別再寫提示詞，Claude官方親自教你用4種循環自動幹活

最近，矽谷AI圈出現一個明顯的趨勢：頂尖開發者不再埋頭寫提示詞，而是轉向設計一種稱為「循環」（loops）的系統架構。從OpenAI下一代個人智慧體的主導者Peter Steinberger，到打造Claude Code的Boris Cherny，再到提出「循環工程」名詞的Google工程師Addy Osmani，這些業界知名人物紛紛公開表示，他們的工作方式已經從逐條撰寫指令，轉變為讓AI在一個自動反覆執行的框架中自主完成任務。

Boris Cherny甚至指出，他現在幾乎不親手寫提示詞，而是由一個專門的智慧體替他產生提示詞，他只跟負責協調的Claude對話，並大膽預測十年後這項機制將是他最自豪的成果之一。這股「循環」風潮的核心，在於把單次問答升級為持續運作的自動流程。Claude Code團隊最近在官方部落格中正式為循環下了定義，並一次拆解出四種典型類型，為AI自主執行任務建立了明確的工程規則。團隊說明，循環就是讓智慧體重複執行一輪又一輪的工作，直到滿足某個「停止條件」為止。換句話說，四種循環對應的就是四種不同的停止機制，而這正是理解整篇技術文章的關鍵。第一種是「回合制循環」（turn-based）。

在這種模式中，人類逐輪控制整個流程：你寫一句提示詞，AI就跑一輪，你檢查結果後再決定下一句。它就像手握方向盤，適合零散、簡單的短任務，不需要預先設定複雜的流程。如果想減少來回次數，可以把平時手動檢查的步驟寫進一份SKILL.md檔案，讓AI自己驗收。量化程度越高的檢查，越能幫助AI判斷自己做對了沒有，你需要親自盯的環節就越少。第二種是「目標循環」（/goal）。你要先設定一個明確的目標，例如「把首頁Lighthouse分數跑到90以上，最多試5次就停止」。每一次Claude想要停下來時，一個評估器模型就會對照你設定的標準進行檢查，沒達標就退回重做，直到目標達成或用完允許的輪數。

這類循環特別適合測試通過數、分數門檻等可量化的標準，因為Claude不必自己糾結「夠不夠好」，評估器會幫它做決定，避免過早收手，也能讓循環乾淨俐落地結束。第三種是「時間循環」（/loop與/schedule）。它像鬧鐘一樣，按照固定的時間間隔觸發工作。有些任務是重複的，輸入內容不斷變化，例如每天早上整理Slack訊息。有些任務則需要持續監控外部系統，例如等待程式碼審查或CI測試結果，最簡單的辦法就是每隔一段時間去檢查一次，發現變化再反應。使用/loop可以按間隔重複執行一條提示詞，而若想在你關機後繼續運作，則可以用/schedule把循環部署到雲端。

這套邏輯與程式設計師熟悉的定時任務（cron）幾乎一模一樣。第四種是「主動循環」（proactive）。這種模式由事件或時間觸發，全程無人值守，所有工作自動串聯起來。例如，每小時掃描一遍回饋頻道，一旦收到新的錯誤報告，就自動完成分診、修復、回覆等一整套流程，過程中不會停下來詢問權限。每個單一任務在達成目標後會自行結束，但整條例行任務會一直運行，直到你親手關閉。它特別適合源源不斷且邊界明確的工作，例如錯誤回報、問題分類、套件升級等。這四種循環歸根結柢是在回答一個核心問題：「什麼時候應該停？」答案分別是：由人來判定、由評估器來判定、由時間來判定、由事件來判定。

再往底層看，根據官方Agent SDK文檔，運作機制其實非常簡單：Claude評估你的提示詞，調用工具去執行任務，取得結果後再次評估，然後重複這個過程，直到某一輪它不再調用任何工具，循環就會結束。所謂的自主智慧體，本質上就是這麼一個反覆回饋的迴圈。不過，設計循環並非從零到一的革命。定時任務、編排（orchestration）、回饋循環這些概念早已存在，Claude這次做的更多是把它們統一命名，歸納出一套分類標準。那麼，真正改變的是什麼？答案是「停止條件」的設計。在官方整理的實戰技巧中，被特別標註為「最有價值的一條」的是驗證（verification）：給Claude一個能自己檢查產出的方式。

道理很簡單，就像讓工程師做網頁卻不給他瀏覽器，他無法看到效果；有了瀏覽器，他每改一版都能當場檢查，反覆調整到滿意為止。模型循環的威力正來自這種「自我閉環」的能力。在這個過程中，提示詞並沒有消失，它退化成了循環中的一個組件。真正的核心變成了停止條件設計、驗證器（verifier）設計、token預算控制，以及多輪執行策略。如果沒有適當的閘門（gating condition），循環會既強大又危險。第一個問題是成本：不設上限的循環可能讓token費用暴增。Peter Steinberger自稱是「手握無限token的男人」，因為這項福利來自OpenAI內部員工資格，一般人無法比照。

第二個更隱蔽的問題是智慧體可能陷入死循環：反覆修改同一個檔案，卻始終無法通過新的測試，甚至信心滿滿地把錯誤的方案越做越完整。工程社群的共識是：循環很強，但缺少閘門就很危險。在Reddit的討論中，有人歸納出三條必須事先設計好的閘門：第一，done條件必須機器可判定，例如所有測試變綠或某個規格項目被關閉；第二，硬性上限，包括最大輪數和最大花費，防止成本失控和無限循環；第三，無進展檢測，一旦發現智慧體反覆碰觸同一批檔案卻沒有任何新的測試通過，就強制停止。

官方也提供了一系列省錢紀律：小任務不要硬上多智慧體；能用便宜快速的小模型就別都用最強的；大規模執行前先拿一小部分試跑；確定性的工作交給腳本，比讓模型一步步推理便宜得多；例行任務不要跑得比必要頻率更勤。所以，循環本質上是一整套「如何管住AI」的設計，而不是放縱AI亂跑。這也決定了它目前最適合的場景是邊界清晰的結構化任務，而非天馬行空的自由發揮。過去，AI編程比的是誰會寫提示詞；現在，比的是誰會搭系統——誰能設計出一個自己會驗證、自己知道該停的循環。Claude Code官方建議想嘗試的人從自己每天重複的瓶頸環節開始，問自己三個問題：這個檢查我能不能替它寫出來？目標描述夠不夠清楚？

任務是不是按固定節奏出現？只要有一個答案是肯定的，你就找到了第一個可以交給循環的任務。寫提示詞的時代不會一夜消失，但它的光環正逐漸轉移到循環設計者身上。