面试官坏笑：“AI 自己都能检查代码了，要你何用？” 我骄傲：“俺能背锅！” 她大喜：“入职！组长就你了！”

近日，Claude 官方发布博客，详细介绍了一种名为"Verification Loop（验证循环）”的新机制。该机制旨在让 AI 在生成代码后，自动执行自我检查与修复流程，直至通过所有预设验证标准才交付结果。

原文来源：https://claude.com/blog/building-verification-loops-in-claude-code-with-skills

尽管 AI 编码效率显著提升，但开发者往往仍需承担繁琐的验收工作：从功能测试、移动端适配到控制台报错排查。验证循环的核心价值，在于将这部分人工验收工作自动化，由 AI 自主完成“编写 - 检查 - 修正”的闭环。

什么是验证循环？

Claude Code 原有的基础检查包括类型校验、代码规范扫描、自动化单元测试及运行时稳定性监测。然而，这些手段难以覆盖布局错乱、交互失效或视觉遮挡等端到端体验问题。

验证循环通过引入明确的“通过/失败”判定标准，使 AI 能够依据反馈自动迭代。官方推荐的验证方式包括：

• /verify 技能：自动构建项目并运行，观察改动效果。
• Toolchain 集成：利用现有工具链（如 Linter）返回的错误信息进行判断。
• Code Review Agent：多智能体服务，自动审查代码合并请求（PR）。
• GitHub Actions：在代码提交时触发自动化检查流程。
• Spec Validation：依据需求规格文档验证功能实现。
• Rubrics 评分：基于预设评分标准进行打分，未达标则重做。

核心逻辑在于为 AI 提供可量化的验收条件。除了通用规则，项目特有的业务逻辑（如数据库迁移前的备份检查）也可纳入验证流程，确保 AI 严格遵循定制化标准。

用 Skill 固化验证流程

对于重复性的复杂检查动作，可将其封装为"Skill"。Skill 本质是位于项目.claude/skills/目录下的 Markdown 文件，通过自然语言描述检查步骤与判定逻辑。

实施路径建议如下：

1. 优先使用内置的/verify技能进行基础验证。
2. 利用skill-creator插件或将日常工作流转化为自然语言描述，自动生成 Skill 文件。
3. 在新任务中试运行并迭代优化，稳定后可将多个检查环节串联。

示例 Skill 文件结构清晰，包含名称、描述及具体的检查指令（如检查日志是否脱敏）。开发者可将前端页面的加载、交互、适配等常规检查固化为verify-frontend技能，实现标准化验收。

需注意，验证循环是核心方法论，Skill 仅是实现载体之一。亦可结合 Hooks 钩子或/goal命令定义目标条件，驱动 AI 循环执行直至达标。

实战验证：循环机制的有效性

为验证该机制的实际效果，本文设计了对比实验：基于同一初始项目（3D 赛博风格“竹知了”模型），在相同模型环境下，分别采用“传统人工验收”与"AI 自动验证循环”两种模式完成五项功能需求（拖动控制、模式切换、粒子光效、移动端适配及视觉完善）。

实验前预设六类验收标准：构建状态、页面加载、核心交互、移动端适配、控制台报错及视觉布局检查。

第一轮：传统开发模式

AI 耗时 5 分 33 秒完成编码并自行通过基础构建检查。人工验收发现：虽然功能基本可用，但狂暴模式的视觉效果未达预期，且控制台存在 Three.js 弃用警告。开发者需额外花费约 2 分钟进行手动测试与细节确认。

第二轮：AI 全自动验收

在需求中增加“必须执行 verify-frontend Skill"指令。AI 配备 Playwright（模拟操作）与 Vision（视觉识别）工具，自动执行六项预设检查。期间 AI 自主解决了依赖安装问题，最终耗时 9 分 48 秒完成全部开发与验收。

结果显示，第二轮的粒子特效更为出色，且 AI 主动记录了打包体积警告。尽管控制台仍有遗留警告（因未纳入 Skill 规则），但整体验证流程显著减少了人工干预。

实验对比与结论

两轮实验均通过了功能性验收，区别在于验收主体的转移。第二轮虽增加了约 4 分钟的机器运行时间，但完全释放了开发者的人力，使其无需守着屏幕进行机械式测试。

验证循环适用于逻辑明确、可量化判断的任务（如构建、交互、适配、报错检测）；而涉及主观审美与产品直觉的决策，仍需人类把控。在 AI 时代，人类的稀缺能力将从“执行”转向“判断”与“担责”。

验证循环的进阶应用

Verification Loop 不仅限于开发尾声，还可嵌入日常流程序列。官方总结了四种运行模式：

• Standalone（独立执行）：按需手动触发，如提交前的安全扫描。
• Embedded（嵌入技能）：将验证步骤写入生产 Skill 末尾，实现自动化收尾。
• Chained（链式串联）：多个 Skill 首尾相接。例如 Anthropic 团队采用的流程：/code-review找 Bug -> /simplify精简代码 -> /verify验证功能 -> /design比对规范，形成全自动质量保障流水线。
• On every PR（提交触发）：通过 GitHub Actions 集成，确保每次代码合并请求均自动执行统一验证标准。

Claude Code 创造者 Boris Cherny 提出"Loop Engineering（循环工程）”理念：开发者的角色正从“逐条指挥 AI"转变为“设计系统循环”，让 AI 在既定框架内自主运转。

结语

在使用 AI 进行大型项目开发时，建议除了提供需求清单外，同步提供一份详细的“验收清单”。将重复性检查工作固化为 Skill，能显著提升交付效率。

需要明确的是，AI 是高效的执行者与检查员，而非决策者或责任人。AI 的验收通过仅代表符合预设规则，最终的业务风险、需求定义及上线决策，仍需由人类开发者把控。最理想的协作模式是：具备判断力与责任感的人类，搭配执行力卓越的 AI。