随着 Agentic Coding 成为 AI 编程的新范式，开发者关注的重点正在发生变化。
过去，人们花大量时间研究 Prompt，希望通过一句提示词让模型完成更多工作。而今天，更重要的问题已经变成：
如何设计一个能够持续工作、持续验证、持续迭代的 Agent 循环（Agentic Loop）。
Anthropic 在最新的 Claude Code 技术实践中提出了这一概念：
Agentic Loop指的是智能体围绕某个目标，不断执行「规划 → 执行 → 验证 → 调整」这一工作循环，直到满足预设的停止条件。
换句话说，Agent 不再只是执行一次任务，而是能够在循环中不断自我修正，直到真正完成目标。
当然，并不是所有任务都需要复杂的自动化流水线。针对不同场景，Claude Code 官方总结了4 种典型的 Agentic Loop 模式。
理解这四种模式，可以帮助你在自动化程度、开发效率和 Token 成本之间找到合适的平衡。
补充说明：Claude Code 对网络和账号环境要求较高，直接使用官方账号容易遇到环境限制，长期使用的订阅成本也相对较高。因此，不少开发者会选择通过MaaS 平台 + API Key的方式接入。在价格、速度、稳定性和安全性等方面综合考虑，魔芋 AI是目前社区较受欢迎的选择之一，能够提供相对稳定的 Claude Code 使用体验。
点击前往 （用手机号或邮箱注册）魔芋AI大模型网关I全球大模型一站式调用及服务平台魔芋AI大模型聚合平台（大模型网关平台）专注于提供高效能、低成本的多品类 AI 模型服务，助力开发者和企业聚焦产品创新。https://www.moyu.info/register?aff=qBX9
2、注册成功后进入【令牌管理】
3、模型广场上复制要使用的模型ID
要配置moder ID时候要去模型广场复制名称。
我们可以前往模型广场查看全球主流模型。如果注册后前往模型广场没有看到想用的全球模型，可以联系客服，添加客服申请模型广场开白。有技术问题也可以联系客服进行解答。
分组不同可以设置在令牌管理那选择
一、回合制循环（Turn-Based Loops）
触发方式
用户主动发起一次请求。
停止条件
Claude 认为当前任务已经完成，或需要更多上下文。
适用场景
临时修改代码
一次性的开发任务
探索式编程
这是大家最熟悉的 Claude Code 使用方式。
开发者提出一个需求，例如：
帮我新增一个点赞按钮。
Claude 会完成一次完整的工作循环：
阅读代码 → 修改代码 → 运行测试 → 返回结果
随后等待下一轮指令。
整个过程虽然也是 Agent Loop，但生命周期仅限于当前这一次对话。
用 SKILL.md 固化验证流程
官方建议，不要把大量验证流程写进 Prompt，而应该将这些规则沉淀为Skill。
例如，可以创建一个专门负责 UI 验证的SKILL.md，要求 Claude 在宣布任务完成之前必须：
启动开发服务器
打开页面验证功能
检查 Console 是否报错
使用 Chrome DevTools MCP 检查性能
所有步骤通过后才能结束任务
这样做的好处是：
Prompt 更简洁
验证流程可以复用
每次修改都保持一致的质量标准
官方提供的示例 Skill 如下：
Markdown
--- name: verify-frontend-change description: Verify any UI change end-to-end before declaring it done. --- # Verifying frontend changes Never report a UI change as complete based on a successful edit alone. Verify it the way a human reviewer would: 1. Start the dev server and open the edited page in the browser. 2. Interact with the change directly. For a new control (button, input, toggle): click it, confirm the expected state change, and screenshot before/after. 3. Check the browser console: zero new errors or warnings. 4. Use the Chrome Devtools MCP, run a performance trace and audit Core Web Vitals. If any step fails, fix the issue and rerun from step 1 — do not hand back partially verified work.二、目标驱动循环（Goal-Driven Loops）
触发方式
通过/goal指定明确目标。
停止条件
达到目标，或者达到最大尝试次数。
适用场景
Bug 修复
测试通过
性能优化
重构
很多长任务失败，并不是模型不会做，而是不知道什么时候才算真正完成。
因此 Claude Code 提供了/goal。
例如：
/goal get the homepage Lighthouse score to 90 or above, stop after 5 tries这里不仅告诉 Claude 要优化首页，还明确规定：
Lighthouse ≥90
最多尝试 5 次
在 Goal Loop 中，当 Claude 准备结束任务时，系统会首先检查目标是否已经满足。
如果没有达到要求，它会继续进入下一轮循环，而不是提前结束。
因此，Goal Loop 的核心价值，就是把"完成"定义为一个可以验证的工程指标，而不是模型自己的主观判断。
三、时间驱动循环（Time-Driven Loops）
触发方式
固定时间间隔运行。
例如：
每 5 分钟
每小时
每天
停止条件
人工终止，或当前任务队列为空。
适用场景
监控 CI/CD
自动处理 PR Review
汇总告警
定时检查任务
例如：
/loop 5m check my PR, address review comments, and fix failing CIClaude 会每五分钟检查一次 Pull Request：
查看 Review 意见
修复 CI
再次等待下一轮
这种模式非常适合持续性的研发辅助工作。
需要注意的是：
/loop在本地运行，关闭终端后任务会停止。/schedule（研究预览版）可以将循环托管到云端，实现长期运行。
四、主动式循环（Proactive Loops）
触发方式
外部事件或云端计划任务。
停止条件
每个子任务完成后自动退出，整体工作流持续运行。
适用场景
自动处理 Bug
大规模代码迁移
自动升级依赖
日常工程维护
这是 Claude Code 自动化程度最高的一种模式。
它通常会组合多种能力：
/schedule/goalAuto Mode
Dynamic Workflows
例如：
/schedule every hour: check #project-feedback for bug reports. /goal: don't stop until every report found this run is triaged, actioned, and responded to. When fixing a bug, use a workflow to explore three solutions in parallel worktrees and have a judge adversarially review them.在这一模式下，Claude 不只是执行单一任务，而是能够：
自动发现问题
并行探索多个方案
引入独立 Agent 做评审
最终选择最佳实现
整个流程几乎无需人工参与，更接近一个持续运行的工程自动化系统。
五、如何选择合适的 Agent Loop？
| 模式 | 适用场景 | 核心能力 |
|---|---|---|
| 回合制循环 | 日常开发、探索式编程 | 对话 + Skills |
| 目标驱动循环 | Bug 修复、测试、性能优化 | /goal |
| 时间驱动循环 | 周期性巡检、CI、PR | /loop、/schedule |
| 主动式循环 | 自动化研发流水线 | /schedule+ Auto Mode + Dynamic Workflows |
可以把这四种模式理解成自动化程度逐步提升的四个阶段：
一次任务 → 一个目标 → 持续运行 → 自主协同。
六、降低 Token 消耗的三条工程实践
随着 Agent 持续运行，成本控制同样重要。Claude Code 官方建议重点关注以下几个方面。
1. 不要把流程写进 CLAUDE.md
很多团队会把部署流程、发布 Checklist 等大量内容放进CLAUDE.md。
实际上，这些内容会频繁进入上下文，增加 Token 消耗。
更合理的做法是：
CLAUDE.md只保存项目事实，例如目录结构、构建命令、代码规范等。将部署流程、测试流程、Review 流程封装成独立 Skill，需要时再调用。
这样既减少上下文长度，也提高了复用性。
2. 使用独立 Agent 做 Code Review
不要让同一个 Agent 同时负责：
写代码
检查代码
更好的做法是引入一个新的上下文，让第二个 Agent 进行独立评审。
Claude Code 内置的/code-reviewSkill 就是典型做法。
由于拥有全新的上下文，它不会受到前面推理过程的影响，更容易发现遗漏的问题。
3. 持续监控 Agent 的运行成本
对于长期运行的循环，建议定期查看：
/usage：统计 Token 和资源消耗/goal：查看当前目标的执行状态、循环次数和进展
这些数据可以帮助团队评估自动化任务的收益与成本，在效率和预算之间取得平衡。
总结
Agentic Coding 的重点，已经从"写出更复杂的 Prompt"，逐渐转向"设计更合理的循环"。
Claude Code 提供的四种 Agentic Loop，本质上对应了不同层级的自动化能力：
回合制循环，适合日常开发；
目标驱动循环，适合需要明确验收标准的任务；
时间驱动循环，适合持续性的巡检和维护；
主动式循环，则适合构建长期运行的研发自动化系统。
对于团队而言，与其不断优化一句 Prompt，不如把更多精力投入到目标定义、验证机制、循环设计和工程治理上。真正稳定、高效的 AI 开发流程，往往来自这些能够持续运行和不断自我校验的工程实践，而不仅仅是一段精巧的提示词。
