---
title: "Loop 详解：Claude、GPT、Mira 以及真正有效的方式"
author: "Anatoli Kopadze (@AnatoliKopadze)"
source_url: "https://x.com/AnatoliKopadze/status/2068328135611822149"
published_at: "2026-06-20T13:40:29.000Z"
fetched_at: "2026-06-22T15:11:39Z"
updated_at: "2026-06-22T15:11:39Z"
language: "zh"
review_status: "draft"
---
# Loop 详解：Claude、GPT、Mira 以及真正有效的方式
---
AI 已经在所有人手里好几年了。但大多数每天用 AI 的人，用法还是最慢的那种：打一个请求，等，改，再问，全靠手动。
不是因为更快的方式有多复杂，而是因为没人给他们看过那是什么样子。
更快的方式是 loop，而现在全世界最顶尖的 AI 工程师最关心的就是这一件事。这篇文章补上的是没人解释过的那部分。
读完这篇，你对 loop 的理解会超过你时间线上几乎所有人：loop 是什么，底层到底怎么跑的，什么时候值得用、什么时候是个陷阱，怎么在 Claude 或 ChatGPT 里自己搭一个基础的，以及哪些简单的 loop 值得在你的日常生活里跑起来。
---
开始之前，关注我的 X，加一下我刚建的 Telegram 频道，我每天在上面发更多 AI 内容。都免费的。
X - [https://x.com/AnatoliKopadze](https://x.com/AnatoliKopadze)
Telegram - [https://t.me/kopadzemp](https://t.me/kopadzemp)
---
### 大多数人怎么用 AI？
仔细看「一次一个请求」这个习惯，因为整个问题就在这。每一步都要过你这道手：你决定问什么，你判断答案好不好，你决定下一步做什么。你不推，AI 就不动；你一停，它就停。
这没什么不好，但它有天花板。你是引擎。AI 只是你手里的工具，而工具自己什么都不会做。
还有另一种工作方式，也是全世界最好的工程师正在改变构建方式的原因。不用一步步带着 AI 走，你只给它一次目标，让它自己跑步骤。它规划、干活、检查自己的结果、修补薄弱的地方，然后重复，直到目标达成。你退出。活儿还在继续。
---
https://x.com/i/status/2063697162748260627
---
<video controls src="https://video.twimg.com/amplify_video/2068028099128643584/vid/avc1/1920x1080/-u4J_SkkHCrN4cVt.mp4?tag=28"></video>
---
两位最受尊敬的工程师，用不同的话说了同一件事。大多数人读到这种话，心里其实没底，不知道实际上意味着什么。所以我们来把它拆开讲清楚。
---
### Loop 是什么？
prompt 是一条指令。loop 是一个目标，AI 会持续朝它推进，直到完成。把它想成一个递归目标：你定义一个目的，AI 反复迭代直到完成。
prompt 给你一个答案，然后等你决定下一步。loop 自己跑完整个循环：
```
DISCOVER → work out what needs doing
PLAN → decide how to do it
EXECUTE → do the work
VERIFY → check it against the goal
ITERATE → not there yet? feed the result back in and repeat
```
这五步里有三步是真正干活的，也正是人们用错 loop 的地方。
---
**Verify 是 loop 的心脏。** 没有对结果的真实检查，你就没有一个 loop，只有一个 agent 在自我附和的循环里空转。检查是把重复变成进步的东西。它可以是一个硬测试（「代码通过了吗」），一个可量化的条件（「数值是否超过 X」），或者一个让模型对照打分的评分标准。没有这道闸，就是 agent 给自己批作业，而干活的那个模型打分宽容得离谱。
**State 是让 loop 能学习的东西。** 每一轮，AI 都得记住自己已经试过什么，否则会永远犯同一个错。一个真正的 loop 会在旁边记一小笔：什么做完了，什么失败了，下一步是什么。明天的运行是接着上次跑，而不是从零开始。也正是在这里，成本开始往上走——后面会讲。
**Stop condition 是让 loop 保持理智的东西。** 没有退出条件的 loop 会一直跑到成功、崩溃、或者刷爆你的账户。每个正经的 loop 都有两种停法：成功，和硬上限（「8 次之后停下并汇报」）。跳过这一步，你就造了一台能白跑一整夜的机器。
prompt 递给 AI 一条指令。loop 递给 AI 一个活儿、一种判断活儿干完没的方式、以及一条什么时候该放弃的规则。
---
### 你真的需要 loop 吗？
大多数文章在你还没搞清什么时候 loop 是个错误之前就开始卖给你了。这里是真正认真做这件事的人用的判断标准。只有以下四条全部成立时，才值得搭一个 loop：
- **任务会重复，至少每周一次。** 低于这个频率，搭建成本永远收不回来。一次性的活儿，一个好 prompt 仍然更好。
- **有东西能自动判定产出不合格。** 测试、类型检查、构建、linter、硬规则。如果没有东西能替你把不合格的活儿打回去，loop 就只是在空转。
- **agent 能自己把活儿干完**，端到端，而不是把一半扔回给你。
- **「完成」是客观的，不是主观判断。** 如果质量是见仁见智的事，人还是更好。
差一条就还当手动 prompt 用。关于这个话题的老实话：loop engineering 是真的，但大多数人还不需要重型版本。**大家都能用的是轻量版本，后面会讲。** 但你应该知道界线在哪。
---
### 为代码而生的版本
Loop 最先在软件领域起飞，因为代码是世界上最容易验证的东西。测试通过就是通过，失败就是失败，没有争论余地，所以 AI 总能知道自己干完没。
一个 coding loop 拿到一个目标和一套严格的检查方式：
```
▸ LOOP SPEC
GOAL: every test in /tests/auth passes, lint is clean, no type errors.
EACH ITERATION:
1. run the test suite and read every failure
2. pick the single highest-impact failure
3. write the smallest change that fixes it
4. re-run the tests, lint, and type checker
VERIFY: green tests + zero lint warnings + zero type errors
STOP WHEN: verify passes, OR 8 iterations reached
ON STOP: summarize what changed and what still fails
```
底层来看，一个真正的 loop 由五个构建块组成。Claude Code 和 Codex 现在五个都内置了。
---
**1. 自动化（心跳）**
这是让一个操作变成 loop 而不是跑一次就完的触发器。你定义一个 prompt、一个节奏、一个目标，它就按计划自己跑，不用你启动。在 Claude Code 里，*/loop* 按间隔重复运行一个 prompt，*/goal* 让一个 session 持续跑直到你写的条件真的成立，hooks 在 agent 生命周期的节点触发命令，把它推到 cron job 或 GitHub Actions 上就能在你合上笔记本后继续跑。结果自动来找你，而不是你去到处检查。
---
**2. Skill（可复用的指令）**
不用每次运行都粘一大堆指令进去，你把它们存成一个文件，loop 每次都读：规则、要遵循的模式、以及一份绝不能碰的硬清单。现在自动化只需要按名字调用 skill，定期任务就保持可维护了，而不是在一个没人更新的定时计划里慢慢腐烂。
---
**3. Sub-agent（让干活的不和检查的混在一起）**
Loop 里最有用的一个结构技巧，就是把干活的 agent 和检查的 agent 拆开。写代码的那个模型给自己批作业太手软了。第二个 agent，用不同的指令，有时候用更强的模型跑更高 effort，能抓住第一个 agent 自己说服自己的那些问题。你的写手可以快且便宜，你的审阅者可以慢且严格。质量主要来自这种分离。
---
**4. Connector（让它动手，不是建议）**
这就是「这是修复方案」的 agent 和「自己开 PR、关联 ticket、构建一绿就在频道里 ping 人」的 loop 之间的区别。Connector 让 loop 在你真实的环境里动手，而不是只描述它如果能做会怎么做。
---
**5. Verifier（闸门）**
测试、类型检查或构建——自动把不合格的活儿打回去。这是决定 loop 到底帮你还是只帮你花钱的那一个构建块。其他都是管道。这部分才是让一切变真的。
把这些叠在一起，你就得到了大团队现在在跑的东西：成队的 agent 在同一个任务上 looping，几十个甚至几千个同时跑。有个工程师用这样的 loop 在大约六天里把整个 codebase 从一种编程语言重写到另一种——手工做的话要将近一年。这是严肃软件构建方式的真正变革。但它有一个 demo 永远不会展示的陷阱。
---
### 没人提的成本
Loop 跑在 token 上，token 就是钱。问题不在于每步要花钱。问题在于成本怎么叠加。
Loop 每转一圈，agent 就重新读一遍它的 context：目标、代码、上一次的结果、什么失败了。这一整堆每次迭代都重新过一遍模型，而且每轮都在变大。跑十次的 loop 不是花十个 prompt 的钱，是花十个不断变大的 prompt 的钱。干活加检查这个技巧提升了质量，但也把账单翻了一倍，因为现在两个模型在读这份活儿而不是一个。
---
```
▸ ROUGH COST OF ONE LOOP
single agent, one medium task: ~50,000 – 200,000 tokens
context re-sent every iteration: grows each pass
a fleet of agents in parallel: multiply all of the above
```
---
真正要紧、却几乎没人追踪的指标，是每条被采纳的改动的成本。不是花了多少 token，也不是跑了多少次 loop。如果 loop 给你十个结果你扔了六个，你就是在做它本该替你省掉的那份审查活儿。采纳率低于 50%，它的花销就超过了它给你的回报。
Loop 还会安静地失败。工程师 Geoffrey Huntley 把它叫作「Ralph Wiggum loop」：agent 太早决定自己做完了，活儿做了一半就退出，loop 还在继续跑、继续花钱，但什么也不产出。没有一道能把活儿打回的硬闸门，loop 不会崩，只会静悄悄地给你烧钱。
这就是为什么重型版本属于有预算和防护措施来跑它的团队：迭代上限、token 预算、无聊步骤用便宜模型、监控。如果这不是你，你也没有错过什么——核心思路能以一小部分成本、零搭建工作来运行。
---
### 真正有效的顺序
如果你真的要搭一个，顺序比工具更重要。那些能让 loop 在生产环境活下来的人，做法都一样：
```
1. Get ONE manual run reliable first.
2. Turn that into a skill (save the instructions).
3. Wrap the skill in a loop (add the gate + stop condition).
4. THEN put it on a schedule.
```
跳过前面的步骤、把一个你还没手工跑稳的东西推上定时计划，正是 loop 在你睡觉时炸掉的方式。先证明它能跑一次，加固它，然后再自动化。
---
### 自己搭一个基础 loop（任意 LLM）
你不需要 coding agent 就能感受这是怎么回事。你现在就能在任何 LLM 里手动跑一个简单的 loop，只需要一个 prompt。诀窍是一次性把 loop 的三部分都给模型：一个目标、严格的成功标准、以及一套迫使它在被允许停下之前必须自检的协议。
```
▸ SELF-CHECKING LOOP (paste into Claude or ChatGPT)
You will work in a loop until the task meets the bar.
TASK:
[describe exactly what you want produced]
SUCCESS CRITERIA (be strict, no soft passes):
- [criterion 1]
- [criterion 2]
- [criterion 3]
LOOP PROTOCOL, repeat every turn:
1. PLAN - state the single next step.
2. DO - produce or improve the work.
3. VERIFY - score the result 1-10 on each criterion.
Be brutally honest. List exactly what is still weak.
4. DECIDE - if every criterion is 8+, print "FINAL" and stop.
Otherwise print "ITERATING" and go again, fixing
the weakest point first.
RULES:
- Never call it done until every criterion is 8 or higher.
- Each pass must fix the weakest score from the last VERIFY.
- Do not ask me questions. Make a sensible assumption, note it,
and keep going.
Begin. Run the loop until FINAL.
```
看看会发生什么。模型起草、对照你的标准给自己的活儿打分、找到薄弱点、重写，一遍又一遍，直到它真正过了线而不是交给你第一个看起来差不多的东西。这就是 loop。你用一个段落就搭了一个。
但注意还缺了什么，因为这是接下来的重点。你是触发器。你打开了聊天，你粘贴了 prompt，你坐在那看它迭代。关掉标签页它就没了。没有定时计划。没有「每天早上做这件事」，没有「收到邮件时醒来」。它没法主动找你，因为它只在你看着它的时候存在。
要得到一个自己跑、按计划跑、被真实事件触发、不需要你看着的 loop，你通常得进入前面说的那个重型世界：工具、托管、代码、闸门，还有账单。
当你真的在处理重型任务时，这说得通。但 99% 的日常任务，已经有一个现成的、简单到不行的解决方案。
---
### 同一个思路，用在你的真实生活里
去掉代码和成本，剩下的是一个简单、真正有用的概念：一个自己跑的任务，按计划或者在某件事发生的那一刻触发，不需要你记着它或在场。你不需要是工程师。你需要的只是为生活而不是为 codebase 搭的 loop。
有一个免费的选择，你用大白话描述就能创建一个。没有代码、没有托管、没有密钥、不需要保持标签页打开、没有会搞错的构建顺序。
它叫 Mira，就在 Telegram 里——一个你大概率已经开着的 app。你像跟朋友聊天一样给它发消息，它跑的 loop 叫 Skill。每个 Skill 悄悄地包含了真正的 loop 需要的每个部分——触发器、动作、自己跑的方式——只是你从不需要把它们接在一起。你只要说你想要什么。
---
```
▸ SKILL
"Every weekday at 7am, check my Gmail and Google Calendar.
Send me a short brief: my 3 most important meetings, anything
urgent in the inbox, and one thing I said I'd follow up on but
haven't. Keep it under 120 words."
```
---
这是一个真正的 loop。一个时间触发器，跨两个已连接 app 的多步动作，自己跑着来找你。你写它只花了一条消息。
---
### Mira 到底能做什么
这里就是让你一下子懂的部分。Mira 不是更聪明的 chatbot。它跟 ChatGPT 的区别很简单：ChatGPT 回答，Mira 动手。你不是让它写邮件，你是让它发邮件。你拿到的不是草稿 ticket，而是 Linear 里一条真正建好的、指派了 owner 的 ticket。它在后台把事做了，而且在每次对话之间都记得你。
它通过 Composio 连接 500+ 个 app（Notion、Gmail、Google Calendar、GitHub、Figma、Stripe 以及更多），它有跨 session 和群聊的长期记忆，而且 model-agnostic——根据任务跑 GPT、Claude、Gemini。下面看看这些能变成什么。
---
**工作场景
**这是 loop 思路不用写一行代码就能兑现价值的地方。
```
▸ SKILLS
"An hour before each meeting, remind me with the context and
decisions from our last conversation with that person."
"When I forward a message here, turn it into a Linear ticket
with the right priority and assign the owner."
"Every Friday at 4pm, collect the team's task status and metrics
and post a clean weekly digest in our chat."
"Summarize everything I missed in this group chat while I was
away, in 5 bullets."
```
它几秒内就能帮你追上一个 200 条消息的讨论串，在你继续聊天的同时把 ticket 建好，走进会议时已经做好了功课。在群聊里它记住的是团队的决策和任务，不只是你自己的。
---
**创作者场景
**这是大多数人低估的部分。Mira 在聊天里端到端地做内容。
```
▸ SKILLS
"I'll send a voice note with a raw idea. Turn it into a finished
post with a caption and hashtags."
"Take this one idea and write versions for X, Instagram, LinkedIn,
Email, and a newsletter, each in the right format."
"Generate 3 image options for this post."
"Turn this image into a short video for my Telegram channel."
```
语音备忘录进去，成品帖子出来，大约三十秒。一个想法变成六个平台适配的版本。它在聊天里直接生成图片和视频、修图、换背景、做 mascot 和 avatar、甚至对口型加动画。整个内容流水线就在一个窗口里。
---
**语音场景
**Mira 把语音当作一等输入，这比听起来更重要。
```
▸ SKILLS
"Transcribe my voice messages into clean text."
"Read this article back to me as audio."
"Summarize the voice notes in this group chat into key points."
```
它转录你的语音消息、把文字读给你听、理解群聊里的语音消息并总结讨论、在你没法打字时当免提语音助手用。
---
**生活场景
**同一个引擎，指向其他所有事。
```
▸ SKILLS
"Every evening at 7, ask if I trained today. Keep a streak and
don't let me quietly skip more than one day."
"Every night, ask me 3 questions about my day, remember the
answers, and once a week tell me what changed."
"Track my calories from a photo of my plate."
"Watch this flight route and buy when the price drops to my number."
"Every morning, give me a no-clickbait news digest on my topics."
```
一个督促你保持连续记录的教练。一个真正记得你、随时间变成打卡伙伴的日记。拍照记卡路里，不用单独装 app。从你自己的错误构建的语言练习。一个价格到位就下单的航班监控。一个去掉了标题党的每日新闻摘要。
---
### 两分钟上手
打开 Telegram。进入 [Mira](https://t.me/mira?start=social_x_200626_howtostart)。给它发一条消息。免费版马上就能用。先试其中一个：
```
@mira, plan my week
@mira, summarize this chat
@mira, remind me to review PRs every Monday at 9am
@mira, write a post about [topic] for X and Instagram
```
这篇文章里的任何一个例子，你打出来的那一刻就变成了一个运行中的 loop。
---
### 这对你到底意味着什么
Loop 不是一阵风。它们改变的是谁来干活。AI 不再等你一步步推它，而是开始自己把整件事跑完。
话虽如此，这不是你要追的东西，也不是你要硬塞到不该用的地方去的。大多数时候，你只会白烧钱。
我的看法：先用免费已有的东西，只有当你真的觉得不够用了，才去想你真正需要什么。
---
如果你想跟上 AI 领域的一切动态，关注我的 X 和 Telegram：
X - [https://x.com/AnatoliKopadze](https://x.com/AnatoliKopadze)
Telegram - [https://t.me/kopadzemp](https://t.me/kopadzemp)