深入解析 Loops：Claude、GPT、Mira 以及真正有效的實作方式

AI 已經在每個人手邊存在多年。多數天天使用 AI 的人，仍然在用最慢的方式：輸入請求、等待、修正、再問，全程手動。

不是因為更快的方式很複雜，而是因為從來沒人讓他們見識過那是什麼模樣。

更快的方式就是「迴圈」，而這個詞目前正是全世界最頂尖的 AI 工程師最關心的焦點。這篇文章要補上那個沒人解釋過的部分。

讀完之後，你會比你的訊息牆上絕大多數人都更理解迴圈：它們是什麼、底層實際如何運作、何時值得用、何時是陷阱、如何在 ChatGPT 或 Claude 裡自己建一個簡單的，以及那些值得在你生活中運行的輕量迴圈。

在開始之前，先追蹤我的 X 帳號，並加入我剛創建的 Telegram 頻道，我每天都會在上面分享更多 AI 內容。兩者都是免費的。

X - https://x.com/AnatoliKopadze

Telegram - https://t.me/kopadzemp

多數人怎麼用 AI？

仔細看看那個「一次問一個問題」的習慣，因為這就是問題的根源。每個步驟都得經過你。你決定要問什麼、你判斷答案、你決定下一步。AI 永遠不會主動行動，除非你推它一把；你一停，它就跟著停。

這樣用沒什麼不對，但它有天花板。你才是引擎。AI 只是你手中的工具，工具本身不會自己做事。

還有另一種工作方式，這也是為何全球最優秀的工程師正在改變他們建構的方式。你不是一步步引導 AI，而是把目標給它一次，讓它自己跑完整個流程。它會規劃、執行工作、檢查自己的結果、修正不足之處，然後重複直到達成目標。你退場，工作持續進行。

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

兩位最受尊敬的工程師，用不同的話說了同一件事。多數人讀到這些句子，心底並不明白它們在實務上究竟代表什麼。所以讓我們好好拆解一下。

什麼是迴圈？

一個提示（prompt）是一道單一指令。一個迴圈（loop）則是一個目標，AI 會不斷朝它前進，直到達成。把它想成一個遞迴目標：你定義一個目的，AI 反覆迭代直到完成。

提示給你一個答案，然後等你決定下一步。迴圈則自己跑完整個循環：

1發現  →  弄清楚需要做什麼
2規劃  →  決定如何做
3執行  →  開始工作
4驗證  →  對照目標檢查
5迭代  →  還沒達成？把結果重新餵入，再重複

這五個步驟中有三個才是真正在做事的，而這也正是人們最容易搞錯的地方。

驗證是迴圈的核心。 如果沒有真正的檢查機制，你就不是在跑迴圈，只是讓 AI 不斷重複自言自語。檢查才是把重複變成進步的關鍵。它可以是一個嚴格的測試（「程式碼能否通過」）、一個可衡量的條件（「數字是否超過 X」）、或一份評分標準讓模型自己打分。少了閘門，AI 等於是在幫自己改作業，而那個寫作業的模型打分數時絕對寬容過頭。

狀態讓迴圈學會教訓。 每跑一輪，AI 都得記得自己試過什麼，否則就會一直犯同樣的錯。真正的迴圈會在一旁保留一小份記錄：哪些完成了、哪些失敗了、下一步要做什麼。明天重新啟動時，它是從中斷處繼續，而不是從零開始。這也正是它開始變貴的地方，我們稍後會談到。

停止條件讓它保持理智。 沒有出口的迴圈會一直跑到成功、當機、或是扣光你的帳戶。每個認真設計的迴圈都有兩個停止方式：成功，以及一個硬限制（「嘗試 8 次後停止並回報」）。跳過這個，你就造了一台可以為了一件沒結果的事跑整晚的機器。

提示給 AI 一道指令。迴圈則給 AI 一份工作、一個知道工作何時完成的標準，以及一個何時該放棄的規則。

你真的需要一個嗎？

多數文章在告訴你迴圈何時是個錯誤之前，就先推銷你迴圈。以下是真正內行的人用來判斷的測試。只有當以下四點都成立時，才值得建一個迴圈：

• 這項任務至少每週重複一次。 少於這個頻率，設定成本永遠無法回收。一次性任務還是用一個好提示來處理比較合適。
• 有東西能自動拒收爛輸出。 像是測試、型別檢查、建置、lint 工具、硬規則。如果沒有任何東西能讓工作失敗，迴圈就只會空轉。
• AI 真的能自己完成工作，從頭到尾，而不是把一半丟回給你。
• 「完成」是客觀的，不是主觀判斷。 如果品質是個人品味問題，那還是人類比較可靠。

只要有一項不符，就繼續用手動提示。關於這個主題最誠實的說法是：迴圈工程是真的，但多數人還不需要那個重型的版本。每個人都能用的，是輕量版本，我們稍後會談到。 但你該知道界線在哪。

專為程式碼打造的版本

迴圈最先在軟體領域起飛，因為程式碼是全世界最容易驗證的東西。測試通過就是通過，失敗就是失敗。沒什麼好爭論的，所以 AI 永遠知道自己是否完成了。

一個程式碼迴圈被賦予一個目標和一個嚴格的檢查方式：

1▸ 迴圈規格
2目標：/tests/auth 中的所有測試通過、lint 無錯誤、無型別錯誤。
3
4每次迭代：
5  1. 執行測試套件並讀取所有失敗項目
6  2. 選出影響最大的一項失敗
7  3. 撰寫能修復它的最小變更
8  4. 重新執行測試、lint 及型別檢查
9
10驗證：測試全綠 + lint 零警告 + 型別零錯誤
11停止條件：驗證通過，或達到 8 次迭代
12停止時：總結哪些變更、哪些仍失敗

在底層，真正的迴圈是由五個構建模組組合而成。Claude Code 和 Codex 現在都內建了這五個。

1. 自動化（心跳）

這是讓它成為迴圈、而不是一次性任務的觸發器。你定義一個提示、一個週期、一個目標，它就會按照排程自動執行，不需要你啟動。在 Claude 中，/loop 會在固定間隔重新執行提示，/goal 會讓會話持續到你自己寫的條件真正成立為止，hook 會在 AI 生命週期的特定時刻觸發指令，而把它推到 cron job 或 GitHub Actions 上，就能在你關上筆電後繼續執行。結果會送到你手上，你不需要親自去檢查。

2. 技能（可重複使用的指令）

與其每次執行時貼上一大串指令，不如把它們一次性存成一個檔案，讓迴圈每次都讀取：包括規則、要遵循的模式，以及一份絕不能動的硬性清單。現在自動化只要按名稱呼叫技能即可，週期性任務變得容易維護，而不會腐化在沒人更新的排程裡。

3. 子 Agent（讓製作與檢查分離）

迴圈在結構上最有用的一招，就是把執行工作的 AI 與檢查工作的 AI 分開。寫程式的那個模型對自己的作業打分數太寬容了。第二個 AI，帶著不同的指令、有時是更強的模型、更高的努力程度，會抓到第一個 AI 說服自己過關的問題。你的寫手可以又快又便宜，你的審查員可以又慢又嚴格。這個分離就是品質的主要來源。

4. 連接器（讓它行動，而不只是建議）

這就是「AI 說『這是修正方法』」與「迴圈直接開 pull request、連結 ticket、在建置通過後自動通知頻道」之間的差別。連接器讓迴圈能夠在你的真實環境中採取行動，而不只是描述它如果能做的話會怎麼做。

5. 驗證器（閘門）

那個能自動拒絕不良輸出的測試、型別檢查或建置。這一個構建模組決定了迴圈是在幫你，還是在燒你的錢。其他都只是管線。這才是讓它成真的部分。

把這些疊在一起，你就得到了大型團隊現在大規模運行的東西：一群 AI 在同一個任務上循環，一次幾十個甚至幾千個。有位工程師用這樣的迴圈，在大概六天內把整個程式碼庫從一種程式語言改寫成另一種，這項工作如果手動做大概需要接近一年。這確實改變了嚴肅軟體被建構的方式。但它也附帶了一個展示影片從不告訴你的代價。

沒人提到的成本

迴圈靠 token 運作，而 token 就是錢。問題不在於每一步都有成本。問題在於成本如何疊加。

每次迴圈跑一圈，AI 都要重新讀取它的上下文：目標、程式碼、上一次的結果、哪些失敗了。整疊資料在每次迭代時都會被重新送進模型，而且越長越大。一個跑十次的迴圈，成本不是十個提示。而是十個提示，而且每個提示都在變大。那個提升品質的「製造者與檢查者」技巧，也讓帳單翻倍，因為現在是兩個模型在讀工作成果，而不是一個。

1▸ 一個迴圈的大概成本
2單一 AI，一個中型任務：     ~50,000 – 200,000 個 token
3每次迭代重新發送上下文：     每輪增長
4一群 AI 平行執行：          全部乘以上述數字

真正重要的指標，而且幾乎沒人在追蹤的，是「每個被接受的變更的成本」。不是花了多少 token 或跑了多少輪。如果迴圈給了你十個結果，你丟掉六個，那你正在做的審查工作正是它原本該幫你省下的。低於 50% 的接受率，它帶來的就是負收益。

迴圈也會默默地失敗。工程師 Geoffrey Huntley 稱之為「Ralph Wiggum 迴圈」：AI 太早覺得自己完成了，在一個只做一半的工作上退出，然後迴圈繼續跑繼續花錢，卻什麼也沒產出。如果沒有能讓工作失敗的硬閘門，迴圈不會當機，它只會安靜地向你收費。

這就是為什麼重型版本只適合有預算和防護措施的團隊：迭代上限、token 預算、在無聊步驟上用便宜的模型、監控。如果你不是這種團隊，你並沒有錯過什麼——核心概念可以用極低的成本和零設定來運作。

真正有效的順序

如果你真的要建一個，順序比工具重要。那些能產出可長期運作迴圈的人，做法都一樣：

11. 先讓一次手動執行可靠。
22. 把它變成一個技能（儲存指令）。
33. 把技能包進迴圈（加入閘門 + 停止條件）。
44. 然後才設定排程。

跳過前面、直接把還沒用手動確認過的東西排程，這正是迴圈在你睡覺時爆炸的原因。先證明它一次可行，強化它，然後才自動化。

自己建一個簡單的迴圈（任何 LLM 都行）

你不需要一個程式碼 AI 就能感受這是怎麼運作的。你現在就可以在任何 LLM 裡手動跑一個簡單的迴圈，只需要一個提示。訣竅是一次給模型所有三個迴圈部分：目標、嚴格的通過標準、以及一個強迫它在允許自己停止前先檢查自己的協定。

1▸ 自我檢查迴圈（貼進 Claude 或 ChatGPT）
2你將以迴圈方式工作，直到任務達到標準。
3
4任務：
5[精確描述你想產出的內容]
6
7通過標準（嚴格，不給軟性通過）：
8- [標準 1]
9- [標準 2]
10- [標準 3]
11
12迴圈協定，每輪執行：
131. 規劃   - 說明下一步要做什麼。
142. 執行   - 產出或改善作品。
153. 驗證   - 對每個標準給作品打分 1-10 分。
16            要極度誠實。精確列出仍然薄弱的地方。
174. 決定   - 如果每個標準都是 8 分以上，輸出「最終版」並停止。
18            否則輸出「繼續迭代」並再次執行，先修正最弱的點。
19
20規則：
21- 在每個標準都達到 8 分以上之前，絕不能說完成。
22- 每輪必須修正上一輪驗證中最低分的項目。
23- 不要問我問題。做一個合理的假設、註明它、然後繼續。
24
25開始。跑迴圈直到輸出「最終版」。

觀察發生什麼事。模型會起草、根據你的標準自我評分、找到弱點、改寫，一直重複，直到它真的達到要求，而不是把第一個看起來差不多的結果丟給你。這就是一個迴圈。你只用一段文字就建了一個。

但注意還少了什麼，因為這正是接下來要說的重點。你是觸發者。你開啟了對話、貼上提示、坐在那裡看著它迭代。關掉分頁，它就沒了。沒有排程。沒有「每天早上做這個」、沒有「收到郵件時醒來」。它無法主動聯繫你，因為它只在你看著它的時候存在。

要得到一個能自主運作、依排程、由真實事件觸發、不需要你盯著的迴圈，正常來說你得進入前面提到的重型世界：工具、主機、程式碼、閘門、帳單。

當你在處理真正大型任務時，這麼做是合理的。但對於 99% 的日常任務，已經有一個現成的、超級簡單的解決方案了。

同樣的概念，用於你的真實生活

拿掉程式碼和成本，剩下一個簡單但超級實用的概念：一個能自動執行、依排程或當某事發生時就運作、不需要你記住或在場的任務。你不需要是工程師。你只需要為生活（而非程式碼庫）設計的迴圈。

有一個免費的選項：用白話描述你想做的事，就能建立一個。不需要程式碼、主機、金鑰、開著的分頁、或搞錯的建構順序。

它叫做 Mira，住在 Telegram 裡——就是你大概已經開著的那個 app。你可以像跟朋友聊天一樣傳訊息給它，而它跑的迴圈叫做「技能」。每個技能都安靜地包含真正迴圈需要的所有部分：觸發器、動作、自主運作的方式，差別在於你完全不用把它們接起來。你只需要說你想要什麼。

1▸ 技能
2「每個工作日早上 7 點，檢查我的 Gmail 和 Google 日曆。
3給我一份簡短的摘要：最重要的 3 個會議、收件匣裡任何緊急事項、
4以及一件我說過要跟進但還沒做的事。控制在 120 字以內。」

這就是一個真正的迴圈。時間觸發器、跨兩個已連結 app 的多步驟動作、自動執行並把結果送到你手上。你只用一句訊息就寫出來了。

Mira 實際上能做些什麼

以下就是讓它變得有意義的部分。Mira 不是一個更聰明的聊天機器人。它跟 ChatGPT 的差別很簡單：ChatGPT 回答，Mira 行動。你不是叫它寫一封 email，你叫它寄出那封 email。你不是拿到一張待辦事項草稿，而是 Linear 裡一張指定了負責人的真實 ticket。它會實際做事，在背景執行，而且它會在每次對話之間記得你。

它透過 Composio 連接超過 500 個 app（Notion、Gmail、Google 日曆、GitHub、Figma、Stripe 以及幾百個其他服務），擁有跨會話和群組聊天都記得的長期記憶，而且它不受限於單一模型，會根據任務使用 GPT、Claude、Gemini。以下是這能變成什麼。

對於工作

這裡才是迴圈的概念在不寫一行程式碼的情況下真正發揮價值的地方。

1▸ 技能
2「在每個會議開始前一小時，用我們上次與那個人對話的
3脈絡和決策來提醒我。」
4
5「當我把一則訊息轉寄到這裡時，把它變成 Linear 的一張
6 ticket，帶有正確的優先級並指定負責人。」
7
8「每週五下午 4 點，整理團隊的任務狀態和數據，
9並在我們的聊天室裡發布一份簡潔的週報。」
10
11「用 5 個重點總結我離開期間在這群組聊天錯過的所有內容。」

它能在幾秒內幫你補上 200 則訊息的討論串，在你繼續說話的同時幫你建 ticket，而且走進會議時已經做好準備。在群組聊天中，它記得團隊的決策和任務，不只你個人的。

對於創作者

這是多數人低估的部分。Mira 能夠在聊天室內從頭到尾產出內容。

1▸ 技能
2「我會傳一段語音訊息，裡面有一個粗略的想法。把它變成
3一篇完整的貼文，包含說明文字和 hashtag。」
4
5「拿這個點子，分別寫出適合 X、Instagram、LinkedIn、
6Email 和電子報的版本，每個都用對的格式。」
7
8「為這篇貼文生成 3 張圖片選項。」
9
10「把這張圖片變成一支短影片，放到我的 Telegram 頻道。」

語音訊息進去，大約三十秒後成品貼文出來。一個簡單的點子變成六個平台的版本。它直接在聊天室裡生成圖片和影片、編輯照片、更換背景、製作吉祥物和頭像，甚至能對嘴和製作動畫。整個內容產出流程都在一個視窗裡完成。

對於語音

Mira 把語音視為第一級別的輸入，這比聽起來重要得多。

1▸ 技能
2「把我的語音訊息轉錄成乾淨的文字。」
3「把這篇文章用語音讀給我聽。」
4「把這個群組聊天裡的語音訊息總結成重點。」

它轉錄你的語音訊息、把文字讀給你聽、理解群組聊天內的語音記錄並總結討論，而且在你不能打字時可以當作免持語音助理使用。

對於你的生活

同一個引擎，用在所有其他事情上。

1▸ 技能
2「每天晚上 7 點，問我今天有沒有訓練。保持連續記錄，
3不讓我不知不覺跳過超過一天。」
4
5「每晚問我 3 個關於今天的問題，記住答案，每週一次
6告訴我有哪些改變。」
7
8「從我的餐盤照片追蹤卡路里。」
9
10「追蹤這條航線的價格，當降到我的目標價時就買。」
11
12「每天早上給我一份不帶標題黨的新聞摘要，主題是我關心的。」

一個會盯住你不讓你中斷記錄的教練。一個真的記得你、隨著時間變成問候夥伴的日記。從照片追蹤卡路里，不需要另外的 app。根據你自己犯的錯誤來練習語言。一個在價格對的時候幫你買的機票追蹤器。一份去掉了標題黨的每日摘要。

如何在兩分鐘內開始

打開 Telegram。前往 Mira。傳一則訊息給它。馬上就能免費使用。先試試這些：

1@mira, 規劃我的一週
2@mira, 總結這個聊天室
3@mira, 提醒我每週一早上 9 點審查 PR
4@mira, 為 X 和 Instagram 寫一篇關於 [主題] 的貼文

本文中的任何範例，只要打出來就會變成一個持續運作的迴圈。

這對你實際上意味著什麼

迴圈不是一個趨勢。它們是一場關於誰來做工作的轉變。AI 不再等你一步步推它，而是開始自己跑完整個工作。

話雖如此，這不是要去追逐或硬塞到不適合的地方的東西。大多數時候，你只會白白燒錢。

我的看法：先從已經免費可用的東西開始，直到你真的覺得不夠用，再來思考你真正需要什麼。

如果你想跟上 AI 領域的所有動態，請在 X 和 Telegram 上追蹤我：

X - https://x.com/AnatoliKopadze

Telegram - https://t.me/kopadzemp