七、快速上手总结

四类循环对照表

循环类型交由 AI 自动处理的环节适用场景配套工具 / 指令
回合式循环结果自检流程需求探索、人工决策主导的临时任务自定义校验技能（Skill）
目标式循环终止判定逻辑拥有明确可量化完成标准的任务/goal
时间式循环任务触发时机跨项目、固定周期执行的外部联动任务/loop、/schedule
主动式循环完整任务全流程持续批量、标准化的长期重复性工作以上全部指令 + 动态工作流

落地起步步骤

  1. 梳理你日常的开发工作，找到人工操作成为瓶颈的环节，思考哪一步可以交给自动化循环：
    • 能否标准化编写校验规则？
    • 任务目标是否清晰可量化？
    • 工作是否按固定周期持续产生？
  2. 搭建循环并试运行，观测卡顿、资源浪费等问题；
  3. 持续迭代优化循环规则，无需追求一步到位。

如需拓展学习，可查阅 Claude Code 官方文档：多智能体并行运行、循环指令、定时调度、目标指令、动态工作流。

本文作者：Delba de Oliveira、Michael Segner

原文链接

https://claude.com/blog/getting-started-with-loops