Claude Code 循环(Loops)入门:从 /goal 到 /schedule 的四种模式
最近,关于如何为编码智能体“设计循环(loop)”而不是仅仅编写提示词,讨论声量不小。如果你在 X 上花时间翻一翻,会发现关于“循环到底指什么”的答案五花八门,各有各的理解。
在 Claude Code 团队,我们把循环定义得很直白:
智能体反复执行工作周期,直到满足停止条件
下面会逐一介绍主要的循环类型、各自适用的场景,以及怎么在管理 token 用量的同时,还能维持代码质量。不过先提醒一句:不是所有任务都需要复杂循环,从最简单的方案开始,有选择地使用这些模式就好。
基于轮次的循环(Turn-based loops)

- 用户提示词。
触发方式:
- Claude 判断任务已经完成,或需要更多上下文。
停止条件:
- 不属于固定流程或日程安排的短期任务。
最适合:
- 编写具体明确的提示词,并使用技能(skills)改进验证过程,从而减少交互轮数。
用量管理:
每个提示词发出去,都会启动一个由你逐轮引导的手动循环。Claude 收集上下文、采取行动、检查自己的工作,在必要时重复这些步骤,最后给出回复。这个机制被称为
智能体循环(agentic loop)
举个例子,你让 Claude 创建一个点赞按钮。它会读取代码、完成修改、运行测试,然后交付一个它认为可以正常工作的结果。接下来,你手动检查结果,再编写下一条提示词。
你可以把自己的人工检查步骤写进 SKILL.md,以改进验证环节,让 Claude 能够端到端地检查更多自己的工作。技能中应包含相应的工具或连接器,使 Claude 能够查看、测量结果,或直接与结果交互。检查越量化,Claude 就越容易完成自我验证。
例如,你可以在 SKILL.md 文件中写入:
复制代码---
name: verify-frontend-change
description: 在宣布完成之前,对任何 UI 更改进行端到端验证。
---# 验证前端更改绝不能只因为编辑成功就报告 UI 更改已经完成。要像人工审查者一样验证它:1. 启动开发服务器,并在浏览器中打开修改后的页面。2. 直接与改动交互。对于新增控件(按钮、输入框、开关):点击它,确认发生预期的状态变化,并分别截取操作前后的画面。3. 检查浏览器控制台:不得出现新的错误或警告。4. 使用 Chrome DevTools MCP 运行性能追踪,并审计 Core Web Vitals。如果任何一步失败,请修复问题并从第 1 步重新执行;不要交付只完成了部分验证的工作。
基于目标的循环(Goal-based loop,/goal)

- 实时输入的手动提示词。
触发方式:
- 目标达成,或达到最大轮数。
停止条件:
- 具备可验证退出条件的任务。
最适合:
- 设置具体的完成标准和明确的轮数上限,例如“尝试 5 次后停止”。
用量管理:
有时候,一个轮次根本不够用,复杂任务尤其如此。智能体在能够迭代时表现更好。你可以使用 /goal 明确定义“完成”的样子,从而延长 Claude 持续迭代的时间。
当你定义成功标准后,Claude 就不必自行判断什么是“足够好”,也不会过早结束循环。每当 Claude 尝试停止时,评估模型都会检查你的条件;如果条件尚未满足,就会让它返回继续工作,直到目标达成或达到你设定的轮数。
这也是为什么确定性的标准格外有效,例如通过测试的数量,或达到某个评分阈值。
举个例子:
复制代码/goal 将首页的 Lighthouse 得分提升到 90 分或以上,尝试 5 次后停止。
基于时间的循环(Time-based loop,/loop 和 /schedule)
- 指定的时间间隔。
触发方式:
- 由你取消,或者工作本身完成(例如 PR 已合并、队列已清空)。
停止条件:
- 重复性工作,或需要与外部环境、外部系统交互的任务。
最适合:
- 设置更长的时间间隔,或者改为根据事件而不是时间作出响应。
用量管理:
有些智能体工作会反复发生:任务保持不变,只有输入会变化。例如,每天早上汇总 Slack 消息。另一些工作依赖外部系统;与这类系统交互的一种简单方式,是定期检查,并根据发生的变化采取行动。例如,某个 PR 可能收到代码审查意见,或者 CI 可能失败。
针对这类任务,可以使用 /loop 触发 Claude 按照固定时间间隔重新运行提示词。例如:
复制代码/loop 5m 检查我的 PR,处理代码审查意见,并修复失败的 CI。
/loop 在你的电脑上运行,因此关机后它也会停止。你可以使用 /schedule 创建例程,把循环迁移到云端。
主动式循环(Proactive loops)

- 由事件或日程触发,无需人工实时参与。
触发方式:
- 每项任务在目标达成时退出;例程本身会持续运行,直到你将其关闭。
停止条件:
- 持续出现、定义清晰的重复性工作,例如错误报告、Issue 分类、迁移、依赖升级等。
最适合:
- 将例程分配给更小、更快的模型;只有需要判断时,才使用能力最强的模型。
用量管理:
上面介绍的原语,还可以与 Claude Code 的其他功能组合,构成长时间运行的循环,例如自动模式(auto mode)和动态工作流(dynamic workflows,研究预览版)。
举个例子,要处理不断到来的反馈,可以使用:
/schedule(研究预览版)运行一个检查新报告的例程;/goal定义什么算完成,并用技能记录如何验证;- 动态工作流编排多个智能体,对每份报告进行分类、修复并审查修复结果;
- 自动模式让例程持续运行,而不会停下来请求权限。
把这些组合起来后,提示词可以写成:
复制代码/schedule 每小时执行:检查 project-feedback 频道中的错误报告。
/goal:在本轮发现的每份报告都完成分类、处理并获得回复之前,不要停止。
修复错误时,使用工作流在三个并行 worktree 中探索三种解决方案,
再让一个评审智能体以对抗式方式审查它们。
保持代码质量
循环输出的质量,取决于它周围的整个系统。设计这个系统时,有几点值得注意:
- Claude 会沿用代码库中已经存在的模式和约定。
保持代码库本身整洁:
- 通过技能写清楚你和团队眼中的“好结果”是什么。
让 Claude 能够验证自己的工作:
- 框架和库的文档中包含最新的最佳实践。
让文档易于获取:
- 拥有全新上下文的审查者偏见更少,也不会被主智能体的推理过程影响。你可以使用内置的
使用第二个智能体做代码审查:
/code-review技能,或 GitHub 的 Code Review。
当某次结果没有达到标准时,不要只修复眼前的单个问题;尝试把这次经验编码进系统,以改善今后的每一次迭代。
管理 token 用量
为了控制 token 用量,循环应当具有清晰的边界:
- 小任务不需要多个智能体或多层循环;有些任务可以使用更便宜、更快的模型。
为任务选择合适的原语和模型:
- 明确说明什么算完成,使 Claude 更快抵达解决方案,但也不要让它过早停止。
定义清晰的成功标准和停止条件:
- 动态工作流可能生成数百个智能体。先在较小范围的任务上测量用量。
大规模运行前先试点:
- 运行脚本比逐步推理成本更低。例如,一个 PDF 技能可以自带表单填写脚本,让 Claude 每次直接运行,而不是重复推导代码。
用脚本处理确定性工作:
- 让执行间隔匹配被监控对象发生变化的频率。
不要以超过实际需要的频率运行例程:
查看用量:
/usage命令会按技能、子智能体和 MCP 细分近期用量;不带参数的/goal会显示目前的轮数和 token 用量;/workflows会显示每个智能体的 token 用量,你也可以随时停止某个智能体。
开始使用循环
总结如下:
| 循环类型 | 你交出去的部分 | 适用场景 | 推荐使用 |
|---|---|---|---|
| 基于轮次 | 检查过程 | 你正在探索或作出决策 | 自定义验证技能 |
| 基于目标 | 停止条件 | 你清楚什么算完成 | /goal |
| 基于时间 | 触发条件 | 工作按照日程在项目外部发生 | /loop、/schedule |
| 主动式 | 提示词 | 工作重复发生且定义清晰 | 以上所有方式,以及动态工作流 |
要开始使用循环,先看看你已经在做的工作。挑一个你自己是瓶颈的任务,然后想想其中哪一部分可以交出去:你能否写出验证检查?目标是否足够清晰?这项工作是否按照某种日程出现?
有了想法之后,就运行这个循环并观察结果,例如它会卡在哪里、是否做过了头。不要害怕根据观察继续迭代。
如需了解更多信息,请阅读 Claude Code 文档中关于并行运行智能体的内容,以及 loop、schedule、goal 和动态工作流相关页面。
本文为原文中文翻译,版权归原作者所有。翻译仅用于学习与技术交流。