最近忙着用AI写代码，有段时间没写文章了，突然发现用 AI 写代码，是不是都是这样的：
"帮我写个登录接口""运行一下测试看看""报错了，空指针，修一下""再跑一遍""还有个边界情况没处理""再测测"
你就像个监工，一直在那"下一步、下一步、下一步"。
但你有没有想过：为什么不能只说一次目标，然后让它自己转起来？
这就是今天要讲的——Loop Engineering，循环工程。
它不是什么玄乎的新概念，而是现在每个 Coding Agent 都已经有的功能。
只是你可能还不知道怎么用。
这篇文章，从概念到实操，给你讲透。

一、AI 工程的四层进化：你在哪一层？

先快速过一下背景，知道 Loop 从哪来，才能理解它的价值。

第一层：Prompt Engineering（提示词工程）

2023 年，核心是"学会怎么问"

那时候的 AI 就是个聊天机器人，你问一句它答一句。你得精心设计提示词，设定角色、给例子、调格式。

问题：单次响应、没有记忆、不会行动。

第二层：Context Engineering（上下文工程）

2024 年，核心是"学会给什么"

大家发现，比提示词更重要的是给 AI 看什么。于是 RAG 火了，知识库、代码库、历史对话全塞进去。

问题：AI 知道了，但还是不会干活。

第三层：Harness Engineering（驾驭工程）

2025 年，核心是"学会怎么管"

Claude Code、Codex 这类 Agent 出现了，AI 终于能真的干活了——读文件、跑命令、调 API。

但新问题来了：你得盯着它。它写代码，你让它跑测试；报错了，你让它修；修完了，你让它再跑。

你还是那个按回车的人。

第四层：Loop Engineering（循环工程）

2026 年，也就是现在，核心是"学会怎么转"

你不再一步一步催了。你只需要说清楚目标是什么、验收标准是什么，然后 AI 自己转起来：

写代码 → 跑测试 → 看结果 → 修 bug → 再测试 → ... → 目标达成，停下

四句话讲完 Loop：

二、Loop 的两种形态：Goal 循环 vs Timer 循环

Loop 不是一个东西，而是两大类，用在不同场景：

一句话区分：

• Goal 是"干完就收工"

• Loop 是"每隔一会儿查一下"

下面直接上实操，4 个主流 Agent 挨个讲。

三、Claude Code：最成熟的 Loop 生态

3.1 /goal：目标驱动循环（最常用）

是什么？设定一个完成条件，Claude 每轮结束后自动评估，没达成就继续下一轮，达成了才停。

基础语法：

/goal 目标描述 + 验收标准

Java 项目真实示例：

打开 Claude Code，进入你的 Spring Boot 项目，直接输入：

/goal 实现用户注册功能，必须满足：
1. 手机号+密码注册，密码用 BCrypt 加密
2. 手机号唯一校验，重复返回 400 错误
3. 入参校验：手机号格式、密码长度 6-20 位
4. 单元测试覆盖率 ≥ 80%
5. 所有测试用例全部通过
6. 代码符合阿里巴巴 Java 开发规范

然后你就可以去喝杯咖啡了。

它会自动这样转：

第 1 轮：写 Controller/Service/实体类 → 跑测试 → 3 个失败
第 2 轮：修复加密逻辑、参数校验 → 跑测试 → 1 个失败
第 3 轮：补充边界用例、修复空指针 → 跑测试 → 全部通过
第 4 轮：检查覆盖率 → 83% ✅ → 目标达成，停止

整体效果我看还不错。

常用命令：​​​​​​​

/goal
 
# 查看当前进度、用了多少轮、多少 Token
/goal clear
 
# 停止并清除目标

3.2 /loop：定时循环（监控场景）

是什么？按固定时间间隔重复执行同一个任务，本质是内置的 cron 调度器。

三种写法都能用：

​​​​​​​

# 写法 1：前置间隔（最常用）
/loop 5m 检查部署状态，完成了通知我
 
# 写法 2：后置 every（读起来顺）
/loop 检查构建状态 every 2 hours
 
# 写法 3：带终止条件
/loop every 3m until: mvn test exits with code 0

时间单位：s 秒、m 分钟、h 小时、d 天

真实场景：CI 失败自动修复​​​​​​​

/loop 2m 检查当前分支的 CI 状态，如果失败了：
1. 查看失败日志
2. 定位问题
3. 尝试修复
4. 提交代码触发重新构建
修好就停

3.3 Ralph Wiggum：增强版自治循环（进阶）

官方 /goal 缺少迭代次数控制、断电续跑等功能，Ralph Wiggum插件就是补这个的。

安装（3 条命令）：​​​​​​​

# 1. 添加官方插件市场
/plugin marketplace add anthropics/claude-code
 
# 2. 安装插件
/plugin install ralph-wiggum@claude-code-plugins
 
# 3. 验证
/plugin list

使用示例：​​​​​​​

/ralph-loop ”用 TDD 方式实现购物车添加商品功能，所有测试通过才算完成” \
 --max-iterations 30 \
 --completion-promise ”ALL_TESTS_PASSED” \
 --auto-commit

核心参数：

适合场景：大型重构、睡前启动第二天看结果、严格控成本的任务

四、CodeBuddy（腾讯）：国内最好用的平替

如果你在国内，不想折腾翻墙，腾讯 CodeBuddy是最佳选择。

4.1 /goal 目标模式

语法和 Claude Code 几乎一模一样，国内直连，速度更快。​​​​​​​

/goal 把项目的日志框架从 Logback 迁移到 Log4j2，要求：
1. 所有日志输出格式保持不变
2. 性能不下降
3. 全部单元测试通过
4. 配置文件分离：开发/测试/生产三套

4.2 /loop 定时循环

/loop 2m 检查当前分支 CI 状态，失败就尝试自动修复

4.3 Dynamic Workflows：多 Agent 并行（杀招）

这个是 CodeBuddy 的独家优势——动态工作流，可以拉起多个子 Agent 并行干活。

适合：

• 大型模块重构

• 全项目代码审查

• 多接口并行开发

工作原理：​​​​​​​

主 Agent 拆解任务 ↓┌─────┬─────┬─────┐子AgentA 子AgentB 子AgentC （并行执行）└─────┴─────┴─────┘ ↓主 Agent 汇总审查 → 输出最终结果

为什么推荐国内用户？

五、Codex（OpenAI）：长时域任务王者

5.1 /goal 长时域模式

Codex 的 Goal 最猛的地方：支持跨天甚至跨周的超长任务。

社区有人用它围绕同一个目标连续跑了120 小时。

五段式循环，比 Claude 多了 Test 环节：

Plan（规划）→ Act（执行）→ Test（测试）→ Review（审查）→ Iterate（迭代）

5.2 Automation 自动化任务

可以定时唤醒执行任务，周期跨越数天甚至数周。

典型用法：

• 每天早上自动 Review 昨天的 PR

• 每周自动生成项目进度报告

• 定期扫描代码库安全漏洞

注意事项

• ❌ 国内访问受限

• ❌ 有 5 小时会话限制（近期临时取消了）

• ❌ 成本相对较高

六、怎么选？4 个场景直接对号入座

场景	选什么	理由
国内开发者日常编码	CodeBuddy	国内直连，功能全，体验好
海外开发者极致体验	Claude Code + Ralph 插件	生态最成熟，插件丰富
超大型长周期任务	Codex	长时域 Goal 最强，能连续跑几天
想用国产模型、高度定制	Ralph Wiggum + DeepSeek / 通义	开源可控，数据安全

七、Java 架构师视角：企业落地的 5 条红线

Loop 很好用，但企业落地不能上来就裸奔。这 5 条红线一定要守住：

1. 预算刹车必须有

Goal/Loop 很容易烧 Token，必须加限制：

• 单次任务最大迭代次数（建议 20 轮）

• 单次任务 Token 预算上限

• 高风险操作必须人工确认（删库、部署上线）

2. 代码质量门禁不能少

AI 自动写的代码，不能直接合并：

AI 自动开发 → 单元测试 → 静态扫描(SonarQube) → 安全扫描 → 人工 Review → 合并

AI 越快，质量门就越重要。

3. 权限最小化原则

Agent 的权限要严格控制：

• 开发环境：读写代码、跑测试

• 测试环境：可以部署，不能改配置

• 生产环境：绝对禁止直接操作

4. 从 Goal 开始，不要一上来就搞多 Agent

很多企业一上来就想搞"多智能体协同平台"，结果半年落不了地。

正确路径：​​​​​​​

个人用 Goal 提效（1 周见效）→ 小团队用 Loop 协作（1 个月见效）→ 多 Agent 并行处理复杂任务（3 个月见效）→ 企业级 Agent 平台（长期建设）

先跑起来，再优化。

5. 人的角色要尽快转变

Loop 时代，程序员的角色变了：

• 从"写代码的人" → "定义目标的人"

• 从"执行者" → "验收者"

• 从"操作层" → "决策层"

最后说句掏心窝子的话。

很多人学 AI，还停留在"怎么写更好的提示词"上。但行业已经往前走了很远。

Prompt 不是不重要了，而是它已经变成了基础技能——就像现在没人会把"会用搜索引擎"写在简历上一样。

真正的竞争力，已经往上移了。

移到了 Context，移到了 Harness，移到了 Loop。

你不需要更努力地写提示词，你需要换个档位——从"一步一步教 AI 怎么做"，换成"告诉 AI 你要什么，然后去干别的"。

把重复的循环交给 AI，把判断和决策留给自己。

爱动手的小伙伴赶紧动起来吧！

---

高国生成式 —— 用 AI 兜底，做人游刃有余。