Loop Engineering 入门：从写 Prompt 到设计循环

Loop Engineering 入门：从写 Prompt 到设计循环

基础概念

设想你正在用 Claude Code 改一个 bug：你写一段提示 → 看它输出 → 复制错误信息再问一遍 → 看新输出 → 让它跑测试 → 帮你 commit。一上午下来你大概打了 20 次回车，每一次都是"你"在驱动 AI 往前走。

Loop Engineering 在 2026 年成为热词，描述的就是另一种工作姿态：你不再是不断给 AI 写 prompt 的人，而是设计一个能自己把活干完的循环。这个想法被 Anthropic Claude Code 负责人 Boris Cherny 一句话说透：「I don't prompt Claude anymore. I have loops running that prompt Claude.」

这两种姿态的根本差别如下表。表里每一行不是术语对术语，而是对你这个使用者意味着什么：

要走到右边那列，你得先理解一个概念：agent loop——AI agent 自己跑的那个"输入 → 思考 → 调工具 → 看结果 → 再思考"的内循环。它不是个新发明，但 2026 年随着 Claude Code、Codex CLI、Gemini CLI 把它做成了可以直接在终端里调度的产品，普通工程师第一次可以亲手设计这种 loop，而不只是在论文里看它的图示。

Agent Loop 的 5 步基础工作流

Anthropic 在 Agent SDK 文档 里把 loop 拆成 5 步。这 5 步是所有 Claude Code 类工具的内核——你给一句 prompt，背后跑的就是它：

一句简单的 prompt（「这个目录有什么文件？」）通常 1-2 个 turn 结束；一个复杂任务（「重构 auth 模块并把测试跑过」）可能跑几十个 turn，每一个都包含模型决策 + 工具执行 + 结果回灌。

这 5 步并没有定时器，loop 默认一直跑到 Claude 自己说"完了"为止。这就引出了 loop 设计里第一个工程问题：怎么让它不要无限跑下去——见下面「基础用法」段的实操。

基础用法

Claude Code 已经把"设计 loop"暴露成 3 种用法，从最轻量到最重量依次是 /loop、/goal、Agent SDK。下面用同一个例子（"每 30 分钟检查一次 deploy 状态，失败就提示我"）演示三种方式怎么实现，让你看清它们的层级关系。

第 1 种：/loop —— 定时跑同一件事

最简单的 loop 工具，2026 年下半年随 Claude Code 内置。语法：

/loop <间隔> <prompt 或 slash command>

间隔单位是 m（分钟）/ h（小时）/ d（天），最小 1 分钟（因为底层是 cron）。任务会自动 3 天后过期，这是安全机制——防止你忘了关一个跑了一年的循环烧 API 费用。

实例：

# 每 30 分钟检查一次 deploy 状态
/loop 30m 跑 ./scripts/check-deploy.sh，如果输出含 FAILED 就用 notify-send 提醒我

# 每天早上让 Claude 帮你扫一遍待办
/loop 1d /todo summarize

# 让模型自己决定节奏（不传间隔，由 Claude 用 ScheduleWakeup 工具决定下一次什么时候跑）
/loop 跟踪这个 CI run，跑完了告诉我

适合的场景：固定节奏 + 简单单次任务（巡检 / 状态轮询 / 日报）。

不适合：需要"跑到某条件达成"的任务——/loop 只会傻傻按时间触发，不会判断"任务完成了"。

第 2 种：/goal —— 跑到「条件达成」为止

2026-05 起加入的命令（v2.1.139+）。语法：

/goal <自然语言条件> <一开始要做什么>

/goal 跟 /loop 的根本差别是 /goal 自带评估器：每一轮跑完后，一个独立的小模型会看输出，判断"条件达成了没"。没达成就让 Claude 继续；达成了 loop 就结束。

实例：

/goal 直到 npm test 全绿 跑测试，定位失败原因，改源码，再跑测试

/goal 直到这个 PR 没有未解决的 review 留言 读 review、改代码、回复留言、推新 commit

这是 Plan-Generate-Evaluate 模式的内置实现，也是「设计 loop」最直接的入门方式——你只需要把"我想要的样子"说清楚，工具帮你处理循环。

适合的场景：有明确"完成"信号的任务（测试全绿、PR 干净、文件夹清空、订阅队列处理完）。

不适合：开放式任务（"优化这个代码库"——没有可判断的"完成"信号，会跑到预算上限或被你叫停）。

第 3 种：Agent SDK —— 程序员自己嵌

如果你要把 loop 嵌进自己的 app（不只是终端命令），用 Agent SDK：

import { query } from "@anthropic-ai/claude-agent-sdk";

for await (const message of query({
  prompt: "修复 auth 模块的失败测试",
  options: {
    allowedTools: ["Read", "Edit", "Bash", "Glob", "Grep"],
    maxTurns: 30,            // 防止无限循环
    maxBudgetUsd: 2.0,       // 防止账单失控
    effort: "high",          // 给复杂调试任务多想点
  }
})) {
  if (message.type === "result") {
    console.log(message.subtype === "success" ? message.result : `Stopped: ${message.subtype}`);
  }
}

maxTurns 和 maxBudgetUsd 是 loop 设计的两条护栏：分别按"循环次数"和"花了多少钱"兜底。 没护栏的 loop 在开放式任务上能跑到天荒地老，生产环境的 loop 一定要设这两条。

适合：把 agent 能力做成产品的开发者（你的 SaaS / CLI 工具 / GitHub Action）。

对比一句话：/loop = 定时器；/goal = 自动判完没完；SDK = 你自己写所有控制流。复杂度从左到右递增。

把 Loop 真正用起来：5 个核心部件

光会用 /loop /goal 还不够，真正能跑通的 loop 通常由 5 个部件组成。Addy Osmani 在 Loop Engineering 里总结的清单：

典型完整 loop（Addy 给的例子）："每天早上 9 点自动化读 CI 失败 → 在隔离 worktree 里生成修复 → sub-agent 审核 → 通过 MCP 连接器开 PR + 更新 Jira ticket"。你睡觉它在跑，你看到的是早晨邮箱里几条 PR。

同类工具对比

把 Loop Engineering 放在更大的 AI 工作方式光谱里看，能看出它跟前后两代的关系：

核心区别一句话：Prompt Engineering 是「让 AI 答得更准」，Loop Engineering 是「让 AI 自己干完」，多 Agent 是「让多个 AI 协作干一件大事」。三层是递进关系，不是替代——Loop Engineering 内部还是要写好 prompt，多 Agent 内部还是要设计 loop。

常见误区

优劣势分析

入门 checkpoint

读完这张卡，你应该能回答：

1. agent loop 的 5 步是哪 5 步？ 接收 prompt → 模型评估 → 执行工具 → 回到评估循环 → 返回结果。
2. /loop 和 /goal 在终止条件上的根本差别？ /loop 按时间间隔；/goal 按你写的状态条件，由独立小模型每轮评估是否达成。
3. Loop Engineering 跟 Prompt Engineering 的杠杆点差在哪？ Prompt Engineering 把杠杆放在"措辞"，Loop Engineering 把杠杆放在"系统设计"（终止条件 / 兜底 / 跨会话状态 / 生成和审核解耦）。
4. 生产 loop 必备的两条护栏是什么？ maxTurns（循环次数上限）和 maxBudgetUsd（花费上限）。
5. 为什么 Addy Osmani 警告 cognitive surrender？ loop 跑得顺时你会停止理解 AI 做了什么，一旦出错你已没能力调试——这叫理解债务。

如果其中有任何一条答不上来，回到对应段落再读一次。要继续深入，推荐看：

• 关于 CLI Agent 是什么，理解 loop 跑在哪个层级
• 关于 Git Worktree 和 CLI Agent，理解多 loop 并行的隔离机制
• 关于 Tool Use，理解 loop 内"执行工具"那一步背后的协议
• 关于 MCP 架构，理解 loop 怎么连到外部服务

参考资料

1. Anthropic — How the agent loop works（Agent SDK 主原文）：https://code.claude.com/docs/en/agent-sdk/agent-loop（查询日期 2026-06-09）
2. anthropics/cwc-long-running-agents（Anthropic 官方 long-running agent 样例 repo）：https://github.com/anthropics/cwc-long-running-agents（last commit 2026-05-13，查询日期 2026-06-09）
3. Addy Osmani — Loop Engineering：https://addyosmani.com/blog/loop-engineering/（查询日期 2026-06-09）
4. Addy Osmani — Long-running Agents：https://addyosmani.com/blog/long-running-agents/（查询日期 2026-06-09）
5. O'Reilly Radar — Long-Running Agents：https://www.oreilly.com/radar/long-running-agents/（查询日期 2026-06-09）
6. MindStudio — What Is Claude Code Loop? Recurring AI Agent Tasks：https://www.mindstudio.ai/blog/what-is-claude-code-loop-scheduled-recurring-tasks（查询日期 2026-06-09）
7. MindStudio — How to Use /goal and /loop in Claude Code：https://www.mindstudio.ai/blog/claude-code-goal-loop-commands-autonomous-tasks（查询日期 2026-06-09）
8. Better Stack — Recurring Tasks in Claude Code：https://betterstack.com/community/guides/ai/claude-code-loop/（查询日期 2026-06-09）