AI代理的循环工程：/loop如何改变AI工作流程

AI代理正从一次性助手转变为持续工作的代理人，能够重复任务、监控变化、运行检查、更新工作流程并返回结果。传统的AI交互通常是一次性提示，用户需要手动决定下一步。然而，实际工作很少是单一的提示——代码审查需要反复检查，部署需要监控，收件箱需要每日处理，研究往往需要多次迭代。循环（Loop）的出现使得AI代理能够持续工作，直到达到目标或满足停止条件。

什么是代理循环？

代理循环是一个重复的周期，其中AI代理观察当前上下文，决定下一步行动，使用工具，检查结果，然后继续或停止。典型的步骤包括：观察上下文、规划行动、使用工具、检查结果、验证进展、继续或停止。与普通聊天机器人不同，代理循环可以跨多个工具调用、轮次或定时运行持续进行。

为什么/loop现在很重要？

/loop的价值不仅在于重复提示。Cron作业可以定时执行脚本，但循环代理能在每次运行中推理。例如，一个Cron作业每10分钟运行一个脚本，而循环代理可以检查输出，判断失败是否不稳定，搜索相关日志，比较当前状态与上次运行，更新任务并生成可读的摘要。这代表了AI助手演进的重大一步：从单次提示到工具使用，再到循环工程。

从提示工程到循环工程

提示工程关注为单次响应编写良好指令，而循环工程关注设计可重复的代理系统。循环工程师需要考虑：什么触发代理？代理可以使用哪些工具？它应该验证什么？停止条件是什么？哪些行动需要人类批准？现代编码代理已经遵循内部循环，循环工程使这些循环更加可靠和可控。

循环代理的核心架构

一个生产级的循环代理通常包含以下层：

1. 触发层：手动、定时、事件或目标触发。
2. 循环编排器：管理每个周期中的操作顺序，决定循环是否继续。
3. 上下文构建器：每次运行提供新鲜上下文，如代码差异、构建日志、客户消息等。
4. 工具层：代理执行动作的接口，如读取文件、运行测试、调用API。需要仔细设置权限。
5. 验证器：检查循环是否取得进展，可以是确定性或基于AI的。
6. 状态存储和记忆：避免重复工作，存储最后运行时间、状态、错误等。
7. 人工审核层：对不可逆决策保留人类控制。

代理循环的类型

代理循环分为四种主要类型：

• 轮次循环：用户提示启动，代理完成回答后停止，适用于编码和研究。
• 目标循环：明确目标启动，目标达成或达到最大轮次后停止，适合性能优化。
• 定时循环：间隔或调度启动，用户停止或超时后停止，适合监控和提醒。
• 主动循环：事件或外部触发启动，任务完成或需要批准后停止，适合支持和运营。

Claude Code的/loop：能力、访问和限制

Claude Code的/loop允许在当前会话中重复运行提示。例如，/loop 5m check the deploy每5分钟检查部署。访问需要Claude Code v2.1.72或更新版本。主要能力包括：轮询部署、监控拉取请求、检查测试输出、监控日志、运行本地维护。限制包括依赖会话、最小间隔为分钟、固定间隔循环最多运行7天、会话最多50个定时任务。定制可通过.claude/loop.md文件。

OpenAI Codex的自动化

OpenAI Codex支持通过自动化和工作空间代理实现循环。自动化可以附加到线程或独立定时运行。工作空间代理运行更长时间，跨连接工具并具有批准控制。

实际应用示例

文章提供了两个示例：PR保姆和发布守卫（监控拉取请求直到CI通过），以及AI工作日简报和收件箱分类（生成每日摘要并处理邮件）。这些示例展示了循环在实际工作流中的实用性。

结论

循环工程正在改变AI代理的工作方式。通过设计可重复、可推理的代理系统，团队可以将AI从一次性工具转变为持续工作的队友。随着Claude Code和OpenAI Codex等平台的支持，循环将成为AI工作流的基础模式。