【警告】不要创建循环。除非满足 4 个条件，否则钱会烧光。
"别再写提示词了，开始创建循环吧。"
这是过去几个月里 AI 圈子里流传最广的一句话。Claude Code 的创始人和 OpenAI 的人已经开始用不同的方式表达同样的意思。
然而，大多数看到这些话的人只是一扫而过，并不知道具体该怎么做。一开始我也是这样。
还有一件事没人提前告诉你。如果不符合条件的人创建了循环，它就会变成一台悄悄烧掉你钱的机器。
在这篇文章中，我会拆解循环的构成，划清哪些人应该创建循环、哪些人不应该。之后，我会提供一种"最轻量"的循环运行方式，让你从今天就能开始，即使你还不满足所有条件。
注意，本文包含两种类型的文本：命令（需要在终端或 Claude Code 输入框中输入）和提示词（需要粘贴到 AI 聊天中的指令文本）。它们都有相应标注，方便你区分。
大多数人都以最慢的方式使用 AI
现在大多数人使用的是"一问一答"的方式。你决定问什么，你判断返回的答案是否可用，你决定下一步做什么。
你不推它，AI 就不会动；你一停，它也停。
这不一定不好。但它有天花板。你是引擎，而 AI 只是你手里的工具。
还有另一种运作方式。别再一步步引导它，而是给它目标，让它自己跑。 AI 自己决定步骤、执行工作、对照目标检查结果、修复薄弱环节，然后再次尝试。你可以离开工位，工作仍然在推进。
这就是循环。
循环的真面目：5 个步骤
提示是一条指令。循环则是一个目标，AI 会一直朝着它跑，直到抵达为止。
如果拆开循环来看，它是这样的：
① 找出……确定需要做什么
② 决定……规划具体的执行步骤
③ 执行……真正去完成工作
④ 验证……对照目标判断通过或不通过
⑤ 重复……如果还没达到目标，带着结果返回并重复
这五步中，真正关键的是最后三步。而所有失败的人，都是在这里栽跟头。
验证步骤是循环的心脏
如果没有真正检查结果的机制，那它就不是循环，只是 AI 反复对自己说"干得不错"。
让重复变成进步的，正是这种检查。它可以是一个测试是否通过，也可以是某个数字是否超过某个阈值。给 AI 一张评分卡让它给自己打分，同样有效。
没有把关人的话，结果就是干活的人给自己批作业。而写作业的人给自己打分，总是过于宽松。
记录让循环能够学习
每次迭代，AI 都需要记住之前尝试过什么。如果它记不住，就会永远重复同样的错误。
一个合格的循环会保留一份简短的备忘：完成了什么、失败了什么、下一步做什么。这样一来，明天的执行不是从零开始，而是从上次停下的地方继续。
顺便说一句，成本也是从这里开始累积的。后面我会解释原因。
没有停止条件的循环会一直跑到天亮
没有退出条件的循环会一直运行，直到成功、崩溃，或者烧光你的银行账户余额。
一个合格的循环有两种停止方式：成功时停止，以及硬性上限，比如"失败 8 次后停止并汇报"。
如果跳过这一步，你得到的就会是一台整夜空转、什么也产不出的机器。
提示给 AI 一个指令。循环给 AI 一份工作、一套判断完成的标准，以及放弃的规则。
但首先：你到底该不该建循环？
大多数文章都在推荐循环，却没告诉你什么时候不该建循环。以下是真正在跑循环的人使用的标准：
只有同时满足以下四个条件，循环才值得创建：
① 这个任务至少每周重复一次
如果频率更低，搭建循环的投入就不划算。对于一次性任务，一条好提示反而更快。
② 有自动淘汰差结果的机制
测试、类型检查、构建、linter，或硬性规则。如果什么都过滤不掉，循环就只是在空转。
③ AI 能完全独立完成
如果中途还得回来找你，你花在等待上的时间会比干活还多。
④ "完成"有客观标准
如果质量全凭个人口味，那还是人说了算。
只要缺一条，就老老实实用手动提示。
接下来说点最实在的：循环这个概念是真实的。但大多数人暂时不需要"重型"版本。 人人都能用的是"轻量"版本，我会在本文后半部分给出。不过，你还是应该知道界限划在哪里。
为什么循环先在编程圈爆发：5 个组件
循环之所以先在软件开发领域流行起来，是因为代码是世界上最好判断通过或失败的东西。测试要么通过，要么不通过，没有任何借口。因此，AI 永远知道自己是否完成了。
面向代码的循环，目标和硬性检查是成套提供的。
▼要粘贴到 AI 聊天中的指令文本▼
1目标：/tests/auth 中的所有测试通过，零 linter 警告，零类型错误。23每次都要做：4① 运行测试并阅读所有失败5② 选择影响最大的一个失败6③ 写出修复它的最小改动7④ 再次运行测试、linter 和类型检查89通过条件：所有测试通过 + 零警告 + 零类型错误10停止条件：通过时停止，或 8 次迭代后停止11停止时：汇报更改内容的摘要以及仍然失败的部分
这个循环由五个组件构成。Claude Code 和 Codex 全都具备。
① 自动触发（心跳）：这是让它成为循环而不是一次性任务的关键。只要你设置好指令、间隔和目标，即使你不亲自启动，它也会自己运行。在 Claude Code 中，/loop 会按设定间隔重复运行同一条指令，/goal 则会持续执行会话，直到条件真正满足。如果把它放到 cron 或 GitHub Actions 上，即使你合上笔记本，它也能继续工作。结果会主动送上门，你不需要去找。
▼要粘贴到 AI 聊天中的指令文本▼
1/loop 1h 运行此仓库的测试，修复恰好一个失败，然后汇报。
② 技能（可复用的指令手册）：不用每次粘贴一大段指令，而是把它们一次性保存到文件里。要遵守的规则、要模仿的模式，以及绝对不能碰的东西清单。自动执行时只需按名字调用它，从而避免因为没人更新而导致指令逐渐过时失效的问题。
③ 将创作者与检查者分离：这是搭建循环最有效的方式。写代码的模型对自己批作业总是很宽松。引入第二个使用不同指令的模型——有时是更强的模型——你就能发现第一个模型自认为没问题的东西。写代码的用快速、便宜的模型；检查的用慢速、严格的模型。这种分离带来了大部分的质量提升。
④ 集成（执行而不是建议）：一个只会说"你应该这样修"的 AI，和一个能开 PR、关联工单、在构建通过后发通知的循环，差别就在这里。它能否真正触及实际工作区，就是分界线。
⑤ 检查者（闸门）：自动拒绝劣质工作的测试或类型检查。仅这一个组件，就决定了循环是在帮你，还是只是在花你的钱。其他一切都只是管道工程。
这正是现在大型团队在做的事情。几十个甚至上千个 AI 同时在同一任务上循环。事实上，有一位工程师用这种方法在 6 天内把整个代码库重写成了另一种语言。如果手动做，几乎需要一年。
这故事很惊艳。但有一个从不会在演示中出现的代价。
没人告诉你的成本故事
循环靠 token 运行。token 就是钱。问题不在于每一步都要花钱，而在于成本是如何增长的。
每转一圈，AI 都会重新读取上下文：目标、代码、之前的结果和失败记录。这一大堆内容每次都会发给模型，而且随着每次迭代越积越多。
如果循环 10 次，账单不是 10 条提示的费用，而是10 条越来越臃肿的提示的费用。 此外，提升质量的"创作者与检查者分离"会让账单翻倍，因为两个模型都在读取上下文。
粗略估算：
1 个 AI / 1 个中等任务：5 万到 20 万 token
每轮循环重新读取上下文：每次迭代都在增加
多个 AI 并行运行：以上成本乘以 AI 数量
几乎没人关注真正重要的指标：每个被采纳结果的平均成本。 关键不在于用了多少 token 或跑了多少轮。
如果一个循环产出了 10 个结果，你扔掉了 6 个，那你就是在自己干那些本该省掉的检查工作。如果采纳率低于 50%，这个循环的投入就已经超过了它带来的价值。
更糟的是，循环可能会静默失败。 工程师 Geoffrey Huntley 称之为"Ralph Wiggum 循环"。AI 过早地认定"我完成了"，然后带着半成品退出。或者，循环一直在空转，什么都没产出，账单却不断上涨。
一个没有失败闸门的循环永远不会失败。它只会安静地扣你的钱。
这就是为什么重型版本属于那些能监控迭代上限、token 预算和性能的团队。如果你不是，你并没有错过这趟车。核心逻辑可以以低得多的成本获得，而且无需任何准备。
如果顺序搞反了，它会在你睡觉时烧钱
如果你要建循环，顺序比工具更重要。那些发布了能真正跑起来的循环的人，总是按这个顺序搭建：
① 首先，手动成功一次，确保万无一失
② 把它变成"技能"（保存指令）
③ 把技能包进循环（添加闸门和停止条件）
④ 之后才设置自动执行
在还没手动验证可行之前就设置自动执行，这正是循环在你睡觉时烧光预算的原因。先证明一次，固化下来，然后再自动化。
今天就能跑的最轻量循环
即使没有专门面向编程的 AI，你现在也能体验循环的感觉。用一条提示就能跑手动循环。
诀窍在于一开始就提供全部三个组件：目标、严格的通过条件，以及 AI 在停止前检查自己的流程。
---提示（要粘贴到 AI 聊天中的指令文本）---
1你现在将以循环方式工作，直到满足标准为止。23【任务】 [具体写出你想要创建的内容]45【通过条件（不允许宽松打分）】67[条件 1]8[条件 2]9[条件 3]1011【每次迭代的流程】12① 规划：只声明接下来要做的单独一步。13② 执行：创建或修复。14③ 检查：按 1 到 10 分给每个条件打分。要极其严格，不留情面。列出所有薄弱点。15④ 判断：如果所有条件都达到 8 分或以上，输出"FINAL"并停止。否则，输出"ITERATING"，然后重复，从修复得分最低的点开始。1617【规则】1819在所有条件都达到 8 分或以上之前，不要说"完成"。20每次迭代，你必须修复上一轮得分最低的点。21不要问我问题。做出合理的假设，记录它们，然后继续。22请开始。循环直到输出"FINAL"为止。
试着粘贴一下，你就会看到效果。AI 会创建草稿，根据你的条件给自己打分，找出薄弱点，然后重写。它会一直重复，直到超过标准为止。那种"把看起来差不多的第一版直接丢给你"的常见行为，不见了。
仅用一段话，你就能创建这套流程。
但还是少了点什么
这个循环有一个致命缺陷：你就是触发器。
你得打开聊天窗口，粘贴提示，然后盯着它。关掉标签页，它就没了。它不会按计划运行，也不会在邮件到达的那一刻醒来。它只在你盯着的时候存在，所以它不会主动来通知你。
当你想要一个能自己醒来、自己运行、把结果送到你面前的循环时，你就站在了"重型"世界的入口。那里有工具、托管、代码、闸门和账单。
对于真正重型的工作，那是正确的投资。但对于 90% 的日常任务，你不需要那么大的阵仗。现阶段，你已经拥有的工具自带的定时执行功能就足够了，比如 Claude Code 的 /loop 和 /goal，或者定时运行。这些不是新东西，它们已经在你手上了。
总结
- 循环意味着给 AI 一个目标、一套完成判断标准和一套放弃规则。
- 核心是检查。如果没有可以失败的闸门，它就不是循环。
- 除非满足以下条件，否则不要建循环：每周重复、可自动淘汰、AI 可独立完成、可客观验证。
- 成本会随着每次迭代膨胀。要关注的指标是每个被采纳结果的平均成本。采纳率低于 50% 就是亏损。
- 正确顺序是：手动成功 → 技能 → 循环 → 自动执行。
- 如果你不需要重型版本，从上面那条提示开始就够了。
循环不是一时风潮，它代表着"谁来干活"的转变。但它也不该被盲目追逐。如果被硬塞进错误的地方，它只会让钱消失。用你已经拥有的免费工具跑起来，当你亲身体验到这些工具不够用的时候，再考虑下一步。
参考文章
本文是基于以下内容重新构建的日语版：
循环解析：Claude、GPT、Mira 以及真正有效的做法
Anatoli Kopadze / 2026-06-20
