一、基于轮次的循环Turn-based loops触发方式用户输入的提示词prompt。停止条件Claude 判断任务已完成或需要补充上下文。最佳适用场景不属于常规流程或计划的短期任务。使用管控方式撰写具体的提示词并利用技能skills优化验证环节以减少轮次消耗。你发送的每一条提示词都会启动一个手动循环由你来主导每一轮交互。Claude 会收集上下文、执行操作、检查结果如有需要则重复上述过程最后给出回复。我们称之为智能体循环agentic loop。例如你可以让 Claude 创建一个点赞按钮。它会读取你的代码、做出修改、运行测试然后交出一个它认为可以正常运行的结果。接着你需要手动检查这份工作并输入下一条提示词。你可以通过将手动检查步骤编码为 SKILL.md 文件来优化验证环节从而让 Claude 能够端到端地自主检查更多工作。关于如何选择使用技能、钩子hooks还是子智能体subagents来实现这类自动化请参阅我们关于引导 Claude Code 的指南。验证环节应当包含工具或连接器让 Claude 能够看到、衡量或与结果交互。检查标准越量化Claude 就越容易进行自我验证。例如在你的 SKILL.md 文件中可以指定如下内容--- name: verify-frontend-change description: Verify any UI change end-to-end before declaring it done. --- # Verifying frontend changes Never report a UI change as complete based on a successful edit alone. Verify it the way a human reviewer would: 1. Start the dev server and open the edited page in the browser. 2. Interact with the change directly. For a new control (button, input, toggle): click it, confirm the expected state change, and screenshot before/after. 3. Check the browser console: zero new errors or warnings. 4. Use the Chrome Devtools MCP, run a performance trace and audit Core Web Vitals. If any step fails, fix the issue and rerun from step 1 — do not hand back partially verified work.二、基于目标的循环Goal-based loop /goal触发方式实时的手动输入。停止条件目标达成或达到最大轮次上限。最佳适用场景具有可验证退出条件的任务。使用管控方式设定明确的完成标准和轮次上限例如尝试 5 次后停止。有时单轮交互并不足够尤其对于更复杂的任务。当智能体能够迭代时表现会更好。你可以通过使用 /goal 明确定义完成的样子来延长 Claude 持续迭代的时间。当你定义了成功标准后Claude 就不必自行判断什么算足够好从而避免过早结束循环。每次 Claude 尝试停止时一个评估器模型evaluator model会检查你的条件如果未满足就将其送回继续工作直到目标达成或达到你设定的轮次上限。这就是为什么确定性标准例如通过测试的数量、或达到某个分数阈值如此有效。例如/goal 将首页 Lighthouse 分数提升到 90 分或以上尝试 5 次后停止。三、基于时间的循环Time-based loop /loop 与 /schedule触发方式指定的时间间隔。停止条件你取消它或工作完成PR 合并、队列为空。最佳适用场景重复性工作或与外部环境/系统交互。使用管控方式设置更长的时间间隔或基于事件而非时间进行响应。有些智能体工作是重复性的任务本身不变只有输入内容在变。例如每天早上汇总 Slack 消息。另一些工作依赖于外部系统与它们交互的一种简单方式是按固定间隔检查并响应变化。例如一个可能收到代码审查或 CI 失败的 PR。对于这类场景你可以使用/loop按时间间隔重新运行提示词。例如/loop 5m 检查我的 PR处理审查评论并修复失败的 CI。/loop 在你的计算机上运行所以如果你关闭电脑循环就会停止。你可以通过使用 /schedule 创建例行任务routine将循环迁移到云端运行。四、主动式循环Proactive loops触发方式事件或计划调度无需实时人工介入。停止条件每个任务在目标达成时退出。整个例行任务routine本身会一直运行直到你关闭它。最佳适用场景重复性的、定义明确的工作流Bug 报告、问题分类、迁移、依赖升级等。使用管控方式将例行任务路由到更小、更快的模型仅在需要判断决策时使用最强模型。上述基础原语结合 Claude Code 的其他功能如自动模式auto mode和动态工作流dynamic workflows研究预览版可以组合成用于长期运行任务的循环。例如要处理 incoming 的反馈你可以使用 /schedule研究预览版运行一个例行任务检查新的报告使用 /goal 定义完成的样子并使用 skills 记录如何验证使用动态工作流编排智能体对每个报告进行分类、修复并审查修复结果使用自动模式让例行任务无需停下来请求许可即可运行综合起来一个提示词可能长这样/schedule 每小时检查 #project-feedback 中的 bug 报告。/goal在完成分类、处理并回复本次运行中找到的每一个报告之前不要停止。修复 bug 时使用工作流在三个并行的工作树worktrees中探索三种解决方案并让一个评判智能体进行对抗性审查。五、保持代码质量循环输出的质量取决于其周围的系统。在设计系统时保持代码库本身整洁Claude 会遵循代码库中已有的模式和规范。给 Claude 验证自身工作的方法用技能skills为你和团队编码好的标准。让文档触手可及框架和库文档应包含最新的最佳实践。使用第二个智能体进行代码审查一个拥有全新上下文的审查者偏见更少且不受主智能体推理过程的影响。你可以使用内置的 /code-review 技能或 GitHub 代码审查功能。当单个结果未达到标准时不要止步于修复单个问题尝试将其编码为规则以改进系统在所有未来迭代中的表现。六、管理 Token 消耗为了管理 token 消耗循环应当有清晰的边界为任务选择合适的基础原语和模型小任务不需要多智能体或循环。某些任务可以使用更便宜、更快的模型。定义明确的成功和停止标准具体说明完成是什么样子让 Claude 能更快抵达解决方案但也不要太快。大规模运行前先试点动态工作流可以生成数百个智能体。先在工作的一小部分上评估消耗。对确定性工作使用脚本运行脚本比逐步推理更便宜。例如一个 PDF 技能可以提供一个表单填充脚本Claude 每次直接运行而不是每次都重新推导代码。不要过度频繁运行例行任务让检查间隔与你所观察事物的变化频率相匹配。审查消耗/usage 命令会按技能、子智能体和 MCP 细分近期消耗不带参数的 /goal 会显示当前已进行的轮次和 token 消耗/workflows 会显示每个智能体的 token 消耗你可以随时停止某个智能体。七、如何开始总结如下序号循环类型你移交的控制权适用场景使用工具1基于轮次检查环节你在探索或做决策时自定义验证技能2基于目标停止条件你清楚完成是什么样子时/goal3基于时间触发机制工作发生在项目外部且按时间表进行时/loop、/schedule4主动式提示词本身工作是重复性且定义明确的以上全部以及动态工作流要开始使用循环审视你已经在做的工作。挑选一个你是瓶颈的任务然后问自己哪一部分可以移交出去你能写出验证检查吗目标足够清晰吗工作是否按时间表到来一旦有了想法就运行这个 Loop 工程循环观察结果注意它在哪里卡壳或过度发挥并且不要害怕对其进行迭代优化。学习资源推荐如果你想更深入地学习大模型以下是一些非常有价值的学习资源这些资源将帮助你从不同角度学习大模型提升你的实践能力。一、全套AGI大模型学习路线AI大模型时代的学习之旅从基础到前沿掌握人工智能的核心技能​因篇幅有限仅展示部分资料需要点击文章最下方名片即可前往获取二、640套AI大模型报告合集这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示​因篇幅有限仅展示部分资料需要点击文章最下方名片即可前往获取三、AI大模型经典PDF籍随着人工智能技术的飞速发展AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型如GPT-3、BERT、XLNet等以其强大的语言理解和生成能力正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。因篇幅有限仅展示部分资料需要点击文章最下方名片即可前往获取四、AI大模型商业化落地方案作为普通人入局大模型时代需要持续学习和实践不断提高自己的技能和认知水平同时也需要有责任感和伦理意识为人工智能的健康发展贡献力量。