循环真正的门槛，并不在于让AI一直跑下去，而在于它能不能自己踩住刹车。
「不再写提示词了」——这句话最近在AI圈疯传。从OpenClaw之父、如今在OpenAI负责下一代个人智能体的Peter Steinberger，到Claude Code的创造者Boris Cherny，这些硅谷大佬正集体转向「循环」这一概念。
给这股风潮命名「循环工程」的谷歌工程师Addy Osmani也深陷其中。Cherny表示，自己现在几乎不亲手写提示词了，有一个智能体在替他给Claude写提示词，他只跟那个「协调一切」的新Claude对话。他还断言，十年之后，循环以及类似的功能将是他最为自豪的工作成果之一。
Steinberger说得更为决绝：别再给编程智能体写提示词了，你该设计喂给它们提示词的循环。他在X平台上演示了自己的循环：让Codex每5分钟醒一次，自动维护代码仓库、分派任务，部分工作全自主落地。
这些大佬反复念叨的「循环」到底是什么？最近，Claude Code团队在官方博客里给出了明确定义，并一口气拆解出四种循环类型，为「智能体自动干活」立下了工程规矩。
这背后说穿了：AI编程正在从「写一句话」，变成「设计一套会自己跑的系统」。一个提示词换来一次回答，而一个循环换来的，是合上电脑之后还在替你干活的系统。程序员，正在从写内容的人，变成设计系统的人。
### 四种循环，四种「停止条件」
一个循环到底是什么？在X上争论许久后，Claude Code团队给出了明确答案：循环，就是智能体重复执行一轮又一轮的工作，直到触发停止条件。
这四种循环，本质上就是四种「停止条件」的设定。顺着「怎么触发、怎么停止、用什么原语、适合什么任务」这几个维度，Claude Code将循环拆解为以下四种：
**第一种，回合制循环。**
人逐轮控制，你写一句，AI跑一轮，检查完再写下一句，全程你握着方向盘。它适合零散的短任务，不进流程、不上日程。想让AI少来回几趟，就把平时手动检查的步骤写进一个SKILL.md文件，让AI自己验收。检查越能量化，它越能自己判断做没做对，你要盯的地方就越少。
**第二种，目标循环。**
先设定目标，比如「把首页Lighthouse分数跑到90以上，试5次就停」。每次Claude想停，一个评估器模型就会对照标准判定，没达标就打回去接着干，直到目标达成，或者用光你设定的轮数。测试通过数、分数阈值这类可量化标准之所以好用，是因为Claude不用自己纠结「够不够好」，评估器替它判。它不必自己猜「差不多了吧」就过早停手，循环也能干净利落地收尾。
**第三种，时间循环。**
按时间间隔触发，像闹钟一样。有些活是重复的，任务不变，只有输入在变，比如每天早上总结一遍Slack消息。有些活得盯着外部系统，最简单的办法就是按时间间隔去查一眼，看变了什么再反应，比如一个可能收到评审、也可能CI挂掉的PR。用/loop就能按间隔重跑一条提示词。想让它在你关机后照跑，就用/schedule把循环搬上云。这套逻辑，和程序员熟悉的定时任务几乎一模一样。
**第四种，主动循环。**
事件或时间触发，全程无人值守，跑到你亲手关掉为止。配合auto mode和动态工作流，把长活儿全自动串起来：每小时扫一遍反馈频道，收到一份bug报告，就自动分诊、修复、回复，一条龙跑完，全程不停下来问你要权限。每个任务达成目标就退出，整条例行任务则一直跑到你亲手关掉。它适合那些源源不断、边界清晰的活：bug上报、问题分类、依赖升级。
这四种循环，说穿了是四种「什么时候该停」的答案：人来判、评估器来判、时间来判、事件来判。
### 真正的核心：停止条件与验证
再往底层看一层。据官方的Agent SDK文档，这套机制的内核也十分简单：Claude评估你的提示词，调用工具去动手，拿回结果，然后重复，直到某一轮它不再调用任何工具，循环才结束。
Claude Code官方Agent SDK文档给出的智能体循环逻辑是：提示词进入后，Claude评估、调用工具、结果回流再评估，直到某轮不再调用任何工具，才输出最终答案。
所谓自主智能体，本质上就是这么一个圈。
当然，也不能把「设计循环」说成一场从0到1的革命。定时任务、编排、反馈循环，这些做法早就有了，Claude这次做的，更多是把它们统一命名、归拢成一套分类标准。
那么，到底什么变了？重点在「停止条件」。在Claude Code官方总结的一堆实战技巧里，被单独拎出来、标为「最有价值的一条」的，是验证：给Claude一个能自己检查产出的方式。
道理不难懂。比如，让工程师做网页却不给浏览器，页面能好看吗？给了浏览器，他每改一版都能当场看到效果，反复调到满意才交。而模型循环的威力，恰恰就来自这种「自己闭环」的本事。在这个过程中，提示词没有死，它只是退化成了循环里的一个组件。真正的核心，变成停止条件设计、验证器设计、token预算控制、多轮执行策略。
### 没有闸门的循环，强大且危险
循环，是不是意味着你可以放手让AI自己干一整天？当然不是。
第一个拦路虎是钱。不设上限的循环，能把token成本烧穿。据报道，Steinberger自称是「手握无限token的男人」，因为免费token正是在OpenAI上班的福利之一。普通人没这待遇。
第二个更隐蔽。智能体会陷入一种「看似有进展、实则原地打转」的死循环：反复去改同一个文件，却始终跑不出一个新的通过测试。它甚至会信心满满地，把一个错的方案越做越「完整」。
工程社区对此的共识很直接：循环很强，但没有闸门就很危险。在Reddit的工程讨论里，有人把必须的闸门总结成三条，写循环之前就得先设计好：
1. **done条件**：且必须机器可判定，比如测试全绿，或者某个spec项被关闭。
2. **硬上限**：包括最大轮数和最大花费，专防成本失控和无限循环。
3. **无进展检测**：一旦发现它反复碰同一批文件却没有新的通过测试，就强制停下。
官方也给了一整套省钱纪律：小任务别硬上多智能体；能用便宜快的小模型，就别都用最强的；大规模跑之前先拿一小片试跑；确定性的活交给脚本，跑脚本比让模型一步步推理便宜得多；例行任务别跑得比它该跑的更勤。
所以，循环是一整套「怎么把AI管住」的设计，而不是「撒手让AI乱跑」。这也决定了它现在最适合的，是边界清晰的结构化任务，而非天马行空的自由发挥。
### 从写内容到搭系统
这一轮变化中，真正改变的是编程重心：从「内容设计」，挪到了「行为系统设计」。
以前你设计的是一次指令的内容，现在你设计的是一整套行为：它怎么触发、怎么验证、怎么停。Claude Code官方给想设计循环的人们留了个简单的起点：去看你自己每天都在干的活，挑其中一个瓶颈环节，然后问自己3个问题：验证、目标、节奏。只要有一个答案是肯定的，你就找到了第一个可以交出去的循环。
AI编程，以前拼的是提示词技巧，现在拼的是谁会搭系统：谁能设计出一个自己会验证、自己知道该停的循环。写提示词的时代不会一夜消失，但它的光环正移向循环。而真正的循环设计者们，才刚刚上场。