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?affqBX92、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 ModeDynamic Workflows例如/schedule every hour: check #project-feedback for bug reports. /goal: dont 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。