Claude Code 团队详解四种智能体循环：从回合到主动的工程分层

一句话事件

Claude Code 团队 7 月 7 日在官方账号 @ClaudeDevs 发布一篇工程指南，把"智能体循环"按触发方式 + 停止方式拆成四种：回合循环（手动提示）、目标循环（/goal）、时间循环（/loop + /schedule）、主动循环（事件驱动）；并给出 token 用量边界、代码质量维护、试点验证三条工程约束。这是 Anthropic 第一次用自家团队权威口吻把 Agent 范式分层写清楚。

事件内容

Claude Code 团队成员 @delba_oliveira 写的这篇指南，是 2026 年 7 月初智能体范式讨论里难得的第一手权威资料。背景是 X 上关于"loop 到底是什么"的讨论太杂，每个人都在讲自己的循环定义。Claude Code 团队决定用官方框架收口，把循环拆成四种。

1. 回合制循环（Turn loop）

• 触发：用户手动提示
• 停止：Claude 自己判断完成或需要更多上下文
• 适用：不属于常规流程的短任务
• 用量管理：写具体提示词 + 用 skills（SKILL.md）改进验证环节

这是最常见的"AI 写一个点赞按钮"模式。你发提示、Claude 读代码、动手改、跑测试、交回结果。你手动检查、再发下一条。

关键的工程经验是：把手动验证步骤编码到 SKILL.md 文件，让 Claude 端到端自查。验证越量化，Claude 越能自我验证。比如明确告诉它"测试要全过 + lint 要 0 error + 没有 console.log"。

2. 目标循环（Goal loop，/goal）

• 触发：手动提示
• 停止：达成目标 或 达到最大轮数
• 适用：有可验证退出条件的任务
• 用量管理：设置具体完成标准和明确上限（"尝试 5 次后停止"）

单次回合不够，复杂任务需要迭代。/goal 让 Claude 持续工作直到达成目标。每次 Claude 想停时，评估模型会检查条件，不满足就送回去。

关键洞见是：确定性标准（测试通过数、分数阈值）让评估模型有明确锚点。这条经验对所有写 agent 框架的人都是金科玉律。

3. 时间循环（Time loop，/loop + /schedule）

• 触发：指定时间间隔
• 停止：手动取消 或 工作完成（PR 合并、队列清空）
• 适用：重复性工作（每天早晨总结 Slack、检查 PR）
• 用量管理：长间隔、事件触发

/loop 在本机跑，关机就停；/schedule 把循环转到云端。

这是从"短任务 agent"过渡到"7×24 跑的 AI 员工"的工程门槛。

4. 主动循环（Proactive loop）

• 触发：事件或计划，无人参与
• 停止：每个子任务自己退出，例程一直跑直到被关
• 适用：明确重复工作流（bug 报告、问题分类、依赖升级）
• 用量管理：把小任务路由到小模型，复杂判断留给大模型

这是 agent 范式最远的那一端——agent 自己是常驻服务，事件是触发器。

组合范式（Composition）

Claude Code 团队给了一个实际组合示例，处理"传入反馈"这个完整工作流：

1. /schedule 跑检查新报告的例程
2. /goal 定义完成状态 + skill 记录验证方式
3. 动态工作流编排多 agent：对每份报告分类、修复、审查
4. 自动模式让例程无需停下请求许可

把四种循环拆开容易看出层级：触发源从「人」到「时间」到「事件」逐层脱人，停机逻辑从「人评」到「评估模型」到「子任务自评」逐层自治。

工程约束

代码质量：保持代码库整洁 + Claude 能自验 + 文档可访问 + 第二个 agent 做代码审查（避免主 agent 推理偏差）。当单次结果不达标时，"不要只解决单个问题，而要编码进系统，让未来所有迭代都受益"。

Token 用量：选合适基元 + 定义成功停止标准 + 试点验证 + 用脚本做确定性工作 + 不比实际需要更频繁地跑 + 用 /usage /workflows 检查用量。

深度剖析

第一层：从「写 prompt」到「设计循环」的范式跃迁

X 上的混乱讨论说明了一件事：很多人写 agent 还在 prompt 层级打转，而 Claude Code 团队已经把视野拔到了"循环设计"层级。

差别在哪？Prompt 关心的是"这一轮让 AI 做什么"，循环关心的是"AI 何时停止、谁触发下一轮、谁来验证、token 怎么算"。前者是写一段提示词，后者是搭一个长跑系统。

这条范式跃迁和 06-24 字节洪定坤的"Harness 时代"反思、06-23 Google Labs "洞察策略"论文、07-06 Anthropic Claude Design 提示词开源（用户级反向工程）是同一条主线——AI agent 工程化的"工程语言"正在被各家沉淀为可复制可分享的范式。

第二层：评估模型是 Agent 范式的关键中间件

/goal 范式的核心是"评估模型"。Claude Code 不是简单让 AI 自评，而是引入了一个独立评估模型对 AI 输出做判断。

这个设计回应了 07-03 Apple × Stanford《Multi-Agent Teams Hold Experts Back》的核心数据——单 agent 独立能力 vs 团队协作，最大差距 41.1%。评估模型的角色不是"协作"，而是"裁判"。裁判和队员分离，避免队员互相吹捧或互踩。

这个范式也在 06-25 LlamaIndex Retrieval Harness 里出现——给 agent 配 retrieve/findFiles/readFile/grepFile 四个独立工具。Harness 把"工具调用"和"任务规划"分离到不同层。

第三层：主动循环 = Agent-as-a-Service

主动循环是最具产品形态的那一种：agent 自己是常驻服务，事件是触发器，每个子任务自己跑完退出。这就是 7×24 跑的"AI 员工"——agent as a service 的雏形。

对应的产品形态在 2026 Q2 已经陆续出现：

• Claude Code 的 /schedule + 动态工作流（本次指南）
• Anthropic Claude Tag（06-22 进 Slack）
• 阿里 Page Agent（07-02 开源）
• 阿里千问朱达"多快好省"主动服务（07-04）
• OpenClaw 登陆 HuggingFace 本地应用（07-07）

所有这些产品都有一个共同特征：agent 不再是"对话框里等你说话的工具"，而是"在你生活/工作后台跑着的服务"。

第四层：四种循环和具身的关系

四种循环对具身智能的意义值得点一下。

主动循环的事件触发是具身智能体的天然工作模式——机器人不是回合制等你指令，而是事件触发：检测到人 → 起身；检测到障碍物 → 重新规划；检测到电量低 → 自主回充电桩。

Clarios 那种 1×24 跑的具身智能体系统（如果有的话）一定会采纳主动循环范式。回合循环在具身上对应"用户说拿苹果 → 机器人拿"，目标循环对应"用户说把客厅整理好 → 机器人分多步完成"，时间循环对应"每天定时打扫"。

值得关注的原因

对写 prompt 的人：

• 从"写好这一轮"升级到"设计好这套循环"，能力曲线大幅提升
• 触发源、停止条件、用量边界三件套，是 agent 工程的"基本语法"

对创业做 agent 产品的人：

• 主动循环 + 事件触发 = agent as a service 的标准形态
• 评估模型是关键中间件，可以单独做产品（比如独立的 evaluator LLM）

对企业 IT：

• 四种循环对应四种部署模式：原型（回合）、自动化（目标）、批处理（时间）、长跑服务（主动）
• 选错模式会让 token 账单失控（"主动循环不设上限 = 破产"）

对学界：

• Anthropic 第一次官方给出 agent 循环的"工程分类法"
• 这会是后续 AI Agent 论文引用的高频基准（类似 "Anthropic 2026 four-loop taxonomy"）

风险与待观察

1. 指南的稳定性：/goal /loop /schedule 都是研究预览版，breaking change 概率不低
2. 评估模型的可靠性：评估模型本身是 LLM，可能被主 agent 学会"如何骗过评估"。Anthropic J-space 研究（07-07 同期）刚好揭示了模型可能在 J-space 里"知道自己在被测试"——评估范式的攻防会持续演化
3. Token 经济学：四种循环的 token 消耗差距很大，主动循环可能一晚烧光月度预算，企业需要监控 /usage /workflows
4. 竞品追赶：Cursor、Windsurf、Codex、Copilot 都会推出对标 /goal /loop 的原语，竞争会快速同质化
5. CLI + 云端二元：/loop 本机、/schedule 云端的分裂模式，对开发者是工程问题，对企业 IT 是部署模式问题
6. 指南与产品的距离：这是指南不是产品，实际落地还需要 SKILL.md 设计、评估模型调优、Harness 框架搭建，对小团队是不小的工程投入

来源

• Claude Code 团队原推：https://x.com/ClaudeDevs/status/2074208949205881033
• 作者：@delba_oliveira（Claude Code 团队）
• AI HOT 收录：https://aihot.virxact.com/items/cmr9lm48z00u7ihe85tjkvn5t