Prompt已退场！手把手教你编写Loop，解锁AI Agent全自动工作流

从Prompt到Loop：AI工作方式的范式转移

最近AI圈最火的概念，无疑是 Loop Engineering（循环工程）。从OpenClaw创始人的爆火推文，到Claude Code、Google技术大佬接连发声，行业共识已然形成：单纯写提示词的Prompt Engineering正在过时，未来AI工作的核心，是设计能自主运转的循环体系。

我在验证了原文中的核心观点后，结合最新的技术资料，重新梳理了这份实操指南。以下是经过fact-check的完整内容。

一、Loop到底是什么？和传统Prompt有啥区别？

传统模式：你写提示词 → AI执行 → 人工检查 → 人工下达新指令...全程由人充当"循环发动机"。

Loop Engineering模式：你设计规则与目标，让系统自动驱动Agent循环执行、自检、迭代。

简单说，你不再"喂提示词给AI"，而是搭建一套"自动喂提示词、自动校验结果"的闭环系统。

它不是替代Prompt、Context、Harness工程，而是在三者之上搭建自动化外壳：

Prompt：负责单次指令
Context：负责信息承载
Harness：负责行为约束
Loop：负责让整套体系永久自动运转

二、编写Loop必备五大核心组件（骨架必搭）

根据Google的Addy Osmani在2026年6月的技术阐述，标准Loop有五大基础组件：

1. 🫀 自动化触发器（Loop的心跳）

决定Loop何时启动、多久执行一次。主流分3类：

触发方式	说明	示例
⏰ 定时触发	固定周期执行	每5分钟巡检PR、每小时跑测试
📡 事件触发	满足条件自动启动	GitHub新PR、CI构建失败
🔄 生命周期触发	一轮完成后自动启动下一轮	自检迭代

主流工具适配：Claude Code、OpenAI Codex自带 /loop 命令，支持s/m/h/d定时，可对接Cron、GitHub Actions实现离线常驻运行。

2. 🌿 工作树隔离（Worktree，避免Agent"打架"）

当多个Agent并行工作时，最容易出现文件互相覆盖、代码冲突。

解决方案：利用Git Worktree功能，为每一个子Agent分配独立工作空间。多个Agent在各自目录完成修改，全部结束后再统一合并到主仓库。

编写Loop时，只要是多任务并行场景，必须优先配置工作树隔离。

3. 📚 项目知识体系（Skill，解决AI"失忆"问题）

AI有天生短板：新建对话就会遗忘项目规范。需要搭建可复用的知识沉淀体系：

全局规则：CLAUDE.md 存放项目编码规范、权限约束
技能文件（Skill）：封装通用操作、排错流程、审查标准
状态记录：Markdown文档记录待办/已完成任务/历史问题

4. 🔌 连接器（MCP，打通真实工作场景）

孤立的Agent只能读写本地文件。连接器让Loop对接日常工具：

GitHub（PR/Issue管理）→ Slack（消息通知）→ 数据库（数据查询）→ Linear（任务看板）→ CI/CD流水线

典型案例：Loop检测到CI报错 → 自动修复代码 → 提交PR → 同步状态到Slack通知团队，全程无人干预。

5. 👨‍💻 子Agent分工（执行+校验，杜绝自审自判）

铁律：执行任务的Agent，绝对不能自我验收。

标准Loop必须拆分：

执行Agent：写代码、改BUG、处理任务
校验Agent：独立模型/独立进程，跑测试、格式检查、逻辑校验

一轮流程：执行Agent完成工作 → 校验Agent逐项核对 → 达标则终止，不达标则反馈问题，启动下一轮迭代。

三、核心语法：Claude Code /loop 命令实操

目前绝大多数开发者使用Claude Code搭建Loop。根据Claude Code官方文档（2026年5月更新）：

基础语法

/loop [时间间隔] [具体任务描述]

时间单位（区分大小写）：

s：秒（30s=每30秒）
m：分钟（5m=每5分钟）
h：小时（1h=每1小时）
d：天（1d=每天）
不填时间间隔时，默认每10分钟执行一次

高频实用示例

# 每5分钟检查GitHub新增PR
/loop 5m 巡检GitHub所有PR，CI报错自动修复，新评论分配子Agent处理

# 每小时执行全量单元测试
/loop 1h 执行npm test，自动分析并修复失败测试用例

# 每30分钟做代码格式审查
/loop 30m 运行npm run lint，修正所有格式错误

# 每日凌晨2点全项目代码巡检
/loop 2d 凌晨2点对整个项目做代码审查，输出BUG清单与优化建议

循环管理命令

命令	作用
`/loop --list`	查看所有运行中的循环
`/loop --stop [序号/名称]`	终止指定循环
`/loop --clear`	清空全部循环任务

进阶：`/goal` 实现"达标即停止"

/loop 是无限定时循环，/goal 是条件终止循环，二者搭配是最强组合。

语法：

/goal [可机器验证的验收标准]

❌ 错误目标（模糊，AI无法判断终止节点）：

/goal 优化项目代码，提升代码质量

✅ 正确目标（量化、可机器校验）：

/goal test/auth目录所有测试通过，tsc --noEmit零报错，npm run lint零违规

Claude Code v2.1.139（2026年5月11日发布）正式加入了 /goal 原生循环功能——一个跨轮次运行的本地循环，每次执行后用独立的快速模型评估你的条件是否达成。这就是执行与校验分离的最佳实践。

四、完整实战：搭建PR自动运维Loop

场景需求

定时巡检GitHub所有PR，自动修复CI报错、处理评论，并行任务互不干扰。

步骤1：配置知识体系

在项目根目录新建 CLAUDE.md：

1. 仅修复CI报错，禁止修改核心业务代码（支付、登录模块）
2. 不稳定测试用例添加@flaky标记，严禁直接删除测试用例
3. 所有修改完成后，必须完整执行测试套件

新建状态记录文件 pr-loop-state.md：

# PR运维循环-状态记录
## 待处理PR
## 已完成PR
## 异常问题记录

步骤2：开启工作树隔离

/worktree auto 并行处理PR任务，每个任务独立目录，互不覆盖

步骤3：对接连接器（MCP）

/connector 连接GitHub仓库与团队Slack，PR异常自动推送通知

步骤4：拆分父子Agent

执行Agent：修复代码、响应PR评论
校验Agent：检查CI、测试、代码规范，独立验收

步骤5：启动主Loop

/loop 10m 巡检所有GitHub PR
1. 检测CI状态，报错则自动修复代码
2. 读取PR评论，分配子Agent响应修改需求
3. 校验Agent全量验收，达标则更新pr-loop-state.md
4. 严重异常推送Slack提醒人工介入

步骤6：上线运行

指令执行完成，Loop正式启动。关闭电脑、离开工位，系统依旧定时运转，全程无需人工干预。

五、编写Loop必避的4大深坑

🕳️ 1. 目标模糊：Loop第一杀手

AI无法理解"优化代码""完善功能"这类模糊描述。 ✅ 解决办法：所有目标全部量化、可由机器自动验证。

🕳️ 2. 违反"执行与校验分离"原则

让同一个Agent写完代码又自己检查，AI会刻意回避问题。 ✅ 解决办法：强制拆分独立校验Agent，必要时使用不同大模型交叉验收。

🕳️ 3. 忽略边界约束（古德哈特定律）

当校验指标变成唯一目标时，AI会钻规则空子——比如为了"测试全过"直接删除失败用例。 ✅ 解决办法：定义目标时同步写明禁止行为，搭配Harness约束划定红线。

🕳️ 4. 无记忆体系，AI反复"从零开始"

长期运行的Loop，AI每次重启都会遗忘项目信息。 ✅ 解决办法：固定Skill、状态文档、全局规则，让知识持续沉淀。

六、总结：编写Loop的完整流程

flowchart LR
    A[梳理需求] --> B[定义目标]
    B --> C[搭建骨架]
    C --> D[编写指令]
    D --> E[测试运行]
    E --> F[正式上线]

梳理需求：明确Loop要解决什么重复工作
定义目标：写出可量化、可校验、带边界的验收标准
搭建骨架：配齐触发器、工作树、知识体系、连接器、子Agent五大组件
编写指令：使用 /loop + 时间间隔 配置循环，复杂场景搭配 /goal
测试运行：小间隔试运行，排查冲突、漏洞、逻辑问题
正式上线：调整执行频率，对接外部工具，实现全自动化

AI行业已经从**"手动写提示词"迈入"设计自动循环"**的新时代。学会编写Loop，不是掌握一个新命令，而是掌握一套AI自动化工作的管理思维。把重复、机械、巡检类工作全部交给Loop，你只需要聚焦核心决策与目标设计，真正释放AI的生产力。

#AI #LoopEngineering #AI编程 #Agent #提示词工程 #ClaudeCode #自动化