Anthropic 发布 Claude Code 循环指南：教你把单轮对话做成自主智能体

与其反复给 AI 写提示词，不如直接给它搭个「死磕到底」的循环。

Anthropic 的 Claude Code 团队最近发了一份循环工程指南。他们把智能体循环定义为：AI 一遍遍重复工作，直到满足特定的退出条件才停手。官方把这套玩法拆成了四种形态，还顺带交出了控制 Token 成本和代码质量的家底。

从陪聊到定规矩，四种循环怎么选

最基础的是回合制循环。你发一句指令，Claude 读代码、修改、跑测试，然后把结果交给你。为了让它少交半成品，团队建议把人工验收流程写进 SKILL.md 文件，让它自己起本地服务、点按钮截屏、查控制台报错，自检通过再交差。

进阶一点的是目标型循环。复杂任务里，AI 往往不知道做到什么程度才算合格，容易过早交卷。这时候用 /goal 命令，比如要求把首页 Lighthouse 跑分提到 90 分、最多试 5 次。它每想停下来，后台评估模型就会拿着硬指标卡它，不达标就打回去重写。

如果任务需要反复盯盘，可以用基于时间的循环。本地用 /loop 命令，比如每隔 5 分钟检查一次 PR 和 CI 状态；关掉电脑也不想停的话，就用 /schedule 挂到云端跑。

最极致的是主动循环。结合动态工作流和 auto mode，它能在无需人工干预的情况下自主运转。比如定时抓取反馈频道的 Bug，开三个工作树并行探索方案，再由裁判模型对抗性审查，完全自动闭环。

别让并行 Agent 吃空你的钱包

循环一旦放开跑，Token 消耗很容易失控。尤其动态工作流可能瞬间拉起几百个 Agent，官方建议在大规模运转前，先拿一小块切片任务试跑测算。

能用脚本干的活，就坚决不要让模型现推理。比如填 PDF 表单这种确定性动作，直接封装脚本让 Claude 调用，成本远低于让它每次重新写代码推导。

代码质量方面，他们特别强调要用第二个 Agent 来做代码审查。写代码的模型往往带着思维惯性，换一个拥有全新上下文的 Agent，才能客观挑出毛病。

平时还可以多用 /usage 命令查看技能和子 Agent 的消耗，随时输入不带参数的 /goal 查看当前尝试轮数和账单。

为什么重要

我们认为，这份指南标志着写代码 AI 的交互逻辑变了。以前大家是在琢磨「怎么把提示词写得天花乱坠」，现在比拼的其实是「怎么把验收标准和退出条件量化成自动化流水线」。

对开发者来说，这套方案非常值得一试。特别是前端跑分、修 Lint 报错这类有客观判断指标的脏活累活，扔给 /goal 跑上几轮，能省下大把来回拉扯的时间。不过如果是模糊的架构设计或需求讨论，硬上死循环只会白白烧钱。

Anthropic 聪明的地方在于，它没有把智能体吹成无所不能的黑盒，而是老老实实给出了防御性工程方案，甚至主动教你用脚本替代模型来省钱。但隐患也很明显，一旦多个主动循环在同一个仓库里并行改代码，分支冲突和死循环重试的隐形成本，可能会比写代码本身还要高。