深入解析 Loops：Claude、GPT、Mira 以及真正有效的應用方式

AI 已經在每個人手中好幾年了。大多數每天使用它的人，仍然在用最慢的方式：輸入請求、等待、修正、再問一次，全部手動。

不是因為更快的方式很複雜，而是因為沒人告訴他們那是什麼樣子。

更快的方式是一個循環，而這正是目前世界上頂尖 AI 工程師最關心的一件事。這篇文章要補上那個沒人解釋的部分。

讀完之後，你對循環的理解會比社群上絕大多數人都要深入：它們是什麼、在底層實際如何運作、何時值得使用、何時是個陷阱、如何自己在 Claude 或 ChatGPT 中建立一個基本的循環，以及那些值得應用在你生活中的簡單循環。

在我們深入之前，請在 X 上追蹤我，獲取更多實用的 AI 技巧、工作流程和工具。我每天都會分享新的 AI 內容。

X： https://x.com/ai_rohitt

大多數人如何使用 AI？

仔細看看這種一次只問一個問題的習慣，因為這就是問題的全部。每一步都要經過你。你決定要問什麼，你判斷答案，你決定下一步。除非你推動，否則 AI 永遠不會動，而當你停下來，它也就停了。

這樣做沒問題，但它有一個天花板。你就是引擎。AI 只是你手中的工具，而工具本身不會做任何事。

還有另一種工作方式，這也是世界上頂尖工程師正在改變他們建構方式的原因。與其一步步引導 AI，你只需給它一次目標，然後讓它自己執行步驟。它會規劃、執行工作、檢查自己的結果、修正弱點，並重複直到達成目標。你則置身事外。工作會持續進行。

什麼是循環？

一個提示詞（prompt）是一個單一指令。一個循環（loop）則是一個 AI 會持續努力直到達成的目標。把它想成一個遞迴目標：你定義一個目的，然後 AI 會反覆迭代直到完成。

一個提示詞給你一個答案，然後等你決定下一步。一個循環則會自行跑完整個週期：

1發現  →  弄清楚需要做什麼
2規劃  →  決定如何執行
3執行  →  開始工作
4驗證  →  對照目標進行檢查
5迭代  →  還沒達到？將結果回饋並重複

這五個步驟中有三個負責所有實際工作，而人們也正是在這裡搞錯循環。

驗證是循環的核心。 如果沒有對結果進行真正的檢查，你擁有的就不是一個循環；你只是一個不斷重複同意自己的 Agent。這個檢查點是將重複轉變為進步的關鍵。它可以是一個嚴格的測試（「程式碼是否通過」）、一個可衡量的條件（「數字是否高於 X」），或是一個模型用來評分的評分標準。沒有這個把關機制，就等於讓 Agent 自己批改自己的作業，而那個負責工作的模型，作為評分者實在太過寬容。

狀態（State） 是讓循環能夠學習的關鍵。每次迭代，AI 都必須記住它已經嘗試過什麼，否則它會永遠重複同樣的錯誤。一個真正的循環會在旁邊保留一個小記錄：完成了什麼、什麼失敗了、下一步是什麼。明天的執行可以從中斷處繼續，而不是從零開始。這也正是成本開始增加的地方，我們稍後會談到。

停止條件 是讓循環保持理智的關鍵。一個沒有退出機制的循環會一直運行，直到成功、崩潰，或耗盡你的帳戶餘額。每個嚴肅的循環都有兩種停止方式：成功和一個硬性限制（「嘗試 8 次後，停止並回報」）。跳過這個，你就等於建造了一台可能整晚空轉、毫無所獲的機器。

一個提示詞交給 AI 一個指令。一個循環交給 AI 一個任務、一個知道任務何時完成的方法，以及一個何時該放棄的規則。

你真的需要一個循環嗎？

大多數文章在告訴你何時使用循環是個錯誤之前，就先推銷你循環。以下是那些真正專業的人士實際使用的測試。只有當以下四個條件都成立時，才值得建立一個循環：

• 任務至少每週重複一次。少於這個頻率，設定的成本永遠無法回收。一次性任務用一個好的提示詞處理就好。
• 有東西可以自動拒絕不良輸出。一個測試、型別檢查、建置、程式碼檢查工具（linter）、一個硬性規則。如果沒有東西能幫你判定工作失敗，這個循環只會空轉。
• Agent 實際上可以自己完成整個工作，從頭到尾，而不是把一半的工作丟回給你。
• 「完成」是客觀的，而不是主觀判斷。如果品質取決於個人品味，那麼人類仍然勝出。

只要有一個條件不符合，就繼續使用手動提示詞。關於這個主題最誠實的版本是：循環工程是真實存在的，但大多數人還不需要它的重型版本。每個人都能使用的是輕量版本，我們接下來會談到。但你應該知道界線在哪裡。

為程式碼打造的版本

循環首先在軟體領域起飛，因為程式碼是世界上最容易驗證的東西。測試要嘛通過，要嘛失敗。沒有爭論的餘地，所以 AI 總是知道它是否完成了。

一個程式碼循環會被賦予一個目標和一個嚴格的檢查方式：

1▸ 循環規格
2目標：/tests/auth 中的所有測試都通過，程式碼檢查無誤，沒有型別錯誤。
3
4每次迭代：
5  1. 執行測試套件並讀取每個失敗
6  2. 挑選影響最大的單一失敗
7  3. 撰寫能修正它的最小變更
8  4. 重新執行測試、程式碼檢查和型別檢查器
9
10驗證：所有測試通過 + 零程式碼檢查警告 + 零型別錯誤
11停止條件：驗證通過，或達到 8 次迭代
12停止時：總結變更了什麼，以及還有什麼仍然失敗

在底層，一個真正的循環是由五個建構區塊組成的。Claude Code 和 Codex 現在都內建了這五個區塊。

1. 自動化（心跳）

這是讓它成為一個循環、而不是你只執行一次的一次性任務的觸發器。你定義一個提示詞、一個節奏和一個目標，它就會按照排程自動運行，無需你啟動它。在 Claude Code 中，/loop 會按時間間隔重新執行一個提示詞，/goal 會讓一個會話持續進行，直到你撰寫的條件真正成立，hooks（鉤子）會在 Agent 生命週期的特定點觸發指令，而將其推送到 cron job 或 GitHub Actions 則能讓它在你關上筆電後繼續運行。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）

與其把一大串指令貼到每次執行中，不如將它們儲存為一個檔案，讓循環每次都能讀取：規則、要遵循的模式，以及一份它絕不能碰觸的硬性清單。現在，自動化只需透過名稱呼叫技能，而這個重複性的任務就能保持可維護性，而不是在一個無人更新的排程中腐爛。

3. 子 Agent（讓執行者與檢查者分離）

在循環中，最有用的一個結構技巧是將執行工作的 Agent 與檢查工作的 Agent 分開。撰寫程式碼的模型在批改自己的作業時會過於寬容。第二個 Agent，擁有不同的指令，有時使用更強的模型和更高的投入，能夠捕捉到第一個 Agent 說服自己通過的問題。你的寫手可以快速且便宜；你的審查者則要慢且嚴格。這種分離是品質提升的關鍵。

4. 連接器（讓它能行動，而不只是建議）

這是一個只會說「這是修正方法」的 Agent，與一個能自行開啟拉取請求（pull request）、連結工單（ticket），並在建置成功後自動通知頻道的循環之間的區別。連接器讓循環能夠在你的真實環境中採取行動，而不僅僅是描述它如果可以的話會做什麼。

5. 驗證器（把關者）

能夠自動拒絕不良工作的測試、型別檢查或建置。這一個區塊決定了循環是在幫助你，還是只是在花你的錢。其他一切都只是管線。這部分是讓它變得真實的關鍵。

將這些組合起來，你就得到了大型團隊現在大規模運行的東西：一群 Agent 在同一個任務上循環，一次數十個或數千個。一位工程師使用這樣的循環，在大約六天內將整個程式碼庫從一種程式語言重寫到另一種，這項工作如果手動進行可能需要將近一年。這確實改變了嚴肅軟體的建構方式。而且它有一個示範影片從未展示過的陷阱。

沒人提及的成本

循環消耗的是 token，而 token 就是金錢。問題不在於每一步都有成本。問題在於成本如何複合增長。

每次循環迭代時，Agent 都會重新讀取其上下文：目標、程式碼、上一個結果、失敗了什麼。這整堆資料在每次迭代中都會再次透過模型發送，並且每次都會增長。一個運行十次的循環，成本不是十個提示詞。而是十個提示詞，而且每個提示詞都越來越大。那個能提升品質的「執行者與檢查者分離」技巧，同時也讓帳單翻倍，因為現在有兩個模型在讀取工作，而不是一個。

1▸ 一個循環的粗略成本
2單一 Agent，一個中等任務：     ~50,000 – 200,000 tokens
3每次迭代重新發送的上下文：     每次都會增長
4並行運行的一群 Agent：        將以上所有成本相乘

真正重要的指標，而且幾乎沒有人追蹤的，是每次被接受的變更的成本。不是花費的 token 或運行的循環次數。如果循環給了你十個結果，而你丟掉了六個，那麼你正在做它本來應該幫你省下的審查工作。如果接受率低於 50%，它的成本就超過了它帶來的回報。

循環也會悄悄地失敗。工程師 Geoffrey Huntley 稱之為「Ralph Wiggum 循環」：Agent 過早決定完成，在任務半途而廢時退出，而循環繼續運行並持續花費，卻沒有產出任何東西。如果沒有一個能夠判定工作失敗的硬性把關機制，循環不會崩潰；它們會默默地向你收費。

這就是為什麼重型版本屬於擁有預算和護欄來運行它的團隊：迭代上限、token 預算、在無聊步驟上使用便宜的模型、監控。如果你不是這種情況，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。

實際有效的順序

如果你真的要建立一個循環，順序比工具更重要。那些能讓循環在生產環境中存活下來的人，都遵循同樣的方式：

11. 先讓一次手動運行可靠。
22. 將其轉變為一個技能（儲存指令）。
33. 將技能包裝在一個循環中（加入把關機制和停止條件）。
44. 然後才設定排程。

跳過前面步驟，直接排程一個你還沒有用手動方式驗證為可靠的東西，正是循環在你睡覺時出錯的原因。先手動證明它一次，強化它，然後再自動化。

自己建立一個基本循環（任何 LLM 都可以）

你不需要一個程式碼 Agent 來感受這是如何運作的。你現在就可以在任何 LLM 中，只用一個提示詞，手動運行一個簡單的循環。訣竅是一次給模型所有三個循環部分：一個目標、嚴格的成功標準，以及一個強制它在被允許停止之前先自我檢查的協議。

1▸ 自我檢查循環（貼到 Claude 或 ChatGPT 中）
2你將在一個循環中工作，直到任務達到標準。
3
4任務：
5[準確描述你想要產出的內容]
6
7成功標準（要嚴格，沒有寬鬆的通過）：
8- [標準 1]
9- [標準 2]
10- [標準 3]
11
12循環協議，每輪重複：
131. 規劃   - 說明單一的下一步。
142. 執行   - 產出或改進工作。
153. 驗證   - 根據每個標準為結果評分 1-10 分。
16            要極度誠實。準確列出仍然薄弱的地方。
174. 決定   - 如果每個標準都達到 8 分以上，輸出「完成」並停止。
18            否則輸出「迭代中」並繼續，優先修正最弱的地方。
19
20規則：
21- 在所有標準都達到 8 分或更高之前，絕不能宣稱完成。
22- 每次迭代必須修正上一次「驗證」中得分最低的項目。
23- 不要問我問題。做出合理的假設，記錄下來，然後繼續。
24
25開始。運行循環直到「完成」。

觀察會發生什麼事。模型會起草，根據你的標準為自己的工作評分，找出弱點，然後重寫，一遍又一遍，直到它真正達到標準，而不是交出第一個看起來差不多的東西。這就是一個循環。你只用一段話就建立了一個。

但請注意仍然缺少什麼，因為這正是接下來內容的重點。你就是觸發器。你打開了對話，你貼上了提示詞，你坐在那裡看著它迭代。關掉分頁，它就消失了。沒有排程。沒有「每天早上做這個」，沒有「收到郵件時醒來」。它無法聯繫你，因為它只在你看著它的時候存在。

要獲得一個能自行運行、按排程、由真實事件觸發、無需你照看的循環，你通常必須踏入前面提到的重型世界：工具、主機、程式碼、把關機制和一張帳單。

當你處理真正繁重的任務時，這是有意義的。但對於 99% 的日常任務來說，已經有一個現成、極其簡單的解決方案了。

同樣的概念，應用在你的實際生活中

去掉程式碼和成本，剩下一個簡單、真正有用的概念：一個能自行運行的任務，按排程或在事情發生時觸發，無需你記住它或親自在場。你不需要是工程師也能做到。你只需要為生活、而不是為程式碼庫打造的循環。

有一個免費的選項，你可以用簡單的語言描述來建立它。無需程式碼、無需主機、無需金鑰、無需保持開啟的分頁、無需搞錯建置順序。

它叫做 Mira，存在於 Telegram 中，這個應用程式你可能已經開著了。你可以像跟朋友聊天一樣傳訊息給它，它運行的循環被稱為「技能」。每個技能都靜靜地擁有真正循環所需的所有部分：一個觸發器、一個動作、一種自行運行的方式，只是你永遠不需要將它們連接起來。你只需要說出你想要什麼。

1▸ 技能
2「每個工作日上午 7 點，檢查我的 Gmail 和 Google 日曆。
3發送一份簡短的摘要給我：我最重要的 3 個會議、收件匣中任何緊急事項，
4以及一件我說過要跟進但還沒做的事。保持在 120 字以內。」

這就是一個真正的循環。一個時間觸發器，一個跨越兩個已連接應用程式的多步驟動作，自行運行並將結果送到你手上。你只用一條訊息就寫好了。

Mira 實際能做些什麼

以下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。它與 ChatGPT 的區別很簡單：ChatGPT 回答問題，Mira 採取行動。你不是叫它寫郵件；你是叫它發送郵件。你不是得到一張草稿工單，而是在 Linear 中得到一張真實的工單，並且已指定負責人。它在背景中完成事情，並且在每次對話之間都記得你。

它透過 Composio 連接超過 500 個應用程式（Notion、Gmail、Google 日曆、GitHub、Figma、Stripe 等等），擁有跨會話和群組聊天都能保留的長期記憶，並且它與模型無關，會根據任務運行 GPT、Claude 和 Gemini。以下是這能轉變成的樣子。

用於工作

這就是循環概念在不寫一行程式碼的情況下發揮價值的地方。

1▸ 技能
2「每次會議前一小時，用我們上次與該對象對話的上下文和決策來提醒我。」
3
4「當我轉發一條訊息到這裡時，將其轉換為一張 Linear 工單，
5設定正確的優先級並指定負責人。」
6
7「每週五下午 4 點，收集團隊的任務狀態和指標，
8並在我們的聊天中發布一份簡潔的每週摘要。」
9
10「用 5 個要點總結我在離開期間錯過的這個群組聊天中的所有內容。」

它能在幾秒鐘內讓你跟上一個 200 條訊息的討論串，在你繼續說話的同時建立工單，並且在走進會議時已經做好了簡報。在群組聊天中，它記得團隊的決策和任務，而不只是你的。

用於創作者

這是大多數人低估的部分。Mira 可以在聊天內部端到端地製作內容。

1▸ 技能
2「我會發送一條語音訊息，裡面有一個原始想法。將其轉換成一篇
3帶有說明文字和主題標籤的完整貼文。」
4
5「拿這個想法，為 X、Instagram、LinkedIn、Email 和電子報
6各寫一個版本，每個都用正確的格式。」
7
8「為這篇貼文生成 3 張圖片選項。」
9
10「將這張圖片轉換成一段短片，用於我的 Telegram 頻道。」

語音訊息輸入，大約三十秒後完成貼文輸出。一個簡報變成六個平台原生版本。它直接在聊天中生成圖片和影片，編輯照片、更換背景、建立吉祥物和頭像，甚至能進行唇形同步和動畫製作。整個內容生產管線都活在一個視窗裡。

用於語音

Mira 將語音視為一級輸入，這比聽起來更重要。

1▸ 技能
2「將我的語音訊息轉錄成乾淨的文字。」
3「將這篇文章朗讀給我聽。」
4「將這個群組聊天中的語音訊息總結成關鍵要點。」

它會轉錄你的語音訊息，將文字朗讀給你聽，理解群組聊天中的語音訊息並總結討論內容，並在你無法打字時作為一個免持語音助理。

用於你的生活

同樣的引擎，應用在生活的各個方面。

1▸ 技能
2「每天晚上 7 點，問我今天有沒有訓練。記錄連續天數，
3不要讓我在不知不覺中跳過超過一天。」
4
5「每天晚上，問我 3 個關於我今天的問題，記住答案，
6然後每週告訴我有什麼改變。」
7
8「透過我盤子的照片來追蹤我的卡路里。」
9
10「監控這個航班航線，當價格降到我的目標價時就買入。」
11
12「每天早上，給我一份關於我關注主題的、沒有標題黨的新聞摘要。」

一個督促你保持連續記錄的教練。一個真正記得你、並隨著時間成為你報到夥伴的日記。透過照片追蹤卡路里，無需額外的應用程式。根據你自己的錯誤進行語言練習。一個在價格合適時自動購買的航班監控器。一份去除了標題黨的每日摘要。

如何在兩分鐘內開始

打開 Telegram。前往 Mira。發送一條訊息給它。立即可以免費使用。先試試以下其中一個：

1@mira，規劃我的一週
2@mira，總結這個聊天
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，在你輸入的那一刻就會變成一個正在運行的循環。

這對你實際意味著什麼

循環不是一個趨勢。它們是關於「誰在做工作」的轉變。AI 不再等你推動它完成每一步，而是開始自行運行整個任務。

話雖如此，這不是一個需要追逐或強行塞入不適合的地方的東西。很多時候，你只會白白浪費金錢。

我的看法是：從免費使用現有的東西開始，只有當你真正感覺到它不夠用時，才開始思考你真正需要什麼。

如果你想隨時了解最新的 AI 工具、技巧和工作流程，請在 X 上追蹤我。我每天都會分享新的 AI 內容。

X：https://x.com/ai_rohitt