正在打开每日关注
正在打开每日关注
以目标、验证与停止条件为核心,拆解 Claude Code 的四类循环及自动化实践。
Claude Code团队刚刚发布了关于循环工程的设计指南: 把 Loop 分成了四类: 1. Turn-based:一次 Prompt 驱动,Claude 自己完成「理解 → 修改 → 验证」的循环,适合日常开发任务。 2. Goal-based (/goal):告诉 Agent 什么叫完成,而不是告诉它做几步。例如「Lighthouse ≥90,最多尝试 5 次」,Agent 会不断迭代直到满足退出条件。 3. Time-based (/loop 、 /schedule):按时间自动执行,比如定时检查 PR、修复 CI、整理 Slack。 4. Proactive Loop:事件驱动的长期自动化,把 schedule、goal、workflow、review 组合起来,持续处理 Bug、Issue、依赖升级等工作。 一个好的 Agent,要有: 有明确的目标(Goal) 有可靠的验证(Verification) 有清晰的停止条件(Stop Condition) 能够持续迭代直到完成 另外还有两个很重要的实践建议: 把验证流程写成 Skill,让 Agent 能自己验证,不要每一步都依赖人工检查。 把确定性的工作交给脚本,把需要判断的工作交给模型,这是控制 Token 成本和提升稳定性的关键。
是什么 这条转述把 Claude Code 的 Loop 拆成四类:Turn-based 由一次 Prompt 驱动;Goal-based 用 /goal 以可验证目标和最大轮次约束迭代;Time-based 用 /loop、/schedule 按时间触发;Proactive 则把事件、计划、目标和工作流组合成长期自动化。它们共同形成触发器、执行过程、验证器和停止条件的闭环。
核心设计 最重要的抽象是把完成从步骤数量改成可检查的状态,例如 Lighthouse 达到 90 分,或报告被分类、处理并回复。SKILL.md 让验证流程可复用;脚本负责确定性操作,模型负责判断与取舍,从而减少人工介入、控制 Token,并提升结果一致性。
关键洞察 对 Agent 工程而言,时间表解决何时运行,目标解决何时算完成,工作流解决如何推进,评审和测试解决是否可信。这使一次性编码代理可以演化为有边界的反馈系统,也提示设计任务时应优先定义验收标准、失败后的重试策略和可观测输出。
边界与风险 图中是方法论示例,不等于每个命令、工作流或停止行为在所有环境中都自动可用。长期循环若缺少幂等性、权限隔离、速率限制、最大尝试次数、人工审批和回滚,可能重复改错代码、扩大副作用或消耗过多 Token。短小且边界清晰的任务仍适合 Turn-based;主动循环应先小范围试点,再逐步放权。