本文翻译自Anatoli Kopadze的Loops explained: Claude, GPT, Mira and what actually works。
AI已经走进每个人的生活很多年了。但大多数人每天使用它的方式，仍然是效率最低的那种：输入请求、等待结果、修改、再问一遍，全程手动操作。
这并不是因为更复杂的方法，而是因为从来没有人把它讲得很清楚。
更高效的方法就是循环（循环）。这正是当前最顶尖的 AI 工程师们关注的核心问题。这篇文章要补上没人讲透的那一部分。
读完之后，你对 Loop 的理解将超过你时间线上的大众：它是什么、底层到底如何运作、什么时候值得用、什么时候是陷阱、如何在 Claude 或 ChatGPT 里手动搭建一个基础版本，以及哪些简单版本值得你在日常生活中使用。
大多数人是怎么用AI的？
仔细看看"一次只发一个请求"这个习惯，因为它就是问题的全部根源。每一步都要经过你：你决定问什么，你判断答案好不好，你决定下一步做什么。AI不推它就不动，你一停手它就停。
这种方式没什么不好，但它有天花板。**你就是引擎，**AI只是你手中的工具，而工具本身不会自己动起来。
还有另一种工作方式，这也是全球顶尖工程师正在改变开发方式的原因：不再是一步带着AI走，而是逐步把目标定位它，让自己跑完整个流程。它会自己规划、动手、检查自己的结果、修改不足之处，反复直到迭代达标。你退出循环之后，工作仍然继续。
Peter Steinberger（@steipete）：每月一次的提醒------你不该再去"提示"Smashing Agent了，你应该设计去能提示Agent的循环（Loop）。
这两位尊敬的工程师，用不同的话表达了同一个意思。大多数人读到这类话，心里其实并虔诚它在实践中到底意味着什么。所以我们来把它拆解清楚。
什么是循环？
提示（提示词）是一条单次指令。循环（循环）一个目标，AI会持续朝着这个目标努力，直到达成状态。可以把它理解为一个"递归式目标"：你定义一个目标，AI自己迭代直到完成。
提示给你一个答案，然后等你决定下一步。而循环会自主运行完整个周期，包含五个阶段：
DISCOVER（发现） → 弄清楚需要做什么
PLAN（规划） → 决定怎么做
EXECUTE（执行） → 动手去做
VERIFY（验证） → 对照目标检查结果
ITERATE（迭代） → 没达标？把结果反馈回去，重新来一轮这五个阶段里，真正承担核心工作的是其中三个------Verify、State（状态记录）、Stop Condition（停止条件）------也是大多数人理解循环时最容易出错的地方。
验证（）是循环的核心。 如果验证对结果的真实检验，你拥有的就不是一个循环，而是一个不断自我认同、自我重复的代理。检验机制是把"重复"转化为"进展"的关键。它硬是一个没有验证性测试（"代码通过"）、一个可量化的条件（"数值是否与X"），或者模型用来打分的评分标准（红字）。没有检验，代理就是在给自己的作业打分------并完成工作的模型，往往是无数的评分者。
**状态（状态记录）让循环具备学习能力。**每一轮迭代，AI都必须记住自己已经尝试过什么，否则会无限重复同一个错误。一个真正的循环会在旁边维护一个小型记录：已完成什么、失败了、下一步是什么。这样明天的运行可以从上次的进度继续，是从零开始------这也是成本开始攀升的地方（后面会讲）。
**停止条件（条件）让循环保持清醒。**没有退出的循环会一直运行，直到成功、崩溃或把机制出来你的账户余额锻炼。任何严谨的循环都应该有两种成功停止方式：达标，以及硬性上限（例如"尝试8次后停止并报告"）简洁。这一步，你造的就是一台可以彻夜运行却毫无意义的机器。
Prompt 给 AI 一个指令。Loop 则给 AI 一份工作、一组完成判断与否的标准，以及一条何时放弃的规则。
你真的需要 Loop 吗？
大多数文章都会先把环路卖给你，再告诉你它什么时候是个错误选择。下面才是真正资深的人在用的判断标准。只有以下四条全部满足时，搭建环路才是值得的：
-
**任务会重复发生，至少每周一次。**低于这个频率，搭建成本根本回不来。一次性任务，用一条好的提示就足够了。
-
**存在可以自动拒绝劣质输出的机制。**一次测试、一次类型检查、一次构建、一条硬性规则。如果没有任何东西能判定结果失败，循环就只是空转。
-
特工确实能够独立完成工作，而不是把一半的工作丢还给你。
-
**"完成"是判断依据，而不是判断依据。**如果质量的好坏取决于个人评分，那最终还是人来拍板更靠谱。
只要有一条不满足，就把它设置为手动提示来用就好。这个话题最真实的真相是：循环工程是真实存在的，但大多数人目前还不需要它的重型版本。每个人都用上或轻量版本，后面会讲到。但你需要明确一个界限划在哪里。
为代码而生的版本
Loop最先在软件开发领域兴起，因为代码是世界上最容易被验证的东西------测试通过就是通过，失败就是失败，没有任何争辩的空间，所以AI永远明确自己是否完成了任务。
一个编程循环，会被赋予一个目标和一套严格的检验方法：
▸ LOOP SPEC（循环规格说明）
GOAL（目标）：/tests/auth 下所有测试通过，lint 检查无误，无类型错误。
EACH ITERATION（每轮迭代）：
1. 运行测试套件，阅读每一条失败信息
2. 挑出影响最大的那个失败问题
3. 编写能修复它的最小改动
4. 重新运行测试、lint 检查与类型检查器
VERIFY（验证标准）：测试全部通过 + 零 lint 警告 + 零类型错误
STOP WHEN（停止条件）：验证通过，或达到 8 次迭代上限
ON STOP（停止后操作）：总结改动内容与仍未解决的问题而在底层，一个真正的循环是由五个模块构建而成的。Claude Code 和 Codex 目前已经能够支持全部五个模块。
1.自动触发（心跳机制）
这会让成为"循环"而不是"间歇运行"的定时器。你定义好提示、运行频率和目标，它就会按计划自动运行，不需要你手动启动。在 Claude Code 中，/loop命令会按设定间隔重复运行某个提示，/goal命令会让会话持续运行，直到你设定的条件真正被满足；钩子（hooks）能在 Agent 周期的特定节点触发命令；然后把它挂载到 cron 定期任务或 GitHub Actions上，则让它在您关闭笔记本电脑后继续运行。结果会主动找到您，而不是需要您主动去查。
2.技能（可复用指令集）
用每次运行都重新粘贴一大段说明，不如把它们保存成一份文件，让循环极限运行时直接读取：规则、需要遵循的模式，以及一份绝对不能触碰的硬性禁区清单。这样的自动化任务只需按名称调用这个技能，这种重复性工作就能保持可维护性，而不会在无人更新的排期表里慢慢失效。
3. 子代理（让"执行者"与"审核者"分离）
循环中最有用的一个结构性技巧，就是把完成工作的Agent与检查工作的Agent分开。**写代码的模型，往往对自己过度宽容，难以侦评判断自己的结果。**用一个指令不同、有时甚至是能力更强负责（且推理强度设置更高）的第二个Agent，捕捉去第一个Agent自我思考后留下的问题。你的"执行者"Agent可以又快又省，"审核者"Agent则可以又慢又严格。这种角色分离，才是质量提升的主要来源。
4.集成组件（增强能力"只是做"而不是"提建议"）
这就是区分以下两个关键：一个说"修复方案在这里"的代理，与一个能自己提交 Pull Request、关联工单、并在构建通过后面自动通知频道的循环。这类集成组件只能（如对接 GitHub、Linear、Slack 等工具的接口）让 Loop 能够在你的真实环境中直接执行操作，而不是描述它本能的操作。
5.验证器（把关闸门）
测试、类型检查，或构建流程------它们会拒绝自动不合格的结果。这是唯一一个真正的决定循环是在帮助、还是只是在消耗你钱的模块。其他的一切都只是管道工程。这才是让整套系统真正劳动力的部分。
这些模块组合起来，能够得到团队目前在规模化运行的方案：成百上千个Agent同时在同一个任务上循环运行。有一位工程师就用这样的循环，在大约六旬把整个代码库从一个编程语言重写成另一个，而这一工作靠人工完成不知接近一年。这是大型软件方式开发上的真正转变。但它也有一个演示中从不会展示的代价。
没人提起成本
循环靠代币运行，而代币就是。问题不在于每一步本身要花费，问题在于这个成本是如何重新充钱的。
每跑完一轮循环，Agent都要重新读取它的上下文：目标、代码、上一轮的结果、哪里失败了。这整堆内容会在每一轮迭代中再次完整地送入模型，并且每跑一轮它都会变得更大。一个运行十次的循环，耗费的不是十次提示的钱，而是十次"体量持续增长"的提示而"执行者-审核者"这个能提升质量的技巧，也可以使报表直接翻倍，因为现在是两个模型在读取同一个工作内容，而不是一个。
1. 先确保"手动跑一次"是稳定可靠的。
2. 把这次手动操作整理成一份 Skill（保存下来这套指令）。
3. 把这份 Skill 包装进一个 Loop（加上检验门槛 + 停止条件）。
4. 然后，才把它放到自动化排期上去运行。真正重要、但几乎没有人在追踪的指标，是每一次"被采纳的跟踪"所花的成本， 而不是花掉多少代币或跑了多少轮循环。如果一个循环给你十个结果，你竟然掉了六个，那你其实就是替在做它本应替你省下的审核工作。采纳率低于50%，它带来的成本就已经超过了它创造的价值。
工程师杰弗里·亨特利把这种现象称为"拉尔夫·威格姆循环"（拉尔夫·威格姆循环，得名于辛普森一家中昔天真盲懂的角色）：特工提前自认为任务已经完成，在工作只完成一半时就退出，而循环本身却仍持续运行、持续耗时，但却没有硬性的把关机制无法阻止任务失败，循环报错不会崩溃------它只会突然地继续向你播放。
这就是为什么重型版本的循环，只适合那些拥有足够预算和防护机制（迭代次数上限、代币预算、在重复性步骤上用更便宜的模型、持续监控）的团队运行。如果你不属于此类团队，也不必觉得自己错过了什么------核心思路本身，用极低的成本、不需要任何建设，就同样能跑通工作。
真正行得通的搭建顺序
如果你确实要构建一个循环，顺序比工具本身更重要。那些能够把循环真正用于生产环境、并使稳定下来的人，做法都是一致的：
1. 先确保"手动跑一次"是稳定可靠的。
2. 把这次手动操作整理成一份 Skill（保存下来这套指令）。
3. 把这份 Skill 包装进一个 Loop（加上检验门槛 + 停止条件）。
4. 然后，才把它放到自动化排期上去运行。跳过前面的、直接给一个你自己还没有手动验证可靠的步骤的东西排期自动运行------这就是循环在你睡觉时彻底失控的最典型原因。先验证一次，再搭建坚固支架，最后才把它自动化。
自己搭建一个基础循环（适用于任何LLM）
并不需要一个专门的编程代理才能达到循环的运作方式。你就可以在任何一个LLM里手动跑一个简单的循环，靠的只是一段提示。诀窍在于：同时把循环三个你要素都交互模型------一个目标、现在严格的成功标准，以及一套强制它在被允许之前自我检验的协议。
注：下面这套"PLAN-DO-VERIFY-DECIDE"四步协议，是前文DISCOVER-PLAN-EXECUTE-VERIFY-ITERATE五阶段模型的简化实操版，更适合直接粘贴使用。
▸ SELF-CHECKING LOOP（自我检验循环）------粘贴进 Claude 或 ChatGPT 使用
你将在一个循环中工作，直到任务达到设定标准为止。
TASK（任务）：
[在这里准确描述你想要的产出]
SUCCESS CRITERIA（成功标准，要求严格，不允许放水）：
- [标准 1]
- [标准 2]
- [标准 3]
LOOP PROTOCOL（循环协议，每一轮都要重复）：
1. PLAN（规划） --- 说明下一步具体要做什么
2. DO（执行） --- 产出或改进这份工作
3. VERIFY（验证）--- 按每条标准给结果打 1-10 分，
必须诚实严格，明确列出哪些地方仍然不达标
4. DECIDE（决策）--- 如果每条标准都达到 8 分及以上，输出"FINAL"并停止；
否则输出"ITERATING"，再跑一轮，并优先修复分数最低的那一项
RULES（规则）：
- 在每条标准都达到 8 分或以上之前，绝不能宣布任务完成。
- 每一轮都必须修复上一轮 VERIFY 中分数最低的那一项。
- 不要向我提问。自行做出合理假设，注明假设内容，并继续推进。
开始。持续运行这个循环，直到输出 FINAL 为止。看看会发生什么：模型自己搭建内容，对照你设定的标准给自己打分，找出薄弱阶段，再重写------反复循环，直到真正达到目标，而不是把第一个"看上去差不多"的结果就丢给你。这就是一个循环，你只需用一段话就搭建出来了。
但请注意一个仍然缺失的关键点，因为这就是接下来内容的核心所在：**你才是这个循环的触发。**你打开了对话窗口，粘贴了提示，然后坐在那里看着它迭代。因为你一旦关掉这个标签页，它就消失了。它没有排期，不会"每天出现自动执行一次"，也不会"邮件到达时自动唤醒"。它无法主动联系你，只有在你抓住它的时候才可以。
要获得一个能自主时刻运行、按触发计划、由真实事件驱动、不需要你搜寻的循环，通常就必须进入前面提到的那个"重型世界"：工具、托管、代码、把关机制，以及发票。
这对于真正繁重的任务来说是合理的。**但对于99% 的日常任务，**已经有一个现成的、足够简单的解决方案了。
同样的想法，用在你的日常生活中
抛开代码和成本，剩下的只是一个简单、却真正实用的概念：一个能自己运行的任务，按计划执行，或者在某件事发生的瞬间自动触发，不需要你去记住它，也不需要你时刻在场。你不需要是工程师才能用上系统逻辑------你只需要"为生活而设计的循环"，而不是"为代码库而设计的循环"。
有一个免费的选项，你只需用日常出来就能创建一个循环：不需要写代码，不需要服务器，不需要急，不需要一直开着描述某个标签页，也不存在容易出错的搭建顺序。
它叫Mira ，位于Telegram里------一个你大概提前装着、随时打开的应用。你像跟朋友聊天一样给它发消息，而它运行的这些循环被称为技能（技能）。每个技能都默默具备一个真正的循环所需的全部要素------存在动作、自主运行的方式------只是你完全不需要手动把它们连接起来。你只需要知道你想要什么。
▸ SKILL（技能示例）
"每个工作日早上 7 点，检查我的 Gmail 和 Google 日历。
给我发一份简短摘要：我最重要的 3 个会议、收件箱里
紧急的事项，以及一件我说过要跟进但还没跟进的事。
控制在 120 字以内。"这是一个真正的循环：一个时间触发，一个跨越两个已连接应用的多步骤操作，自主运行，并主动把结果送到你面前。而你，只需用一条消息就把它写出来了。
Mira实际能做什么
这才是真正让人理解它的关键点。Mira 不是一个更聪明的聊天机器人 。它和 ChatGPT 的区别很简单：**ChatGPT 给你答案，Mira 直接动手。**你不是帮帮忙写一封邮件，而是直接把邮件发出去。你得到的不是一份草稿工单，而是线性里一个真实存在、已经指派好负责人的工单。在后台完成这件事，并且在每次对话之间都记得你是谁。
它通过 Composio 连接 500 个多个应用（Notion、Gmail、Google 日历、GitHub、Figma、Stripe，以及其他成百上千个应用），具备能跨会话、跨群聊天保持的长期记忆，而且是无关模型的------根据任务需要，可以调用 GPT、Claude 或 Gemini。下面这一切实际能转化成什么：
用于工作场景
这就是循环的思路在不写一行代码的情况下，依然能产生返回的位置。
▸ SKILLS（技能示例）
"每场会议开始前一小时，提醒我和这个人上一次对话的背景与决定。"
"当我在这里转发一条消息时，把它转换成 Linear 工单，
设置好优先级，并指派正确的负责人。"
"每周五下午 4 点，收集团队的任务状态与指标数据，
在我们的群聊里发一份整洁的周报摘要。"
"用 5 个要点，总结我离开期间在这个群聊里错过的所有内容。"它可以在几个休息时间里整理完成一条200条消息的长对话，在你还在说话的同时把工单建好，让你走进会议室的时候就已经掌握了所有信息。在群聊里，记住它决定整个团队的任务和任务，而不是你一个人的。
供内容创作者
这是大多数人最容易低估的部分。Mira 能够在聊天界面内最终地完成内容创作。
▸ SKILLS（技能示例）
"我会发一条语音消息说一个原始想法，
帮我把它做成一篇带配文和话题标签的完整帖子。"
"把这一个想法分别改写成适合 X、Instagram、LinkedIn、
邮件和电子周刊的版本，每个都符合对应平台的格式。"
"为这条帖子生成 3 个配图方案。"
"把这张图片做成一段适合发我 Telegram 频道的短视频。"语音输入，约30秒后得到一篇帖子。一份原始素材，变成了六个平台版本。它可以直接在对话框里生成图片和、修改图、更换背景、制作吉祥物和头像形象，甚至可以做对口型和动画处理。整条视频内容制作全部在同一个窗口里完成。
用于语音场景
Mira把语音设置为一种输入方式来处理，这一点的意义比声音更重要。
▸ SKILLS（技能示例）
"把我的语音消息转写成干净整洁的文字。"
"把这篇文章用语音读给我听。"
"总结这个群聊里语音消息的核心要点。"它可以转写你的语音消息、把文字朗读给你听、理解群中的语音内容并总结讨论聊天要点，并且在你无法说话时充当一个免提语音助手。
为了您的个人生活
相同的引擎，指向生活中的其他一切。
▸ SKILLS（技能示例）
"每天晚上 7 点，问我今天有没有训练。帮我保持连续打卡记录，
不要让我连续超过一天偷懒。"
"每天晚上问我 3 个关于今天的问题，记住我的回答，
每周一次告诉我有什么变化。"
"通过一张餐盘照片，帮我记录卡路里摄入。"
"监控这条航线的机票价格，价格降到我设定的数字时帮我下单。"
"每天早上给我一份不含标题党的新闻摘要，主题是我关心的领域。"一个能督促你坚持打卡的"辅导员"。一本真正记住你、并随时间成为你的"打卡伙伴"的日记。一张照片就可以完成心脏追踪，不需要额外安装一个App。一套从你自己的错误中提炼出来的语言学习方法。一个会在价格合适的时候自动补订票的作业监控器。一张把标题党彻底剔除的每日摘要。
两分钟内开始使用
打开 Telegram，找到Mira，给它发一条消息。免费版本可以立即使用。可以先试试这几条：
@mira, 帮我规划这一周
@mira, 总结这个对话
@mira, 提醒我每周一上午 9 点检查 PR
@mira, 给我写一篇关于 [主题] 的帖子，适用于 X 和 Instagram这篇文章里提到的任何一个例子，你只要打出来发送，它就会变成一个真正持续持续的循环。
这对你的一切到底意味着什么
循环不是一股潮流，它代表的是工作主导权的转移。人工智能不再是推动它走完每一步，而是开始独立完成整项工作。
话虽如此，这并不需要刻意注视、或硬塞进每个场景的东西。多数情况下，硬上循环只是白白烧钱。
**我的建议是：**先从已经现成的、免费的工具用起来，只有当你真正觉得它不够用时，才开始去思考自己到底需要什么样的旧方案。
原文地址： https://x.com/AnatoliKopadze/status/2068328135611822149