循环的关键在验证器

来源：X @mvanhorn

「WTF Is a Loop? Part 2」使用 /last30days 工具对 X、TikTok、Reddit、YouTube、GitHub 做了八次检索，从一个月内真实运行的循环中筛选出十五种高价值模式，每条附带真实互动数据。其前作《WTF Is a Loop? Peter Steinberger vs. Boris Cherny》据称获得 360 万次浏览 ^[0]。在进入清单前，作者先纠正了一个普遍误解：Goal、Loop、Routine 并非同一事物的三种名称，而是执行逻辑根本不同的三种模式 ^[0]。Claude Code 官方将这套设计语言总结为四个变量——触发、停止、工件、适用场景——“四个变量一旦确定，循环的形态就确定了” ^[69]。

三种命令：Goal、Loop、Routine

Goal 以可验证条件为停止线。 /goal <condition> 在条件达成前跨轮持续工作，达成即停 ^[0]。Claude Code 在 v2.1.139 加入该命令，官方 changelog 描述为“跨轮运行任务直到设定的完成条件” ^[3,8]。每一轮 Agent 试图停下时，由独立评估模型核对条件，不达标则送回继续。因此确定性指标（测试通过数、分数阈值）效果最好，评估模型只需比对，无需自行裁量 ^[69]。目标模糊会让评估模型无所适从，表现为早停或空转 ^[69,4]。Codex 也提供 goal 功能 ^[66]，素材称其 CLI v0.128.0 引入，并带 set、pause、resume、clear 控制 ^[0]。

Loop 是人还在场时的定时器。 /loop <interval> <prompt> 按固定间隔重复执行，前提是会话保持开启，跑在本机，关机即停 ^[0,69]。Claude Code 负责人 Boris Cherny 用它运行 /loop 5m /babysit 来自动处理代码评审并 rebase 自己的 PR，/loop 30m /slack-feedback 则每半小时把 PR 挂到 Slack 收集反馈 ^[47]。

Routine 是人不在场时的云任务。 /schedule <description> 把任务放到云端，笔记本合上也能运行 ^[0]，对应官方文档页 “Run prompts on a schedule” ^[47]，设计范式中明确标注“上云” ^[69]。Codex 一侧的等价物是 App 里的 Automations，按日、周或自定义 cron 运行独立、项目或线程自动化，结果汇总到 Triage 收件箱 ^[0]。两个工具目前都没有 /routine 命令——Claude Code 用 /schedule，Codex 用 Automations，用对动词是第一步 ^[0]。

三个命令真正的差别在于“谁决定什么时候停”：Goal 由评估模型核对条件，Loop 由用户取消或工作自然完成（PR 合并、队列清空），Routine 由云端调度 ^[69]。

十五种模式：三种取向

十五个案例里，十一个直接来自 X、TikTok、Reddit、GitHub 的真实发布（附互动数据），最后四个来自 Matthew Berman 的 Forward Future Loop Library 精选目录，目录的筛选信号是实用性，点赞数不作为主要依据 ^[0]。按用途可分成三类。

开发与质量类。 构建-测试-修复对是最常被演示的循环：构建者写代码，检查者跑测试、类型检查和 lint 并报告问题，来回传递直到干净 ^[0]。Boris 的验证器循环强调 Claude Code、高级模型、验证器三者同跑，逐项移除瓶颈；验证器是人人跳过的那部分 ^[0]。五分钟维护者是 Peter Steinberger 的做法——每五分钟做一件经过验证的小型维护，清理什么由 Agent 自行判断，不依赖写死的脚本 ^[0]；素材称他过去 30 天以 95% 接受率合并了 859 个 PR ^[0]。他的真实管线与此一致：约一百个 Codex 实例常驻云端，评审 PR、查提交安全漏洞、去重 issue、写修复 ^[12]。生产错误扫描（目录精选）读生产日志，区分噪音与可操作错误，带测试修复并开 PR，价值全在分拣 ^[0]。对抗性审查（Clodex，目录精选）让 Codex 在合并前审查 Claude 的 PR，两个不同模型家族都同意才放行，--max-iter 5 与 --threshold medium 是核心参数 ^[0]。

架构与流程类。 计划-生成-验证-修复循环用硬性五轮上限解决跑偏问题，过程落盘，只读最终版 ^[0]。目标元技能把模糊需求翻译成严谨目标——结果、验证方式、禁止触碰的范围、何时停止——“你的 Agent 不笨，是你的指令太模糊” ^[0]。质量 streak 循环不满足于第一次绿灯，要求真实场景连续通过多次才算数，因为单次通过不足以证明可靠 ^[0]。补全契约在任何工作开始前先写下“完成”的定义和每条要求对应的证据，拿不到证据就拒绝声称完成 ^[0]。

运营与自动化类。 邮件流水线每天处理 1.5 万封酒店宾客邮件：循环收件箱、分类起草、只升级需要人介入的部分 ^[0]。人类审批队列把停止条件从“测试通过”换成“你的批准”——工作流暂停后发来带批准、修改、跳过按钮的消息，把人工评审本身当成有提醒和截止时间的队列 ^[0]。roborev 是可安装的提交后审查工具：Go 写的守护进程，装 post-commit git hook，每次提交触发后台审查，再交由 Agent 跑后台修复作业，可接 Codex、Claude Code、Gemini 等多家 Agent ^[29,28]——它是“验证器住进循环里”这个论点最现成的产品化版本 ^[0]。循环引擎模板提供现成 harness 和知识模板，免去从零搭建 ^[0]。反旋转循环内置无进展检测、重试上限、flip-flop 检测和预算，防止 Agent 原地打转或偷偷改测试让测试通过 ^[0]。循环工程的起点是写入循环：最广为传播的说法是 30% 的代码已由循环写完，形态是夜间定时审视 PR、把可修复的落地 ^[0]。云端 Routine 则把维护、审查、备份任务按 cron 封装上云 ^[0]。

成本：循环是钱做的

最贵的一课来自 Steinberger：一百个 Codex 实例跑一个月，烧掉 130 万美元 API 费用，对应 30 天 6030 亿 token、760 万次请求 ^[17,19]。素材引用的社区警告同样指向账单——Uber 曾把工程师的每工具月额度压到 1500 美元，某 Reddit 用户一条命令一晚上烧掉约 6000 美元（1273 个赞），YouTube 上流传的总结是一段代码：“while (you have tokens): Burn them in a loop!” ^[0]。

对策是把预算纳入循环设计：Goal 条件可以带“或 N 轮后停止”，Routine 按日额度运行，先设上限再走开 ^[0]。工程上，迭代上限、成本预算、时间上限都作为显式停止条件写进循环 ^[71]，护栏组件包括最大轮数、预算上限、权限控制、无进展检测 ^[68]。Claude Code 自己也在加这类护栏：重复阻塞的 stop hook 连续 8 次后强制结束回合 ^[1]。

验证：循环里唯一难的部分

“一个分不清好坏输出的循环，只是在更快地自动犯错” ^[0]。这正是 /goal 使用独立评估模型的原因：不让工人给自己的作业打分 ^[69,4]，也是最强的几个案例（Boris 的验证器、构建-测试-修复对、Clodex）都把第二双独立眼睛放进循环的原因 ^[0]。自我评分的 Agent 会删掉失败的测试然后宣布完成 ^[0]。

原因在于循环里装着一个不可靠的推理步骤，所以护栏比在普通程序里重要得多 ^[66]。每一步都有证据和退出条件，这比模型聪明程度更关键 ^[71]；中文社区对这场运动的概括是“真正难的不是生成，而是验证” ^[60]。AI 编码 Agent 的质量往往取决于循环设计本身，底层模型只构成部分因素 ^[63]。

从提示工程到循环工程

这场运动的杠杆点已经上移：过去两年的优势在提示层面——更好的提示、上下文和单次输出；这个阶段正在结束，下一个杠杆是决定 Agent 做什么、何时做、用什么关卡、什么状态在运行之间存活的那个系统 ^[58]。循环工程将开发者角色重新定义为设计会自动提示、检查、引导 Agent 的系统，取代逐条提示 Agent 的做法 ^[61]。Boris 的原话是：“我不再提示 Claude 了，我跑着会提示 Claude 的循环……我的工作就是写循环” ^[65]。

素材对这场运动最精炼的判断是：调度层真的只是 cron，cron 从未有过的是循环体内那个读状态、行动、检查是否有效、决定是否继续的决策器——那个决策才是新东西，其余都是管道 ^[0]。这与设计范式把“停止”列为头等变量是同一件事：把“完成长什么样”写死，比让 Agent 更聪明更重要 ^[69]。

但路线图也给了诚实的刹车：大多数开发者现在还用不上循环——只有当任务重复、验证已自动化、预算能吸收浪费、Agent 握有资深工程师工具时，循环的成本才低于回报；缺少任一条件就不应使用循环，从小处开始：一个自动化、一个技能、一个状态文件、一个关卡，把一次手动运行搞可靠，再包进循环 ^[58]。成熟度也别一步跨到 L5（多 Agent、多队列、多验证器的组织级循环），先把 L2（有 max_steps 和测试的有限循环）做稳 ^[71]。

素材给出的今晚即可用的起步组合是：构建-测试-修复对配 /loop、五分钟维护者配 /loop、PR 例程配 /schedule 过夜，每一条都带预算和验证器 ^[0]。别再充当循环里的机器，写下 goal、loop 或 routine，给它预算和自检的方式，然后决定下一步建什么 ^[0]。

三种命令：Goal、Loop、Routine

十五种模式：三种取向

成本：循环是钱做的

验证：循环里唯一难的部分

从提示工程到循环工程

参考来源