循环机制详解：Claude、GPT、Mira 以及真正有效的实践方法

AI 早已普及到每个人的手中。然而，大多数每天都在使用 AI 的人，依然在用最慢的方式：手动输入请求、等待、修正、再次提问，全程亲力亲为。

不是因为更快的方式很复杂，而是因为没人向他们展示过这种方式是什么样子。

更快的方式是一个循环，而此刻，这正是全世界最顶尖的 AI 工程师们最关心的事情。这篇文章将填补那个没人解释过的部分。

看完之后，你会比你时间线上的几乎任何人都更懂循环：它是什么，底层到底如何工作，什么时候值得用、什么时候是个陷阱，如何在 Claude 或 ChatGPT 中自己搭建一个基础版，以及那些值得在你生活中运行的简单循环。

在我们开始之前，关注我的 X 账号，并加入我刚刚创建的 Telegram 频道，我每天都会在那里分享更多 AI 内容。两者都是免费的。

X - https://x.com/AnatoliKopadze

Telegram - https://t.me/kopadzemp

大多数人如何使用 AI？

仔细看看这个一次只提一个请求的习惯，因为这就是全部问题所在。每一步都需要你来推动。你决定问什么，你判断答案的好坏，你决定下一步做什么。除非你推它一下，否则 AI 永远不会自己动起来，而一旦你停下来，它也就停了。

这没什么问题，但它有一个天花板。你就是引擎。AI 只是你手中的工具，而工具本身不会做任何事情。

还有另一种工作方式，这就是为什么全世界最优秀的工程师们正在改变他们构建的方式。不是一步步地引导 AI 完成每一步，而是你一次性给出目标，然后让它自己运行这些步骤。它会规划、执行工作、检查自己的结果、修复薄弱环节，并重复这个过程，直到达成目标。你退居幕后，工作继续进行。

https://x.com/steipete/status/2063697162748260627

两位备受尊敬的工程师，用不同的话语表达了相同的意思。大多数人读到这样的文字时，心里并不清楚它们在实践中究竟意味着什么。所以，让我们来好好拆解一下。

什么是循环？

一个提示是一条指令。一个循环是 AI 持续努力直到达成的目标。把它想象成一个递归目标：你定义一个目的，AI 不断迭代直到完成。

一个提示给你一个答案，然后等待你来决定下一步。一个循环则自行运行完整的周期：

1发现  →  搞清楚需要做什么
2规划  →  决定如何去做
3执行  →  执行工作
4验证  →  对照目标进行检查
5迭代  →  还没达到？将结果反馈回去并重复

这其中有三步承担了所有实际工作，而人们往往正是在这三步上搞错了循环的概念。

验证是循环的核心。如果没有对结果进行真正的检查，你就不是在运行循环，你只是在让 Agent 重复地自我认同。这个检查才是将重复转化为进步的关键。它可以是硬性测试（"代码是否通过"）、可衡量的条件（"数值是否大于 X"），或者模型用来打分的评估标准。没有闸门，Agent 就成了自己给自己批改作业，而那个执行工作的模型，作为评分员实在太过宽容。

状态是让循环能够学习的关键。每一次循环，AI 都必须记住它已经尝试过什么，否则它就会永远重复同样的错误。一个真正的循环会在侧面保存一小段记录：做了什么、什么失败了、下一步是什么。明天的运行可以接着来，而不是从零开始。这也正是成本开始增加的地方，我们稍后会谈到。

停止条件是让循环保持理智的关键。没有退出条件的循环会一直运行，直到成功、崩溃，或者耗尽你的账户余额。每个严肃的循环都有两种停止方式：成功，以及一个硬性限制（"尝试 8 次后，停止并报告"）。忽略这一点，你建造的就是一台可能整夜空转、一无所获的机器。

一个提示交给 AI 一条指令。一个循环交给 AI 一个任务、一种判断任务何时完成的办法，以及一个何时放弃的规则。

你真的需要它吗？

大多数文章在告诉你循环何时是个错误之前，就把循环推销给了你。以下是那些严肃的人实际使用的测试方法。只有当以下四点都成立时，循环才值得构建：

• 任务至少每周重复一次。 少于这个频率，搭建成本永远无法收回。一次性任务仍然更适合用一个好的提示来解决。
• 有东西能自动拒绝糟糕的输出。 比如测试、类型检查、构建、代码检查工具、硬性规则。如果没有东西能帮你判定工作失败，循环就只是空转。
• Agent 实际上能自己完成工作， 端到端，而不是把一半工作交还给你。
• “完成”是客观的，而不是主观判断。 如果质量取决于个人品味，那么人类仍然更胜一筹。

只要有一项不满足，就还是手动使用提示吧。关于这个主题，诚实地说：循环工程是真实的，但大多数人还不需要它的重量级版本。每个人都能用的是轻量级版本，我们很快就会讲到。但你应该知道界限在哪里。

为代码构建的版本

循环首先在软件领域流行起来，因为代码是世界上最容易验证的东西。测试要么通过，要么失败。没有争论的余地，所以 AI 总是知道自己是否完成了。

一个编码循环被赋予一个目标和一个严格的检查方式：

1▸ 循环规范
2目标：/tests/auth 中所有测试通过，代码检查无警告，无类型错误。
3
4每次迭代：
5  1. 运行测试套件并读取每一个失败
6  2. 选择影响最大的单个失败
7  3. 编写修复它的最小改动
8  4. 重新运行测试、代码检查和类型检查器
9
10验证：测试通过 + 零代码检查警告 + 零类型错误
11停止条件：验证通过，或达到 8 次迭代
12停止时：总结发生了什么变化以及仍然失败的内容

在底层，一个真正的循环由五个构建块组装而成。Claude Code 和 Codex 现在已经集成了全部五个。

1. 自动化（心跳）

这是让它成为循环而不是一次性执行的关键。你定义一个提示、一个节奏和一个目标，它就会按计划运行，无需你启动。在 Claude Code 中，/loop 按时间间隔重新运行提示，/goal 保持会话运行直到你编写的条件真正满足，钩子函数在 Agent 生命周期中的特定点触发命令，而将其推送到 cron 任务或 GitHub Actions 则能在你合上笔记本电脑后让它继续运行。结果会发送给你。你不需要自己到处去检查。

2. 技能（可复用的指令）

无需在每次运行时都粘贴一大段指令，你只需将规则、要遵循的模式以及它绝对不能碰触的硬性列表保存为一个文件，循环每次都会读取它。现在，自动化系统只需按名称调用该技能，重复性的任务就能保持可维护性，而不是腐烂在无人更新的计划任务里。

3. 子 Agent（让创作者与检查者分离）

循环在结构上最有用的小技巧莫过于将执行工作的 Agent 与检查它的 Agent 分开。编写代码的模型在批改自己作业时总是太好说话。第二个 Agent，使用不同的指令，有时是更强的模型和更高的算力，能捕捉到第一个 Agent 说服自己接受的问题。你的写手可以快速且廉价，你的审稿人可以缓慢且严格。这种分离是大部分质量的来源。

4. 连接器（让它行动，而不是建议）

这就是“一个 Agent 说‘这是修复方法’”与“一个循环自行打开拉取请求、关联工单、并在构建变绿后通知频道”之间的区别。连接器让循环能在你的真实环境中行动，而不仅仅是描述如果它有能力会怎么做。

5. 验证器（闸门）

能够自动拒绝糟糕工作的测试、类型检查或构建。这是决定循环是帮助你还是仅仅在花你钱的那一个模块。其他的都是管道设施。这部分才是让它变为现实的关键。

把这些堆叠在一起，你就得到了大型团队现在大规模运行的东西：一群 Agent 对同一项工作进行循环操作，一次数十个甚至数千个。一位工程师使用这样的循环，在六天内将整个代码库从一种编程语言重写为另一种，而手工完成这项工作需要将近一年。这确实是严肃软件开发方式的一个真正变革。而且它还伴随着一个演示从未展示过的陷阱。

没人提及的成本

循环消耗的是 Token，而 Token 就是钱。问题不在于每一步都有成本。问题在于成本是如何累积的。

每当循环进行一轮，Agent 都会重新读取其上下文：目标、代码、上一个结果、失败的原因。这整堆东西在每次迭代中都会重新发送给模型，并且每次都会变得更大。运行十次的循环不是十个提示的成本。而是十个不断变大的提示的成本。那个提升质量的创作与检查分离技巧，也使成本翻倍，因为现在是两个模型在读取工作成果，而不是一个。

1▸ 一次循环的大致成本
2单个 Agent，一个中等任务：     ~50,000 – 200,000 tokens
3每次迭代重新发送上下文：    每次都会增长
4一组并行运行的 Agent：        所有上述成本相乘

真正重要的指标，而且几乎没人追踪的，是每个被接受的变更的成本。不是花费了多少 Token 或运行了多少次循环。如果循环给了你十个结果，你扔掉了六个，那你就在做它本应帮你省去的审查工作。当接受率低于 50% 时，它的付出已经大于回报。

循环也会悄无声息地失败。工程师 Geoffrey Huntley 称之为“Ralph Wiggum 循环”：Agent 过早地认为自己完成了，在任务只完成一半时就退出，而循环则继续运行并消耗资源，却毫无产出。没有能够判定工作失败的硬性闸门，循环不会崩溃，它们只会默默地向你收费。

这就是为什么重量级版本属于有预算和防护栏的团队去运行：迭代上限、Token 预算、在枯燥步骤上使用廉价模型、监控。如果你不是这种情况，你并没有错过什么。核心思想只需一小部分成本和无需任何设置就能发挥作用。

真正可行的顺序

如果你真的要构建一个，顺序比工具更重要。那些成功部署并能在生产环境中存活的循环，其构建者都遵循同样的方式：

11. 首先确保单次手动运行是可靠的。
22. 将其转化为一个技能（保存指令）。
33. 将技能包裹在一个循环中（添加闸门 + 停止条件）。
44. 然后才将它放入计划任务。

跳过前面步骤，直接去安排一个你还没亲手验证可靠性的任务，这正是导致循环在你睡觉时出问题的原因。先证明一次，加固它，然后再自动化。

自己构建一个基础循环（任何 LLM）

你不需要一个编码 Agent 来感受它的工作原理。你现在就可以在任何 LLM 里手动运行一个简单的循环，只需要一个提示。诀窍是一次性给模型提供循环的三个部分：一个目标、严格的成功标准，以及一个迫使其在允许停止之前进行自我检查的协议。

1▸ 自检查循环（粘贴到 Claude 或 ChatGPT 中）
2你将在一个循环中工作，直到任务达到标准。
3
4任务：
5[准确描述你想要产出的内容]
6
7成功标准（要严格，不允许宽松通过）：
8- [标准 1]
9- [标准 2]
10- [标准 3]
11
12循环协议，每轮重复：
131. 规划   - 说明下一步要做什么。
142. 执行   - 产生或改进工作成果。
153. 验证   - 根据每条标准给结果评分 1-10 分。
16            要极其诚实。准确列出哪些方面仍然薄弱。
174. 决定   - 如果每条标准都达到 8 分或以上，打印 "最终版本" 并停止。
18            否则打印 "继续迭代" 并再次循环，优先修复
19            最薄弱的环节。
20
21规则：
22- 在所有标准都达到 8 分或更高之前，绝不认为任务完成。
23- 每次循环必须修复上一次验证中最薄弱的分数。
24- 不要问我问题。做出合理的假设，记下它，
25  然后继续。
26
27开始。运行循环直到输出 "最终版本"。

观察会发生什么。模型会起草初稿，根据你的标准给自己的作品打分，找到弱点，然后重写，一遍又一遍，直到它真正达到标准，而不是把第一个看起来差不多的东西给你。这就是一个循环。你只用一段话就构建了一个。

但要注意仍然缺少什么，因为这正是接下来要讲的全部要点。你就是触发器。你打开了聊天窗口，你粘贴了提示，你坐在那里看着它迭代。关闭标签页，它就消失了。没有计划任务。没有“每天早上做这个”，没有“收到邮件时唤醒”。它无法联系你，因为它只在你看着它时才存在。

要让一个循环自动运行、按计划执行、由真实事件触发、无需你守着它，通常你必须进入前面提到的那个重量级世界：工具、托管、代码、闸门，以及账单。

当你处理真正繁重的任务时，这很合理。但对于 99% 的日常任务来说，已经有一个现成的、极其简单的解决方案了。

同样的理念，应用于你的实际生活

剥去代码和成本，剩下的就是一个简单、真正有用的概念：一个能自行运行的任务，无论是按计划还是当某事发生时，无需你记住它或守在那里。你不需要成为工程师就能做到。你只需要为生活而构建的循环，而不是为代码库。

有一个免费选项，你可以用简单的语言描述来创建一个。无需代码、无需托管、无需密钥、无需保持标签页打开、无需担心构建顺序出错。

它叫 Mira，存在于 Telegram 中，这个应用你可能已经打开了。你可以像和朋友聊天一样给它发消息，它运行的循环叫做技能。每个技能都安静地拥有一个真正循环所需的相同部件：一个触发器、一个动作、一种自行运行的方式，区别在于你永远不需要将它们连接起来。你只需要说出你想要什么。

1▸ 技能
2"每个工作日早上 7 点，检查我的 Gmail 和 Google 日历。
3给我发一份简短简报：我最重要的 3 个会议、收件箱中的任何紧急事项，
4以及一件我说过要跟进但还没做的事情。控制在 120 字以内。"

这是一个真正的循环。一个时间触发器，一个跨越两个已连接应用的多步操作，自行运行并把结果发送给你。你只用一条消息就写好了。

Mira 实际能做什么

这就是让它变得有趣的地方。Mira 不是一个更聪明的聊天机器人。它和 ChatGPT 的区别很简单：ChatGPT 回答，Mira 行动。你不是让它写那封邮件，你告诉它发送那封邮件。你不会得到一个草稿工单，你会得到一个分配了负责人的真实 Linear 工单。它会在后台把事情做了，并且在每次对话之间都记得你。

它通过 Composio 连接到 500 多个应用（Notion、Gmail、Google 日历、GitHub、Figma、Stripe 等等），拥有跨会话和群聊的长期记忆，并且是模型无关的，根据任务运行 GPT、Claude 或 Gemini。以下是它能实现的效果。

用于工作

这正是循环理念无需一行代码就能发挥价值的地方。

1▸ 技能
2"每次会议前一小时，用我们上次与那人谈话的背景和决定来提醒我。"
3
4"当我转发一条消息到这里时，把它变成一个具有正确优先级并分配好负责人的 Linear 工单。"
5
6"每周五下午 4 点，收集团队的任务状态和指标，在我们的聊天中发布一份简洁的周报。"
7
8"用 5 个要点总结我不在时在这个群聊中错过的所有内容。"

它能在几秒钟内让你了解一个 200 条消息的线程内容，在你继续说话的同时归档工单，并且让你带着已简报的信息走进会议室。在群聊中，它记得整个团队的决定和任务，而不仅仅是你的。

用于创作者

这是大多数人低估的部分。Mira 能在聊天窗口内端到端地创作内容。

1▸ 技能
2"我会发一条语音备忘录，里面有个粗略的想法。把它变成一篇带有标题和话题标签的完整帖子。"
3
4"把这个想法写成适用于 X、Instagram、LinkedIn、邮件和新闻通讯的版本，每个都用正确的格式。"
5
6"为这篇帖子生成 3 张图片选项。"
7
8"把这张图片变成我 Telegram 频道的短视频。"

语音备忘录输入，约三十秒后成品帖子输出。一个简短的说明变成六个平台原生版本。它能在聊天中直接生成图片和视频，编辑照片、更换背景、构建吉祥物和头像，甚至能让它们对口型和动画化。整个内容生产流程都在一个窗口内完成。

用于语音

Mira 将语音视为一级输入，这比听起来重要得多。

1▸ 技能
2"把我的语音消息转录成清晰的文字。"
3"把这篇文章读成音频给我听。"
4"把这个群聊中的语音备忘录总结成关键点。"

它能转录你的语音消息，为你朗读文本，理解群聊中的语音备忘录并总结讨论内容，还能在你无法打字时充当免提语音助手。

用于你的生活

同样的引擎，指向生活的其他方面。

1▸ 技能
2"每天晚上 7 点，问我今天有没有锻炼。保持连续记录，别让我悄无声息地跳过超过一天。"
3
4"每天晚上，问我 3 个关于今天的问题，记住答案，每周告诉我一次有什么变化。"
5
6"通过我盘子的照片来追踪卡路里。"
7
8"监控这条航线的航班价格，当价格降到我的目标价时购买。"
9
10"每天早上，给我一份关于我关注话题的、没有标题党新闻的摘要。"

一个督促你保持连续记录的教练。一本真正记住你、并随时间推移成为你日常交流伙伴的日记。通过照片追踪卡路里，无需单独的应用。基于你自身错误构建的语言练习。一个在价格合适时帮你购买的航班监控器。一份剔除标题党新闻的每日摘要。

如何在两分钟内开始

打开 Telegram。前往 Mira。给它发一条消息。免费功能立即可用。尝试以下其中一条开始：

1@mira, 规划我的一周
2@mira, 总结这个聊天
3@mira, 提醒我每周一早上 9 点审查 PR
4@mira, 写一篇关于 [主题] 的帖子发到 X 和 Instagram

本文中的任何例子，在你输入的那一刻，就会变成一个正在运行的循环。

这对你意味着什么

循环不是一种趋势。它们是谁来做工作的一个转变。AI 不再等着你一步一步推着它走，而是开始自行运行整个任务。

话虽如此，这也不是要去追逐或强行安插到它不合适的地方的东西。很多时候，你只会白白浪费钱。

我的看法是：从免费使用现有的东西开始，只有当你真正感觉到它不够用时，才去开始思考你真正需要的是什么。

如果你想跟上 AI 领域的所有动态，请在 X 和 Telegram 上关注我：

X - https://x.com/AnatoliKopadze

Telegram - https://t.me/kopadzemp