循环真正的门槛，并不在于让AI持续运行，而在于它能否自主判断何时该停下。
「再也不用手动写提示词了」——这句话最近在ai圈迅速走红。
从OpenClaw创始人、现就职于OpenAI专注下一代个人智能体研发的Peter Steinberger，到Claude Code核心开发者Boris Cherny，一众硅谷技术领袖正集体拥抱「循环」（loops）范式。
将这一趋势正式命名为「循环工程」（loop engineering）的谷歌工程师Addy Osmani，也深度参与其中。
Cherny坦言，如今他几乎不再亲自编写提示词。
取而代之的，是一个由智能体构成的协作层：它负责为Claude生成提示词，而Cherny只需与这个“总控智能体”对话，协调全局任务。
他还断言：十年后，循环机制及其延伸能力，将成为他职业生涯中最引以为傲的技术成果之一。
Steinberger的观点更为激进：别再为编程类智能体手写提示词了，你真正该做的，是设计一套能自动产出提示词的循环系统。
他在X平台公开演示了自己的实践：让Codex每5分钟自动唤醒一次，自主完成代码仓库维护、任务分发与部分执行工作。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
这些顶尖专家反复强调的「循环」，究竟指什么？
近期，Claude Code团队在其官方博客中首次给出明确定义，并系统划分出四类典型循环结构，为智能体自动化作业建立了可复用的工程框架。
Claude Code团队发文，正式定义「循环」概念，并归纳出回合制、目标驱动、时间触发、主动响应四种典型类型。
其本质在于：AI编程正经历一场范式迁移——从「单次指令交付」转向「闭环系统构建」。
一条提示词换一次输出，一个循环换来的，则是合上电脑后仍持续运转的工作流。
程序员的角色，也正悄然从内容创作者，升级为系统架构师。
四种循环，对应四类「终止依据」
那么，什么是循环？
X平台上曾有诸多讨论，观点纷杂。Claude Code团队给出的定义极为清晰：
循环即智能体持续执行多轮任务的过程，直至满足预设的终止条件。
这四类循环，本质上就是四种不同的「终止依据」。理解这一点，是读懂Claude Code这篇技术博客的关键所在。
围绕「触发方式、终止逻辑、基础原语、适用场景」四个维度，Claude Code将循环划分为以下四类。
第一种，回合制循环（turn-based）。
回合制循环由人工逐轮主导，每输入一条提示词即启动一轮。（图源：Claude官方博客）
人类全程掌控节奏，发出指令→AI执行→人工校验→再发指令。适用于零散、短时、无流程依赖的任务。
若想减少人工干预频次，可将常规检查步骤整理为SKILL.md文档，交由AI自主验证。
验证标准越可量化，AI越能准确判断结果是否达标，人工盯控点自然就越少。
第二种，目标循环（/goal）。
目标循环依赖评估模型比对预设标准，未达标的自动返工。（图源：Claude官方博客）
先锁定明确目标，例如「将首页Lighthouse评分提升至90+，最多尝试5轮」。
每当Claude试图结束本轮，评估模型便会对照你的指标进行判定；未达标则返回重做，直至目标达成或轮数耗尽。
测试通过率、分数阈值等客观指标之所以高效，是因为Claude无需自行揣测「是否足够好」——评估器替它做决策，避免过早收工，确保循环干净收束。
第三种，时间循环（/loop和/schedule）。
按固定时间间隔触发，类似数字闹钟。某些任务具有周期性特征，内容不变，仅输入随时间更新，如每日晨间Slack消息摘要。
另一些任务需响应外部系统状态变化，最直接的方式便是定时轮询：比如持续监测PR状态，一旦收到评审意见或CI失败通知即立即响应。
使用/loop可实现定时重复执行某条提示词；若需在用户离线状态下持续运行，则借助/schedule将其部署至云端。
这套机制，与程序员熟知的定时任务（cron）高度一致。
第四种，主动循环（proactive）。
主动循环由事件或时间触发，全程无需人工介入，直至手动终止。（图源：Claude官方博客）
由外部事件或预设时间点触发，全链路无人值守。
结合auto mode与动态工作流，可将长周期任务全自动串联：例如每小时扫描用户反馈渠道，接收到一份bug报告后，自动完成分诊、修复、测试、回复全流程，中间不停顿、不请示。
每个子任务达成即退出，整套例行流程则持续运行，直到被人工主动关停。它特别适配那些高频、边界清晰、来源稳定的任务：bug上报、问题归类、依赖包升级等。
四种循环，归根结底是在回答同一个问题：什么时候该停？
答案分别是：人来决定、评估器判定、时间驱动、事件触发。
再深入一层看底层机制。
根据Claude官方Agent SDK文档，该循环内核极为简洁：
Claude接收提示词→评估任务→调用工具执行→获取结果→重新评估，如此往复，直至某一轮不再调用任何工具，循环才正式终结。
Claude Code官方Agent SDK文档揭示的智能体循环流程：提示词进入后，Claude依次完成评估、工具调用、结果回传与再评估，直至某轮零工具调用，方输出最终结果。（图源：Claude Code官方文档）
所谓自主智能体，其本质正是这样一个自我维持的闭环。
真正变革的并非循环形式本身
当然，也不应将「循环设计」夸大为一场颠覆性革命。
定时任务、流程编排（orchestration）、反馈闭环等理念早已存在。Claude此次的关键动作，在于将其统一命名、分类建模，并形成一套可传播、可复用的工程语言。
真正发生转变的，是「终止条件」的设计重心。
在Claude Code官方总结的实战指南中，被单独高亮、列为「最具价值的一条原则」的，正是验证（verification）：
赋予Claude一种能够自主检验产出质量的能力。
道理并不复杂。
试想，若让工程师开发网页却不提供浏览器预览功能，页面如何保证美观？有了浏览器，他每次修改都能即时查看效果，反复调试直至满意才交付。
而模型循环的强大之处，恰恰源于这种「自我验证、自我闭环」的能力。
在此过程中，提示词并未消失，而是退居为循环中的一个模块化组件。
真正的设计核心，已转向：终止条件设定、验证器（verifier）构建、token预算管控、多轮执行策略优化。
缺乏闸门的循环，威力巨大却暗藏风险
循环，是否意味着可以完全放手，任AI全天候自主运行？
答案是否定的。
首要制约来自成本。无限制的循环极易导致token消耗失控。
据公开报道，Steinberger自称是「坐拥无限token权限的人」，因其在OpenAI任职享有免费额度特权。普通开发者显然不具备这一条件。
更隐蔽的风险在于行为失焦：AI可能陷入「表面推进、实质停滞」的伪进展循环——反复修改同一文件，却始终无法通过测试。
它甚至会以极强信心，将一个错误方案不断深化、完善，直至形成一套看似完整实则失效的解决方案。
工程社区对此已有共识：循环能力强大，但缺失有效闸门（gating condition）则极其危险。
Reddit上的开发者们将必备闸门归纳为三条，必须在编写循环前预先设定：
done条件：必须具备机器可判定性，例如所有测试用例通过，或某项spec标记为已完成；
硬性上限：包括最大执行轮数与最高token预算，用以防范成本失控与无限循环；
无进展检测：一旦识别出AI反复操作相同资源且未产生新通过项，即强制中断。
官方也同步发布了一套成本控制守则：
小规模任务无需强行引入多智能体协作；
优先选用轻量、快速的小模型，而非一律调用最强模型；
大规模部署前，务必先用小样本进行验证性运行；
确定性任务交由脚本执行，远比让模型逐步推理更经济；
例行任务的执行频率，不应高于实际业务需求所要求的节奏。
因此，循环本质上是一套「如何有效约束AI行为」的系统设计方法论，而非放任其自由发挥的通行证。
这也决定了它当前最适合落地的，是边界清晰、结构明确的任务场景，而非开放性、创造性极强的自由探索类工作。
过去比谁更会表达，如今比谁更擅构架
这场演进背后，编程工作的重心已然迁移：从「内容表达设计」，转向「行为系统架构」。
从前你设计的是单次交互的内容，如今你构建的是一整套行为逻辑：它如何被触发、如何被验证、如何被终止。
Claude Code官方为初学者提供了一个极简切入点：
回顾你日常工作中反复出现的重复性任务，挑选其中一处效率瓶颈，然后自问三个问题：
验证：那个关键校验环节，我能否为其编写一段可自动执行的验证逻辑？
目标：我对最终成果的描述，是否足够具体、可衡量？
节奏：这项工作是否遵循某种固定的时间或事件规律？
只要其中任一问题的答案是肯定的，你就找到了首个可移交AI处理的循环入口。
AI编程的竞技场，已从提示词技巧比拼，升级为系统架构能力较量：谁能设计出一个具备自验证能力、懂得适时终止的循环，谁就掌握了下一阶段的核心生产力。
提示词写作不会一夜消亡，但它的光环正加速向循环设计转移。
而真正的循环架构师们，才刚刚站上舞台中央。
参考资料：
https://www.php.cn/link/db925518016c57f53fedfb1edb0f045b
https://www.php.cn/link/4b20b908cb8caebf3dfa7bc6485f4e25
https://www.php.cn/link/cb053134713bae13f0f93f001507c361 https://www.php.cn/link/9a15edfbee45bb3e6f2785dd200012e5
本文来自微信公众号“新智元”，作者：元宇，36氪经授权发布。
