从goal到schedule详解Claude Code中循环Loops的四种模式

作者：袖梨 2026-07-20

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，有很多讨论。如果你花一些时间在 X 上试图弄清楚循环到底是什么，会看到多种不同的答案。

在 Claude Code 团队，我们将循环定义为：智能体反复执行工作周期，直到满足停止条件。我们根据以下几个方面，将循环分成不同类型：

如何触发；
如何停止；
使用哪一种 Claude Code 原语；
每种循环最适合哪类任务。

下面会介绍主要的循环类型、各自适用的场景，以及如何在管理 token 用量的同时维持代码质量。并非所有任务都需要复杂循环；请从最简单的解决方案开始，有选择地使用这些模式。

基于轮次的循环（Turn-based loops）

触发方式： 用户提示词。
停止条件： Claude 判断任务已经完成，或需要更多上下文。
最适合： 不属于固定流程或日程安排的短期任务。
用量管理： 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。

你发送的每个提示词，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。我们称之为智能体循环（agentic loop） 。

例如，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。接着，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：

---
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）

触发方式： 实时输入的手动提示词。
停止条件： 目标达成，或达到最大轮数。
最适合： 具备可验证退出条件的任务。
用量管理： 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”。

有时，一个轮次不足以完成任务，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。

这就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。

例如：

/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）

触发方式： 指定的时间间隔。
停止条件： 由你取消，或者工作本身完成（例如 PR 已合并、队列已清空）。
最适合： 重复性工作，或需要与外部环境、外部系统交互的任务。
用量管理： 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。

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：

/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）

触发方式： 由事件或日程触发，无需人工实时参与。
停止条件： 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。
最适合： 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。
用量管理： 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。

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）。

例如，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：

/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，请注意：

保持代码库本身整洁： Claude 会沿用代码库中已经存在的模式和约定。
让 Claude 能够验证自己的工作： 通过技能写清楚你和团队眼中的“好结果”是什么。
让文档易于获取： 框架和库的文档中包含最新的最佳实践。
使用第二个智能体做代码审查： 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 /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：

为任务选择合适的原语和模型： 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。
定义清晰的成功标准和停止条件： 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。
大规模运行前先试点： 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。
用脚本处理确定性工作： 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。
不要以超过实际需要的频率运行例程： 让执行间隔匹配被监控对象发生变化的频率。
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