「不再写提示词了」——最近，这句话正在AI圈疯传。
从OpenClaw之父、如今在OpenAI主攻下一代个人智能体的Peter Steinberger，到Claude Code创造者Boris Cherny，这些硅谷大佬，正集体转向「循环」（loops）。
(资料图)
给这股风潮命名为「循环工程」（loop engineering）的谷歌工程师Addy Osmani，也在其中。
Cherny说，自己现在几乎不亲手写提示词了。
有一个智能体在替他给Claude写提示词，他只跟那个「协调一切」的新Claude对话。
他还撂下一句狠话：十年之后，循环以及类似的功能将是他最为自豪的工作成果之一。
Steinberger说得更绝：别再给编程智能体写提示词了，你该设计喂给它们提示词的循环。
他还在X演示自己的循环：让Codex每5分钟醒一次，自动维护代码仓库、分派任务，部分工作全自主落地。
大佬们反复念叨的这个「循环」，到底是什么？
最近，Claude Code团队在官方博客里给它下了明确定义，还一口气拆出四种循环类型，为「智能体自动干活」立了工程规矩。
Claude Code团队发文，正式定义「循环」，并拆出回合制、目标、时间、主动四种典型循环。
这背后说穿了：AI编程正在从「写一句话」，变成「设计一套会自己跑的系统」。
一个提示词换来一次回答，一个循环换来的，是合上电脑之后还在替你干活的系统。
而程序员，正在从写内容的人，变成设计系统的人。
四种循环
四种「停止条件」
一个循环到底是什么？
X上吵了很久，答案也是五花八门，Claude Code团队给出的定义很明确：
循环，就是智能体重复执行一轮又一轮的工作，直到触发停止条件。
四种循环，就是四种「停止条件」，这句话是读懂Claude Code这篇关于循环的技术博客的关键。
顺着「怎么触发、怎么停止、用什么原语、适合什么任务」几个维度，Claude Code把循环拆成四种。
第 一种，回合制循环（turn-based）。
回合制循环，人逐轮控制，每发一句提示词启动一轮。（图源：Claude官方博客）
人逐轮控制，你写一句，AI跑一轮，检查完再写下一句，全程你握着方向盘。它适合零散的短任务，不进流程、不上日程。
想让它少来回几趟，就把你平时手动检查的步骤，写进一个SKILL.md文件，让AI自己验收。
检查越能量化，它越能自己判断做没做对，你要盯的地方就越少。
第二种，目标循环（/goal）。
目标循环，评估器模型对照标准判定，没达标就打回重做。（图源：Claude官方博客）
先把目标写死，比如「把首页Lighthouse分数跑到90以上，试5次就停」。
每次Claude想停，一个评估器模型就来对照你的标准，没达标就打回去接着干，直到目标达成，或者用光你设定的轮数。
测试通过数、分数阈值这类可量化标准之所以好用，是因为Claude不用自己纠结「够不够好」，评估器替它判。它不必自己猜「差不多了吧」就过早停手，循环也能干净利落地收尾。
第三种，时间循环（/loop和/schedule）。
按时间间隔触发，像闹钟。有些活是重复的，任务不变，只有输入在变，比如每天早上总结一遍Slack消息。
有些活得盯着外部系统，最简单的办法就是按时间间隔去查一眼，看变了什么再反应，比如一个可能收到评审、也可能CI挂掉的PR。
用/loop就能按间隔重跑一条提示词。想让它在你关机后照跑，就用/schedule把循环搬上云。
这套逻辑，和程序员熟悉的定时任务（cron）几乎一模一样。
第四种，主动循环（proactive）。
主动循环，事件或时间触发，全程无人值守，跑到你亲手关掉。（图源：Claude官方博客）
事件或时间触发，全程无人值守。
配合auto mode和动态工作流，把长活儿全自动串起来：每小时扫一遍反馈频道，收到一份bug报告，就自动分诊、修复、回复，一条龙跑完，全程不停下来问你要权限。
每个任务达成目标就退出，整条例行任务则一直跑到你亲手关掉。它适合那些源源不断、边界清晰的活：bug上报、问题分类、依赖升级。
四种循环，说穿了是四种「什么时候该停」的答案：人来判、评估器来判、时间来判、事件来判。
再往底层看一层。
据官方的Agent SDK文档，这套机制的内核也十分简单：
Claude评估你的提示词，调用工具去动手，拿回结果，然后重复，直到某一轮它不再调用任何工具，循环才结束。
Claude Code官方Agent SDK文档给出的智能体循环：提示词进入后，Claude评估、调用工具、结果回流再评估，直到某轮不再调用任何工具，才输出最终答案。（图源：Claude Code官方文档）
所谓自主智能体，本质上就是这么一个圈。
真正改变的
并非循环本身
当然，也不能把「设计循环」说成一场从0到1的革命。
定时任务、编排（orchestration）、反馈循环，这些做法早就有了，Claude这次做的，更多是把它们统一命名、归拢成一套分类标准。
那么，到底什么变了？重点在「停止条件」。
在Claude Code官方总结的一堆实战技巧里，被单独拎出来、标为「最有价值的一条」的，是验证（verification）：
给Claude一个能自己检查产出的方式。
道理不难懂。
比如，让工程师做网页却不给浏览器，页面能好看吗？给了浏览器，他每改一版都能当场看到效果，反复调到满意才交。
而模型循环的威力，恰恰就来自这种「自己闭环」的本事。
在这个过程中，提示词没有死，它只是退化成了循环里的一个组件。
真正的核心，变成停止条件设计、验证器（verifier）设计、token预算控制、多轮执行策略。
没有闸门的循环
强大且危险
循环，是不是意味着你可以放手让AI自己干一整天？
当然不是。
第 一个拦路虎是钱。不设上限的循环，能把token成本烧穿。
据报道，Steinberger自称是「手握无限token的男人」，因为免费token正是在OpenAI上班的福利之一。普通人没这待遇。
第二个更隐蔽。智能体会陷入一种「看似有进展、实则原地打转」的死循环：反复去改同一个文件，却始终跑不出一个新的通过测试。
它甚至会信心满满地，把一个错的方案越做越「完整」。
工程社区对此的共识很直接：循环很强，但没有闸门（gating condition）就很危险。
在Reddit的工程讨论里，有人把必须的闸门总结成三条，写循环之前就得先设计好。
done条件：且必须机器可判定，比如测试全绿，或者某个spec项被关闭；
硬上限：包括最 大轮数和最 大花费，专防成本失控和无限循环；
无进展检测：一旦发现它反复碰同一批文件却没有新的通过测试，就强制停下。
官方也给了一整套省钱纪律：
小任务别硬上多智能体；
能用便宜快的小模型，就别都用最强的；
大规模跑之前先拿一小片试跑；
确定性的活交给脚本，跑脚本比让模型一步步推理便宜得多；
例行任务别跑得比它该跑的更勤。
所以，循环是一整套「怎么把AI管住」的设计，而不是「撒手让AI乱跑」。
这也决定了它现在最适合的，是边界清晰的结构化任务，而非天马行空的自由发挥。
以前拼谁会说话
现在拼谁会搭系统
这一轮变化中，真正改变的是编程重心：从「内容设计」，挪到了「行为系统设计」。
以前你设计的是一次指令的内容，现在你设计的是一整套行为：它怎么触发、怎么验证、怎么停。
Claude Code官方给想设计循环的人们留了个简单的起点：
去看你自己每天都在干的活，挑其中一个瓶颈环节，然后问自己3个问题：
验证：那道验证检查，我能不能替它写出来？
目标：目标描述够不够清楚？
节奏：活儿是不是按固定节奏出现的？
只要有一个答案是肯定的，你就找到了第 一个可以交出去的循环。
AI编程，以前拼的是提示词技巧，现在拼的是谁会搭系统：谁能设计出一个自己会验证、自己知道该停的循环。
写提示词的时代不会一夜消失，但它的光环正移向循环。
而真正的循环设计者们，才刚刚上场。
参考资料：
https://claude.com/blog/getting-started-with-loops
https://code.claude.com/docs/en/agent-sdk/agent-loop
https://support.claude.com/en/articles/14554000-claude-code-power-user-tips?utm_source=chatgpt.com
https://www.reddit.com/r/ClaudeWorkflows/comments/1ujy4wq/workflow_designing_robust_claude_agent_loops/