先诊断任务，再开药方。这不是一句废话，而是我踩过坑之后才真正理解的道理。

读到 Claude 官方博客《Getting Started with Loops》之前，我以为所谓的“循环”，无非就是给 AI 一个目标，然后让它反复尝试直到搞定。网上很多讨论也在强化这个印象——大家提到 Agent Loop，默认就是在说 Goal-based loop。

文章里把 Agent Loop 分成了四种：回合制、目标导向、时间驱动、主动式。它们各有各的触发方式、停止条件和适用场景。换句话说，Loop 不是一个东西，而是一套工具箱。而我之前手里只有一把锤子，看什么任务都像钉子。

顺着这个思路往下想，我得出了一个对自己很有用的判断框架。

四种 Loop，四种“协作姿势”

先简单梳理一下这四种 Loop 分别是什么，更重要的是——它们各自适合什么任务。

回合制 Loop：你敲一下，它动一下

这是最基础的模式。你发一个提示词，Claude 收集上下文、采取行动、检查工作、给出响应。每一轮都由你手动发起，你来判断下一步往哪儿走。

适合什么任务？

短期、非流程化的小任务。比如“帮我在页面上加一个点赞按钮”，改完你验收，验收完再提下一个需求。它不需要自动迭代，也不需要定时触发，你人在场、随时能给出判断，这就是回合制最舒服的用法。

不适合什么？

任何需要“放那里让它自己跑”的事情。如果你要反复做同一个类型的任务，回合制意味着你得一次次坐在电脑前敲提示词，那效率反而是负的。

目标导向 Loop：你定标准，它跑到达标为止

这就是网上讨论得最多的那种。你用 /goal 定义一个明确的成功标准，Claude 反复尝试直到达成，或者达到你设置的最大回合数后停下。

适合什么任务？

有确定性退出条件的任务。比如“把 Lighthouse 分数提升到 90 分以上”——达标就是达标，没达标就是没达标，Claude 自己就能判断，不需要你每轮都来验收。条件越量化，这个模式越高效。

不适合什么？

目标模糊的任务。“把页面改好看一点”——这个“好看”Claude 没法自我验证，它就只能在不确定中提前停下来，或者一直跑到你喊停为止。

时间驱动 Loop：到点就干活

用 /loop 按固定间隔重复执行某个提示词，或者用 /schedule 把例行任务部署到云端持续运行。

适合什么任务？

重复性工作，或者需要持续对接外部系统的任务。比如“每小时检查一下我的 PR，如果有新的评审意见就处理掉”。任务本身没变，变的是输入。

不适合什么？

一次性任务。为一个改按钮的需求设置一个每小时执行的循环，那是杀鸡用牛刀。

主动式 Loop：组合拳，跑在后台的完整工作流

这是最复杂的一种。把调度、目标、技能、多智能体编排、自动模式组合起来，形成一个完整的、持续运行的自动化流程。比如“每小时扫描反馈频道的新 bug 报告，对每个报告分类、修复、审阅、回复，全部做完再进入下一轮”。

适合什么任务？

有明确输入来源（比如某个频道、某个邮箱）、有清晰处理流程、且持续发生的任务。这种任务一旦搭建好，可以长期跑在后台，你只需要在关键节点介入。

不适合什么？

小团队、小体量、场景变化快的任务。搭建和维护主动式 Loop 是有成本的，不要为了自动化而自动化。

---

一个决策框架：接到任务后，先问自己三个问题

有了上面的分类，我给自己定了一个判断流程。每次拿到一个“能不能让 AI 来做”的任务，我不再直接塞给 Claude，而是先问三个问题：

第一问：这个任务是一次性的，还是反复出现的？

• 一次性 → 回合制就够了，不要过度设计。
• 反复出现 → 继续往下问。

第二问：任务有明确的“完成”标准吗？

• 有（比如“通过所有测试”“分数达到 X”） → 目标导向 Loop。
• 没有（比如“优化一下文案”） → 回合制 + 人工验收，或者先花时间把标准写清楚再做。

第三问：任务是需要定期检查外部变化，还是事件驱动？

• 定期检查 → 时间驱动。
• 需要编排多个步骤、多个子任务 → 主动式。

这个框架帮我避免了一个常见的陷阱：为了用循环而用循环。很多时候回合制就是最好的选择，加一层 Loop 反而增加了 token 消耗和调试成本。

---

总结

回到标题：任务匹配，再选 Agent Loop。

写这篇文章不是想教你“怎么用 Loop”，而是想说一个更朴素的事情——在决定“怎么让 AI 做”之前，先想清楚“这个任务到底需要什么”。 有时候需要闭环迭代，有时候需要人机协作，有时候简单的回合制反而最高效。

选择 Loop 不是炫技，是匹配。

做技术的人很容易被工作环境消磨——日复一日的重复需求、紧迫的上线节奏、随时插入的会议……这些东西会慢慢吃掉你对新东西的好奇心。我自己也有过这种阶段：看到新技术、新概念，第一反应不是“这能帮我解决什么问题”，而是“算了，先把手上的活儿干完再说”。

但读完这篇关于 Loop 的文章之后我有一个感受：AI 工具演进的速度，已经让“保持关注”这件事本身变成了工作的一部分。 如果你不知道四种 Loop 的区别，你可能永远在用回合制做本该用时间驱动的任务，白白消耗自己的时间；如果你不知道 MCP 和技能机制，你可能在手工做那些本该让 AI 自动验证的事情。

**通过获取互联网的知识保持活力在线。 ** 不是说要追每一个热点，而是保持一个“定期扫描”的习惯，知道外面在发生什么、有什么新工具、新思路。这本身就是一种抗磨损的方式。

而你如果在日复一日的工作里偶尔感到疲惫，记得抬头看看外面——互联网上永远有人在讨论新东西，那些讨论里或许就藏着让你明天少加两小时班的方法。保持好奇不是额外负担，它是对未来自己的投资。