深入解析循环：Claude、GPT、Mira 以及真正有效的方案

AI 已经进入每个人的手中多年了。大多数每天使用它的人，仍然在用最慢的方式：输入请求、等待、修正、再问，全程手动。

不是因为更快的方式很复杂，而是因为没人向他们展示过那是什么样子。

更快的方式是一个循环，而目前这正是全世界最优秀的 AI 工程师们最关心的事情。这篇文章将补上没人解释清楚的那部分。

读完本文，你将比你的时间线上绝大多数人更懂循环：它们是什么，底层实际如何运作，何时值得用、何时是陷阱，如何在 Claude 或 ChatGPT 中自己搭建一个基础循环，以及那些值得在你生活中运行的简单循环。

在深入之前，在 X 上关注我，获取更多实用的 AI 技巧、工作流程和工具。我每天都会分享新的 AI 内容。

X： https://x.com/ai_rohitt

大多数人如何使用 AI？

仔细看看这种一次一个请求的习惯，因为这就是问题的全部。每一步都要经过你。你决定问什么，你判断答案，你决定下一步。除非你推动，否则 AI 永远不会行动；你一旦停下，它也就停了。

这没问题，但它有天花板。你是引擎，AI 只是你手中的工具，而工具本身不会做任何事。

还有另一种工作方式，这也是全世界最优秀的工程师们正在改变他们构建方式的原因。你不是带着 AI 走完每一步，而是给它一个目标，然后让它自己运行步骤。它规划、执行工作、检查自己的结果、修复薄弱环节，并重复直到目标达成。你抽身而出，工作继续推进。

什么是循环？

提示词是一条指令。循环是一个 AI 持续努力直到达成的目标。把它看作一个递归目标：你定义一个目的，AI 不断迭代直到完成。

提示词给你一个答案，然后等你决定下一步。循环则自行运行完整的周期：

1发现  →  弄清楚需要做什么
2规划  →  决定如何做
3执行  →  完成工作
4验证  →  对照目标检查
5迭代  →  还没达到？把结果反馈回来，重复

这五个步骤中有三个承担了所有实际工作，而人们正是在这里搞错循环。

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 不断重复地自我认同。检查是将重复转化为进步的关键。它可以是一个硬性测试（"代码是否通过"）、一个可衡量的条件（"数字是否高于 X"），或者一个模型对照评分的标准。没有关卡，就意味着 Agent 在给自己的作业打分，而完成工作的那个模型作为评分者，实在太过宽容了。

状态让循环能够学习。每次迭代，AI 都必须记住它已经尝试过什么，否则它会永远重复同一个错误。一个真正的循环会在旁边保留一份小记录：已完成、已失败、下一步。明天的运行可以从断点恢复，而不是从零开始。这也正是成本开始上升的地方，我们稍后会谈到。

停止条件让循环保持理智。没有退出条件的循环会一直运行，直到成功、崩溃或耗尽你的账户余额。每个严肃的循环都有两种停止方式：成功和一个硬性限制（"尝试 8 次后停止并报告"）。跳过这个，你就造了一个可能整夜空转、一无所获的机器。

提示词交给 AI 一条指令。循环交给 AI 一份工作、一种知道工作何时完成的方法，以及一条何时放弃的规则。

你真的需要循环吗？

大多数文章在告诉你循环何时是个错误之前，就先推销给你循环。以下是那些严肃的人实际使用的测试。只有当以下四个条件全部满足时，才值得构建一个循环：

• 任务至少每周重复。低于这个频率，设置成本永远无法收回。一次性任务仍然更适合用一个好的提示词来完成。
• 有东西可以自动拒绝糟糕的输出。一个测试、类型检查、构建、代码检查工具、硬性规则。如果没有任何东西能为你判定工作失败，循环就只是在空转。
• Agent 实际上可以自己完成工作，端到端，而不是把一半交回给你。
• "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。

只要有一个条件不满足，就保持手动提示词。关于这个话题的诚实版本是：循环工程是真实的，但大多数人还不需要重型版本。每个人都能用的是轻量版本，我们稍后会谈到。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种严格的检查方式：

1▸ 循环规格
2目标：/tests/auth 中的所有测试通过，代码检查干净，无类型错误。
3
4每次迭代：
5  1. 运行测试套件并读取每个失败
6  2. 选择单个影响最大的失败
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：绿色测试 + 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：总结更改了什么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 现在都内置了这五个模块。

1. 自动化（心跳）

这是让它成为循环而不是一次性运行一次的触发器。你定义一个提示词、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词，/goal 保持会话持续直到你编写的条件为真，钩子在 Agent 生命周期的特定点触发命令，将其推送到 cron 作业或 GitHub Actions 可在你合上笔记本电脑后继续运行。结果会发送给你。你不需要亲自去检查。

2. 技能（可复用的指令）

你不需要在每次运行时粘贴一大段指令，而是将它们保存为一个文件，循环每次都会读取：规则、要遵循的模式，以及一份它绝对不能触碰的硬性清单。现在，自动化只需按名称调用技能，重复性工作就能保持可维护性，而不会腐烂在一个没人更新的计划里。

3. 子 Agent（让制造者远离检查者）

循环中最有用的结构技巧是将执行工作的 Agent 与检查工作的 Agent 分开。编写代码的模型在给自己的作业打分时太过宽容。第二个 Agent，使用不同的指令，有时是更强的模型和更高的投入，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；你的审稿人则缓慢且严格。这种分离是大部分质量的来源。

4. 连接器（让它行动，而非建议）

这就是一个说"这是修复方案"的 Agent 与一个自动打开拉取请求、关联工单、并在构建通过后自动在频道里发消息的循环之间的区别。连接器让循环在你的真实环境中行动，而不仅仅是描述如果它能做到会做什么。

5. 验证器（关卡）

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花费你金钱的单个模块。其他一切都是管道。这部分才是让它变得真实的关键。

把这些堆叠起来，你就得到了大型团队现在大规模运行的东西：成群的 Agent 在同一个任务上循环，一次几十个甚至上千个。一位工程师使用这样的循环，在大约六天内将整个代码库从一种编程语言重写为另一种，这项工作如果手工完成将需要接近一年时间。这确实是严肃软件构建方式的一个真正改变。而且它附带了一个演示从未展示过的陷阱。

没人提到的成本

循环消耗 Token，而 Token 就是金钱。问题不在于每一步都有成本。问题在于成本如何累积。

每次循环迭代时，Agent 都会重新读取它的上下文：目标、代码、上次的结果、失败的内容。整个堆栈在每次迭代中都会重新发送给模型，并且每次迭代都会增长。一个运行十次的循环，成本不是十个提示词。而是十个提示词，而且每个都在不断变大。提升质量的制造者-检查者技巧也会使账单翻倍，因为现在有两个模型在读取工作，而不是一个。

1▸ 一个循环的大致成本
2单个 Agent，一个中等任务：     ~50,000 – 200,000 Token
3每次迭代重新发送上下文：      每次迭代都会增长
4并行的 Agent 集群：           将以上所有乘以倍数

真正重要的指标，几乎没人追踪，是每次被接受的变更的成本。不是花费的 Token 或运行的循环次数。如果循环给你十个结果，你扔掉了六个，那么你正在做它本应节省的审查工作。接受率低于 50%，它的成本就超过了回报。

循环也会静默失败。工程师 Geoffrey Huntley 称之为"Ralph Wiggum 循环"：Agent 过早地认为自己完成了，在完成一半的工作时就退出，而循环继续运行并消耗资源，却毫无产出。如果没有一个能判定工作失败的硬性关卡，循环不会崩溃；它们会静默地向你收费。

这就是为什么重型版本属于有预算和护栏来运行它的团队：迭代上限、Token 预算、在无聊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零设置就能工作。

实际有效的顺序

如果你真的要构建一个循环，顺序比工具更重要。那些能交付并在生产中存活下来的循环的人，都遵循同样的方式：

11. 首先确保一次手动运行是可靠的。
22. 将其转化为一个技能（保存指令）。
33. 将技能包装在循环中（添加关卡 + 停止条件）。
44. 然后才将其放入计划中。

跳过步骤，将你尚未通过手动验证可靠的东西安排计划，这正是循环在你睡觉时爆炸的原因。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 来感受这是如何工作的。你现在就可以在任何 LLM 中手动运行一个简单的循环，只需要一个提示词。诀窍是同时给模型所有三个循环部分：一个目标、严格的成功标准，以及一个强制它在被允许停止之前自我检查的协议。

1▸ 自检循环（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[准确描述你想要生成的内容]
6
7成功标准（要严格，没有宽松通过）：
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   - 陈述下一个步骤。
142. 执行   - 生成或改进工作。
153. 验证   - 对每个标准按 1-10 分评分。
16           要极其诚实。准确列出仍然薄弱的地方。
174. 决定   - 如果每个标准都是 8 分或以上，打印"完成"并停止。
18           否则打印"迭代中"并再次进行，首先修复
19           最薄弱的点。
20
21规则：
22- 在每项标准都达到 8 分或更高之前，永远不要宣布完成。
23- 每次迭代必须修复上一次验证中得分最低的部分。
24- 不要问我问题。做出合理的假设，记录下来，
25  然后继续。
26
27开始。运行循环直到"完成"。

观察会发生什么。模型起草，根据你的标准给自己的作品打分，找到薄弱环节，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结果交给你。这就是一个循环。你只用一段话就构建了一个。

但请注意仍然缺少什么，因为这是接下来内容的关键。你是触发器。你打开了聊天，你粘贴了提示词，你坐在那里看着它迭代。关闭标签页，它就消失了。没有计划。没有"每天早上做这个"，没有"当邮件到达时唤醒"。它无法联系你，因为它只在你看着它的时候存在。

要获得一个能独立运行、按计划执行、由真实事件触发、无需你监督的循环，你通常必须进入前面提到的重型世界：工具、托管、代码、关卡和账单。

当你处理真正繁重的任务时，这是有意义的。但对于 99% 的日常任务，已经有一个现成的、极其简单的解决方案。

同样的理念，用于你的实际生活

剥离代码和成本，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，按计划或在某事发生时触发，无需你记住它或在场。你不需要成为工程师就能做到。你只需要为生活而非为代码库构建的循环。

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、无需搞错构建顺序。

它叫做 Mira，存在于 Telegram 中，这个应用你可能已经打开着。你像朋友一样给它发消息，它运行的循环被称为技能。每个技能都静默地拥有真正循环所需的相同部分：一个触发器、一个动作、一种自行运行的方式，只是你永远不需要将它们连接在一起。你只需说出你想要什么。

1▸ 技能
2"每个工作日上午 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
4任何紧急事项，以及一件我说过要跟进但还没做的事。
5控制在 120 字以内。"

这是一个真正的循环。一个时间触发器，一个跨两个连接应用的多步骤动作，自行运行并发送给你。你把它写成了一条消息。

Mira 实际能做什么

以下是让它变得清晰的部分。Mira 不是一个更智能的聊天机器人。与 ChatGPT 的区别很简单：ChatGPT 回答，Mira 行动。你不是让它写邮件；你告诉它发送邮件。你不是得到一个草稿工单，你得到一个在 Linear 中已分配负责人的真实工单。它在后台完成事情，并且在每次对话之间都记得你。

它通过 Composio 连接 500 多个应用（Notion、Gmail、Google 日历、GitHub、Figma、Stripe 以及数百个其他应用），拥有跨会话和群聊持续存在的长期记忆，并且是模型无关的，根据任务运行 GPT、Claude 和 Gemini。以下是这能变成什么。

用于工作

**这正是循环理念在不写一行代码的情况下产生回报的地方。

1▸ 技能
2"每次会议前一小时，用我们上次与该人对话的上下文和
3决定提醒我。"
4
5"当我转发一条消息到这里时，将其转换为一个 Linear 工单，
6设置正确的优先级并分配负责人。"
7
8"每周五下午 4 点，收集团队的任务状态和指标，
9在我们的聊天中发布一份整洁的每周摘要。"
10
11"用 5 个要点总结我不在时在这个群聊中错过的一切。"

它能在几秒钟内让你了解一个 200 条消息的线程，在你继续说话的同时归档工单，并且带着简报走进会议室。在群聊中，它记得团队的决定和任务，而不仅仅是你自己的。

用于创作者

**这是大多数人低估的部分。Mira 在聊天内部端到端地制作内容。

1▸ 技能
2"我会发一条语音消息，里面有一个原始想法。把它变成一篇
3带有标题和话题标签的完整帖子。"
4
5"把这个想法写成适用于 X、Instagram、LinkedIn、邮件和
6新闻通讯的版本，每个都用正确的格式。"
7
8"为这篇帖子生成 3 张图片选项。"
9
10"把这张图片变成一段短视频，用于我的 Telegram 频道。"

语音消息输入，大约三十秒后输出完成的帖子。一个简要变成六个平台原生版本。它在聊天中直接生成图片和视频，编辑照片、替换背景、构建吉祥物和头像，甚至进行唇形同步和动画制作。整个内容管道都在一个窗口中完成。

用于语音

**Mira 将语音视为一等输入，这比听起来更重要。

1▸ 技能
2"把我的语音消息转写成清晰的文字。"
3"把这篇文章读给我听，作为音频。"
4"把这个群聊中的语音消息总结成关键点。"

它转写你的语音消息，把文字读给你听，理解群聊中的语音消息并总结讨论内容，并在你无法打字时作为免提语音助手工作。

用于你的生活

**同样的引擎，指向其他一切。

1▸ 技能
2"每天晚上 7 点，问我今天是否训练了。保持连续记录，
3不要让我悄悄跳过超过一天。"
4
5"每天晚上，问我 3 个关于今天的问题，记住答案，
6每周告诉我一次有什么变化。"
7
8"通过我餐盘的照片追踪卡路里。"
9
10"监控这条航线的价格，当价格降到我的目标价时购买。"
11
12"每天早上，给我一份关于我关注主题的、无标题党的新闻摘要。"

一个督促你保持连续记录的教练。一个真正记住你并随时间成为你签到伙伴的日记。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。一个在价格合适时自动购买的航班监控器。一份去除了标题党的每日摘要。

如何在两分钟内开始

打开 Telegram。前往 Mira。给它发一条消息。免费访问立即生效。先试试这些：

1@mira，规划我的一周
2@mira，总结这个聊天
3@mira，提醒我每周一上午 9 点审查 PR
4@mira，为 X 和 Instagram 写一篇关于 [主题] 的帖子

本文中的任何示例，在你输入的那一刻就会变成一个正在运行的循环。

这对你实际意味着什么

循环不是一种趋势。它们是一种关于谁来做工作的转变。AI 不再等待你推动它完成每一步，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塞入不合适的场景。很多时候，你只会白白烧钱。

我的看法是：从使用已有的免费资源开始，只有当你真正感觉到它不够用时，才开始思考你真正需要什么。

如果你想了解最新的 AI 工具、技巧和工作流程，请在 X 上关注我。我每天都会分享新的 AI 内容。

X：https://x.com/ai_rohitt