循环工程入门与实操

传统用法是人肉发动机：你敲一句，AI 生成一段，你检查一遍，再敲一句——每一轮都要你在场，"你不在，流程就停了"（@Formulasearch）。

而 Claude Code 负责人 Boris Cherny 说："我不再 prompt Claude 了，我让一堆循环跑着，由它们去提示 Claude；我的工作变成了写循环。"

以下来自 @smithandai 的中文长文，他把 2026 年的 Agent 工程切成四层，每一层解决一个不同的问题：

Loop vs cron：cron 跑的是固定脚本，loop 每一轮都让模型读当前状态再做决策——"loop 是 cron 加上一个运行时决策者"。prompt 是单步棋，loop 是一套策略。

分水岭问题

还在展示"我让 AI 做了什么"（demo），还是已经开始描述"我设计了什么系统让 AI 持续做、我怎么知道它没跑偏"（loop thinking）？从前者跨到后者，就是入门循环工程。

以下来自 @smithandai（五部件）与 @Easycompany333（三大件），两篇文章讲的是同一件事，这里合并为一次讲解：

最小可用 loop 的五个部件

1. done check（完成检查）——先用代码定义"什么叫完成"；
2. context builder（上下文构建器）——每轮从 state 生成 prompt；
3. act and capture（执行与捕获）——捕获 diff、输出、错误、新状态；
4. feedback path（反馈路径）——失败变成下一轮的输入；
5. stop conditions（停止条件）——轮数 / 预算 / 风险动作上限。

三大件：Verify 是心脏

• Verify（验证）是心脏：没有真检查，agent 只是在自我赞同。硬测试、可测量条件、或让模型按 rubric 打分——但注意，完成任务的模型对自己太宽容；
• State（状态）让 loop 不重复犯错：记住试过什么、失败过什么、下一步是什么；
• Stop condition（停止条件）让 loop 保持理智：成功就停，或到硬上限停下来汇报（比如"最多 8 次"）。

以下来自 @Formulasearch 整理的 Ralph 循环由来：

2025 年，开发者 Geoffrey Huntley 提出了"拉尔夫循环"（Ralph loop），最纯粹的形式只有 3 行 bash：

复制while :; do cat PROMPT.md | claude-code; done

没有多智能体通信，没有复杂架构：每轮清空上下文，靠测试报错做硬性反馈。他用这个"简陋"循环，花了 3 个月让 AI 从零写出了一个全新编程语言的编译器。2026 年 6 月，Peter Steinberger（OpenAI）、Boris Cherny（Anthropic）、Addy Osmani（Google Chrome）集体站队，把它命名为"循环工程"。

实操方法 A：轻量 loop prompt 模板（@Easycompany333，可直接复制）

任何 LLM 里贴一段 prompt 就能体验循环——任务、成功标准、PLAN-DO-VERIFY-DECIDE，每项标准 1–10 打分，低于 8 分不许说完成：

复制任务：[写清要做什么]
成功标准：[列出可检查的标准，每条可打分]

循环执行 PLAN-DO-VERIFY-DECIDE：
1. PLAN：制定本轮计划
2. DO：执行计划
3. VERIFY：对每条成功标准打分（1-10）
4. DECIDE：全部 8 分以上则输出 FINAL 并结束，
   否则找出最弱的一项，继续下一轮迭代。

实操方法 B：/goal 命令（@Formulasearch 新手推荐）

写清验收条件（比如"所有测试通过，且不能修改 test/ 目录"），干活的模型改代码，背后一个独立小模型评估进度，不达标打回。作者用 Codex 的 /goal 实测做了个推特内容自动收集排期插件："写了验收条件，启动，去做别的事，完成了。"门槛只有一条：说清"什么叫完成"。

实操方法 C：极简 bash 循环（折腾派）

progress.txt（持久记忆）＋ spec.md（验收标准与任务列表）＋ while 循环喂给 AI（Aider 或 claude CLI）。核心哲学：每轮清空上下文，靠物理状态机传进度，不让上下文污染。建议从 /goal 开始，别上来就复杂化。

以下来自 @AnatoliKopadze 的大众科普帖：循环就是 DISCOVER → PLAN → EXECUTE → VERIFY → ITERATE，Verify 是心脏，State 让循环学习，Stop condition 保 sanity。下面这个模板可以直接粘贴进 Claude / ChatGPT：

复制PLAN：先列出本轮要做的 3-5 步计划。
DO：按计划执行。
VERIFY：对每条成功标准打分（1-10 分）。
DECIDE：全部 8 分以上，打印 FINAL 并结束；
否则打印 ITERATING，挑最弱的一项改进，进入下一轮。

注意它的局限：缺触发器——关 tab 即消失。它帮你体验"循环感"，但不是真正的自动化。

▶

视频在原帖中播放（X 站内视频无法直接下载嵌入），点此去原帖观看。

搭建顺序：四步，别跳步（@Easycompany333）

成本真相（@Easycompany333）

• loop 跑 10 轮 ≠ 10 次 prompt，而是 10 次越来越大的 prompt；
• 单 agent 中等任务约 50,000–200,000 tokens；maker＋checker 账单翻倍；
• 看"每个被接受的有效改动的成本"：接受率低于 50% 通常开始亏——这是盈亏线。

自动化的三笔债（@Formulasearch）

• 验证债：AI 说 Done 是宣称不是证明，无硬性停止条件会糊弄过关；
• 理解债：产出速度远超阅读速度，几个月不读 PR 会变成自己代码库的陌生人；
• 认知投降：最危险——太舒服就不思考"该不该做"，交出判断力。

另有一笔账单：无迭代上限的循环一夜重试几百次刷爆 API 钱包。

"loop 是 plumbing，skill 才是资产"（@smithandai）

没有 skill 的 loop，每轮都要重买上下文、重付认知税。正确做法：重复步骤抽成 skill，难问题的解法存成 skill。