AI 领域正兴起一股新趋势，名为“循环工程”（loop engineering），这标志着AI应用方式的重大转变。Peter Steinberger（OpenClaw创始人、OpenAI个人智能体研究员）和Boris Cherny（Claude Code创造者）等行业领袖正积极拥抱这一概念。Cherny表示，他现在已很少亲自撰写提示词，而是由一个智能体代劳，他则与这个“协调一切”的Claude进行交互。他甚至预测，十年后“循环”及相关功能将成为他最引以为傲的成就之一。Steinberger则建议，与其为编程智能体撰写提示词，不如专注于设计喂给它们的提示词循环，并展示了让Codex每五分钟自动维护代码仓库和分配任务的循环示例。

Claude Code团队在其官方博客中正式定义了“循环”，并将其细分为四种类型，为智能体的自动化工作提供了工程框架。这一发展表明，AI编程正从单次指令响应转向设计可自主运行的系统。过去，一个提示词带来一次回答；现在，一个循环则能构建一个在用户离开后仍能持续工作的系统。程序员的角色也从内容创作者转变为系统设计者。

四种循环及其“停止条件”

Claude Code团队将“循环”定义为智能体重复执行任务，直至满足特定停止条件的过程。这四种循环的核心在于其不同的停止条件。

1. 回合制循环（Turn-based）：这种循环由用户逐轮控制。用户输入一个提示词，AI执行一轮，用户检查后再输入下一个提示词。这种方式适用于零散的短任务。通过将手动检查步骤写入SKILL.md文件，AI可以自行验收，量化的检查标准越明确，AI的自主判断能力越强，用户需要监控的环节就越少。

2. 目标循环（/goal）：在此模式下，用户预先设定明确的目标，例如“Lighthouse分数达到90以上，最多尝试五次”。当Claude尝试停止时，一个评估器模型会根据预设标准进行判断，未达标则要求重新执行，直至目标达成或用完设定的尝试次数。可量化的标准（如通过测试数、分数阈值）能帮助Claude避免主观判断“是否足够好”，从而确保循环干净利落地结束。

3. 时间循环（/loop and /schedule）：这种循环按预设时间间隔触发，类似于闹钟。适用于重复性任务，如每日总结Slack消息。也可以用于监控外部系统，定期检查变化，如PR的评审状态或CI结果。使用/loop可按间隔重跑提示词，而/schedule则能将循环任务部署到云端，即使在用户关机后也能运行。其逻辑与Linux的cron定时任务类似。

4. 主动循环（Proactive）：由事件或时间触发，全程无需人工干预。结合自动模式和动态工作流，可以实现长时任务的完全自动化。例如，每小时扫描反馈频道，自动处理收到的bug报告，包括分类、修复和回复。每个任务达成目标后退出，整个流程会持续运行直至用户手动停止。这种循环适用于持续发生且边界清晰的任务，如bug上报、问题分类和依赖升级。

总而言之，这四种循环代表了四种不同的停止决策机制：人工判断、评估器判断、时间判断或事件判断。从底层来看，根据Claude Agent SDK文档，智能体循环的内核是：Claude评估提示词，调用工具执行操作，获取结果，然后重复此过程，直到某轮不再调用任何工具，循环才会结束。

核心在于“停止条件”的设计

尽管“设计循环”并非全新的概念，定时任务和编排等技术早已存在，但Claude的贡献在于对这些概念进行了统一命名、分类和标准化。其关键创新在于“停止条件”的设计。Claude Code官方强调，验证（verification）——即让Claude能够自行检查其输出——是其最宝贵的实用技巧之一。这好比为工程师提供浏览器来实时查看网页效果，从而不断优化。循环的威力正体现在这种“自我闭环”的能力上。在此过程中，提示词仍是重要组成部分，但核心焦点转移到了停止条件、验证器、Token预算控制和多轮执行策略的设计上。

无“闸门”的循环具有潜在风险

“循环”并不意味着可以完全放任AI自主运行。首先，成本是首要考虑因素。无限制的循环可能导致Token成本急剧上升。其次，AI可能陷入“原地打转”的死循环，例如反复修改同一文件却无法通过测试，或者将错误方案“优化”得更加完善。因此，工程社区普遍认为，循环必须配备“闸门”（gating condition）。

Reddit上的讨论总结了设计循环时必须考虑的三类闸门：

• 完成条件（Done condition）：必须是机器可判定的，例如所有测试通过或某个需求项被关闭。
• 硬性上限（Hard limits）：包括最大轮数和最大花费，以防止成本失控和无限循环。
• 无进展检测（No progress detection）：当AI在一定时间内反复修改同一批文件但没有新的测试通过时，强制停止。

官方也提出了一系列成本控制策略：避免小任务使用多智能体；优先使用成本较低的模型；大规模执行前进行小范围测试；将确定性任务交给脚本处理；避免过度频繁地执行例行任务。因此，循环的本质是“如何有效管理AI”，而非“放任AI随意运行”，它更适用于边界清晰的结构化任务。

编程重心从“内容”转向“系统设计”

此次AI领域的变革，将编程的重心从“内容设计”转移到了“行为系统设计”。过去，程序员设计的是指令的内容；现在，他们设计的是一套完整的行为流程，包括触发机制、验证方式和停止条件。Claude Code为循环设计者提供了一个简单的起点：审视日常工作中遇到的瓶颈环节，并思考三个问题：是否能将其验证过程代码化？目标描述是否清晰？工作是否按固定节奏出现？只要其中一个问题的答案为“是”，就找到了可以交给AI循环处理的任务。

AI编程的竞争焦点已从提示词技巧转向系统构建：谁能设计出能够自我验证、并知道何时停止的循环。虽然撰写提示词的时代不会立即消失，但其重要性正逐渐被循环设计所取代，而真正的循环设计者们才刚刚开始登场。