AI Agent的四种循环模式：从单回合到主动触发
AI Agent的四种循环模式：从单回合到主动触发
不是问一次答一次，而是让AI自己迭代，直到目标达成。
痛点
传统AI使用方式：
你问一个问题，AI答一次。 " "帮我写个函数" → AI写个函数 "帮我优化这段代码" → AI优化代码 "帮我写个测试" → AI写测试
一个问题一个回合，效率低。
复杂任务需要多轮对话，人工介入，反复确认。
为什么不让AI自己循环迭代，直到目标达成？
四种循环模式
Claude Code中的四种循环模式，从简单到复杂：
模式1：回合制循环
最基本的AI工作方式。
一个提示词（Prompt）= 一个循环。
工作流程：
收集上下文 → 采取行动 → 检查工作 → 重复AI会自己重复这个过程，直到任务完成或需要你介入。
示例：
用户：帮我重构这个函数
AI：
1. 读取函数代码
2. 分析问题
3. 重构代码
4. 检查是否符合规范
5. （如果有问题）回到步骤3
6. 输出最终结果特点：
- 单次任务
- AI自主迭代
- 完成后输出
模式2：基于目标的循环
也就是GOAL模式。
单回合不足以完成复杂任务，需要多次迭代，直到达成更大的目标。
工作流程：
设定目标 → 多次循环迭代 → 目标达成每次迭代都是一个回合制循环，但整体是为了达成一个更大的目标。
示例：
用户：帮我完成用户登录功能（从数据库到API到测试）
AI：
循环1：设计数据库表
循环2：写API接口
循环3：写前端页面
循环4：写单元测试
循环5：集成测试
→ 目标达成：完整的用户登录功能特点：
- 多轮迭代
- 自动分解任务
- 直到目标达成
支持工具： Codex、Claude Code等
模式3：基于时间的循环
也就是loop命令。
设置时间间隔，自动触发特定任务。
工作流程：
设定间隔 → 定时触发 → 执行任务 → 重复示例：
# 每小时检查一次PR，自动合并通过测试的
loop --interval 1h "检查PR并通过测试后合并"
# 每天早上9点生成日报
loop --cron "0 9 * * *" "生成今日日报"
# 每30分钟检查一次服务器状态
loop --interval 30m "检查服务器健康状态"特点：
- 定时触发
- 周期性任务
- 无需人工干预
支持工具： Claude Code的loop命令
模式4：主动循环
事件驱动的自动化。
设置一个事件，一旦事件发生就自动触发循环，完全不需要人工干预。
工作流程：
监听事件 → 事件触发 → 自动处理 → 继续监听示例：
# GitHub有新PR时自动审核
事件：GitHub新PR创建
触发：自动代码审查
输出：审查评论、建议、是否通过
# Jira有新Bug时自动分析
事件：Jira Bug创建
触发：自动分析Bug、指派、优先级评估
输出：分析报告、指派建议
# 生产环境有报警时自动处理
事件：监控系统报警
触发：自动诊断、尝试恢复、通知负责人
输出：诊断报告、恢复操作、通知特点：
- 事件驱动
- 完全自动化
- 7×24小时运行
四种模式对比
| 模式 | 触发方式 | 适用场景 | 复杂度 |
|---|---|---|---|
| 回合制循环 | 手动触发 | 单次任务，需要迭代优化 | ⭐ |
| 基于目标循环 | 目标驱动 | 复杂任务，需要多轮迭代 | ⭐⭐ |
| 基于时间循环 | 定时触发 | 周期性任务，定时检查 | ⭐⭐⭐ |
| 主动循环 | 事件触发 | 自动化工作流，持续运行 | ⭐⭐⭐⭐ |
循环优化建议
建议1：保证代码库质量
循环的质量取决于系统质量。
如果你的代码库：
- 文档混乱
- 没有代码审查
- 代码冗余、复杂
AI的循环迭代会更混乱，更快跑偏。
怎么做：
- 完善文档（README、API文档、架构文档）
- 严格的代码审查（Code Review、自动化测试）
- 保持代码库简洁（重构、删除死代码）
垃圾进，垃圾出。
建议2：管理Token消耗
基于目标的模式（GOAL）消耗巨大。
AI会不断循环迭代，每个循环都消耗Token。
如果不设置界限：
- 跑偏了还在跑
- 达成目标了还在跑
- 无限循环直到Token耗尽
怎么做：
设置明确的启动条件：
start_when:
- 有明确的PR需要审查
- 有明确的Bug需要修复设置明确的结束条件：
stop_when:
- 所有测试通过
- 代码审查通过
- 目标达成设置模型选择策略：
model_strategy:
- 简单任务用小模型（节省Token）
- 复杂任务用大模型（保证质量）
- 遇到问题自动升级模型设置Token预算：
token_budget:
- 单次循环最大Token数
- 整体任务最大Token数
- 超预算自动停止建议3：设置检查点
长循环容易跑偏，需要检查点。
每隔几次循环，停下来检查：
- 方向对吗？
- 还在目标范围内吗？
- 需要调整策略吗？
怎么做：
checkpoints:
- 每5次循环检查一次
- 每完成一个大里程碑检查一次
- 遇到错误时立即检查建议4：日志和可观测性
循环运行时，你要知道它在做什么。
否则：
- 跑偏了不知道
- 卡住了不知道
- Token烧光了不知道
怎么做：
- 记录每次循环的输入输出
- 记录Token消耗
- 记录耗时
- 设置报警机制
实战案例
案例1：回合制循环 - 代码重构
任务： 重构一个复杂的函数
传统方式：
你：帮我重构这个函数
AI：写了个重构版本
你：不对，要考虑边界情况
AI：修改了
你：还是不对...回合制循环：
你：帮我重构这个函数
AI（自动循环）：
1. 分析函数
2. 识别问题
3. 重构代码
4. 检查测试
5. 测试失败 → 修改
6. 测试通过 → 检查代码规范
7. 规范不符 → 修改
8. 规范符合 → 输出
你：一个回合，完成重构案例2：基于目标循环 - 功能开发
任务： 完成用户登录功能
基于目标循环：
你：帮我完成用户登录功能（从数据库到API到测试）
AI（自动多轮迭代）：
目标1：设计数据库
→ 循环1：设计表结构
→ 循环2：优化索引
→ 目标1完成
目标2：写API
→ 循环3：写登录接口
→ 循环4：写注册接口
→ 循环5：加权限校验
→ 目标2完成
目标3：写测试
→ 循环6：写单元测试
→ 循环7：写集成测试
→ 目标3完成
→ 整体目标达成案例3：基于时间循环 - 定期检查
任务： 每小时检查PR，自动合并
基于时间循环：
# 设置loop命令
loop --interval 1h "检查PR并通过测试后合并"AI每小时自动：
- 检查新PR
- 运行测试
- 审查代码
- 通过则合并
- 不通过则评论
- 等待下一次循环
无需人工干预。
案例4：主动循环 - 自动代码审查
任务： GitHub有新PR时自动审查
主动循环：
trigger:
event: github.pr.created
action:
- 分析代码变更
- 运行测试
- 检查代码规范
- 生成审查评论
- 判断是否通过
output:
- 评论：代码审查意见
- 标签：通过/需要修改
- 通知：发送给团队PR一创建，自动触发审查。
完全自动化，7×24小时。
循环的能力组合
这些循环模式不是独立的——
它们是由Agent的常见能力组合而成：
- GOAL模式 → 基于目标的循环
- Loop模式 → 基于时间的循环
- Skills → 可复用的技能包
- Hooks → 事件触发机制
组合起来，就是强大的自动化工作流。
最后
传统AI使用方式：问一次答一次。
效率低，需要人工反复介入。
AI Agent的循环模式：设定目标，让AI自己迭代。
效率高，自动化完成复杂任务。
从回合制循环到主动循环——
不是让AI替你思考，而是让AI替你执行。
设定目标，让循环自动完成。
关注公众号 Fen9Pi，聊聊AI时代的自动化工作流。