近期，利用循环（Loop）机制替代手动编写 Agent 提示词成为技术热点。Claude Code 团队明确定义：Loop 即 Agent 重复执行工作周期直至满足特定停止条件。根据触发方式、停止标准、底层工具及适用场景，循环被划分为四大类。
以下为各类循环的选择指南，以及在保障代码质量与控制 Token 消耗方面的最佳实践。
1. 轮次循环（Turn-based loops）
- 触发方式：用户提示词。
- 停止标准：Claude 判定任务完成或需额外上下文。
- 适用场景：非标准化流程的短期任务。
- 管理策略：编写具体提示词，利用技能文件（SKILL.md）强化验证能力以减少轮次。
每个提示词启动一个由用户引导的手动循环。Claude 负责收集上下文、执行动作、自检并响应。例如，让 Claude 创建点赞按钮，它完成编辑和测试后交付，用户需人工检查并发起下一轮指令。
优化建议：将手动验证步骤写入 SKILL.md 技能文件，使 Claude 能进行端到端自检。验证标准应具象化、可量化，包含工具交互与结果测量。
SKILL.md 配置示例：
名称：verify-frontend-change
描述：在声明完成前，端到端验证任何 UI 更改。
验证逻辑：
- 启动开发服务器并在浏览器打开页面。
- 直接交互测试（如点击按钮、切换开关），确认状态变化并截取对比图。
- 检查浏览器控制台，确保无新增错误或警告。
- 利用 Chrome Devtools MCP 运行性能追踪，审计核心网页指标（Core Web Vitals）。
若任一步骤失败，需修复后从头重跑，严禁提交未完全验证的工作。
2. 目标循环（Goal-based loop - /goal）
- 触发方式：实时手动提示词。
- 停止标准：达成目标或达到最大轮次限制。
- 适用场景：具备可验证退出标准的复杂任务。
- 管理策略：设定明确的完成标准及轮次上限（如“尝试 5 次后停止”）。
对于复杂任务，单次沟通往往不足。通过 /goal 定义成功标准，可延长 Claude 的迭代时间。一旦设定标准，评估模型将在每次 Claude 试图停止时进行检查，若未达标则强制继续，直到满足目标或触及轮次限制。
确定性标准（如测试通过数量、分数阈值）效果显著。示例：
/goal 将主页 Lighthouse 分数提升到 90 分或以上，尝试 5 次后停止。3. 时间循环（Time-based loop - /loop 和 /schedule）
- 触发方式：指定的时间间隔。
- 停止标准：用户取消、任务完成（如 PR 合并、队列清空）。
- 适用场景：定期重复性工作或需与外部环境交互的任务。
- 管理策略：设置较长间隔，或基于事件而非固定时间触发。
适用于输入变化但任务逻辑固定的场景（如每日 Slack 消息总结），或需监控外部系统变化的场景（如处理 CI 失败或代码审查意见）。
使用 /loop 可定期重新运行提示词。示例：
/loop 5m 检查我的公关提交，处理评审意见，并修复失败的持续集成。注：/loop 在本地运行，关闭终端即停止；若需云端常驻，可使用 /schedule 创建例行程序。
4. 主动循环（Proactive loops）
- 触发方式：事件或计划任务，无需人工实时干预。
- 停止标准：单个任务达成目标即退出；例行程序本身持续运行直至关闭。
- 适用场景：周期性且定义明确的流水线工作（如 Bug 报告处理、依赖升级）。
- 管理策略：常规任务路由至轻量模型，复杂判断使用高性能模型。
结合自动模式与动态工作流，可构建长期运行的自动化系统。示例：处理用户反馈的流程：
* /schedule：每小时检查新报告。
* /goal：定义完成标准（分类、处理、回复）。
* 动态工作流：协调多个智能体并行探索解决方案并进行对抗性审查。
* 自动模式：无需请求许可即可持续运行。组合提示词示例：
/schedule 每小时：检查 project-feedback 频道中的 Bug 报告。/goal：直到本次运行中发现的每个报告都经过分类、处理并回复才停止。在修复 Bug 时，使用工作流在三个并行工作树中探索三种解决方案，并让评审智能体进行对抗性审查。保持代码质量
循环输出的质量依赖于系统设计：
- 维持代码库整洁：Claude 会遵循现有模式和约定。
- 提供自验方法：通过技能文档记录团队认可的验证标准。
- 文档易获取：确保框架和库的文档包含最新最佳实践。
- 引入第二智能体审查：利用全新上下文的评审者减少偏见，可使用内置
/code-review技能或 GitHub 工具。 - 系统化改进：当结果未达标时，不仅修复具体问题，更应将经验写入系统以优化未来迭代。
管理 Token 使用
为有效控制成本，循环设计需具备清晰边界：
- 匹配模型与任务：小任务无需多智能体，可选用低成本快速模型。
- 明确成功标准：清晰的停止条件能加速方案收敛。
- 试点先行：动态工作流可能生成大量智能体，应先在小规模任务上评估用量。
- 脚本化处理确定性工作：如 PDF 填充等任务，直接运行脚本比推理更经济。
- 合理设置频率：例行程序间隔应与数据变化频率相匹配。
- 监控用量：使用
/usage查看细分数据；/goal查看轮次与 Token 消耗；/workflows监控各智能体用量并可随时终止。
5. 开始使用
各类循环特性总结如下：
| 循环类型 | 移交部分 | 适用场景 | 推荐功能 |
|---|---|---|---|
| 轮次循环 | 验证步骤 | 探索性或决策型任务 | 自定义验证技能 |
| 目标循环 | 停止条件 | 完成标准明确的任务 | /goal 指令 |
| 时间循环 | 触发条件 | 项目外且有固定日程的工作 | /loop, /schedule 指令 |
| 主动循环 | 提示词 | 周期性且定义明确的工作 | 全功能组合及动态工作流 |
实施建议：审视现有工作流，识别瓶颈环节。思考可将哪部分移交自动化：能否编写验证步骤？目标是否足够明确？工作是否具有周期性？
选定场景后运行循环，观察结果，针对卡点或过度执行处进行迭代优化。
更多详情参阅 Claude Code 官方文档：
https://code.claude.com/docs/en/agents
https://code.claude.com/docs/en/goal
https://code.claude.com/docs/en/routines
https://code.claude.com/docs/en/workflows