Loop Engineering 实战：/goal 命令让 AI 自己写完整项目
导读：适合正在用或想尝试 Claude Code 的程序员。读完你会知道 Loop Engineering 到底是什么、/goal 和 /loop 怎么用、怎么把普通提示词改造成自动循环，以及踩坑避雷经验。
AI 编程圈又出新概念了——这次叫 Loop Engineering 循环工程。
起因是 Claude Code 之父 Boris Cherny 在最新访谈里说了一段话：
我不再提示 Claude 了。我有一堆循环在运行，它们才是在提示 Claude 并判断接下来该做什么。我的工作变成了写循环。
Boris Cherny 预测，编程史的下一次跃迁，Loop 时代来了！
紧接着 OpenAI 的 Peter Steinberger（OpenClaw 之父） 也公开表示：你不该再给编程 Agent 写提示词了，应该设计一套循环机制，让这些循环去提示你的 Agent。
两家顶级 AI 公司的核心人物，同时在说一件事：AI 编程的范式要升级了，从手动写提示词，变成设计循环系统。
说实话，我第一反应也是「又来？Harness Engineering 还没学完呢」。但上周三晚上，我在 Claude Code 里敲了一行 /goal 命令然后去洗澡，回来发现 AI 已经自己建好了项目结构、写完了数据库 Schema、搭了 4 个页面，还自己跑通了构建验证。整个过程我一个字没打。
体验完之后我不得不说：这玩意儿是真的有用。
这篇文章我就把 Loop Engineering 从头给你讲明白——它是什么、跟之前那堆 Engineering 有什么关系、Claude Code 里怎么用、怎么把你现在的提示词升级成 Loop。跟着敲一遍就能上手。
一、Loop Engineering 到底是什么
Loop Engineering（循环工程）：一种 AI 编程范式，你设计一套自动运转的循环系统，代替你去给 AI 下达指令、检查输出、记录进度、决定下一步做什么，不断循环直到达成目标。你可以理解为「给 AI 装上自动驾驶系统」。
第一次听可能有点抽象，拿开车打比方就清楚了。
Loop Engineering 像一个自动导航系统。以前你得盯着地图，在每个路口告诉 AI「前面左转」「下一个出口下高速」。现在你只需要输入目的地，导航自己规划路线——堵车了自己绕、走错了自动重新算路、到了目的地语音提醒你。你手不用离开方向盘，但脑子已经不用一直想着怎么走了。
你从「一步一步指挥 AI」的操作者，变成了「定方向 + 最后验收」的监督者。
上图就是 Loop 的基本骨架。不是让 AI 随便跑，而是一个严格的「执行 → 验证 → 反馈 → 决策」闭环。
Loop 的 3 个核心要素
一个真正能用的 Loop，需要三样东西：
1）可验证的停止条件
你得告诉 Loop 什么时候算完成，而且这个标准必须能被自动验证。比如「npm run build 通过」「所有测试绿了」「lint 零报错」——这些都是好条件。而「把代码优化一下」就不行，没人知道什么叫优化好了。
2）反馈闭环
每轮循环结束后，Loop 得自己检查这轮结果，判断继续跑还是停下。最常见的形式：写完代码自动跑测试，没过就自己修，修完再跑，通了才停。
3）状态记忆
AI 的对话窗口有长度限制，关了就没。Loop 需要一个外部文件（比如 PROGRESS.md）记录当前进度——哪些做完了、哪些还在做、上一轮出了什么错。中间断了重启，不会从零开始。
两张图一对比就很清楚。传统模式是「人 → AI → 人等 AI → 人再推」，Loop 是「人定目标 → AI 自己跑 → 人验收」。
可能有人会问：Loop 不就是个 while 循环吗？写个脚本让 AI 反复执行不就行了？
不是。没有判断能力的循环，AI 可能把错误当正确答案继续跑，越跑越偏。Loop Engineering 和 cron 定时脚本的本质区别，就在于那个反馈闭环——它能自己判断这轮做得好不好，不好就换策略，不是无脑重试。
二、AI 编程是怎么一步步走到 Loop 的
Loop 不是突然冒出来的，它是从前几代方法论一层层长出来的。了解这条进化线，你才知道 Loop 到底解决了什么问题、为什么现在才出现。
1、提示词工程 Prompt Engineering（2022～2024）
核心问题是 AI 经常答非所问。解法是研究怎么通过对话让 AI 听懂你——设定角色、约束输出格式、用思维链让它逐步推理。这个阶段你大部分精力花在打磨那几段提示词上。
2、上下文工程 Context Engineering（2025）
提示词写好了，但 AI 不了解你的项目，给的回答常常脱离实际。上下文工程解决的就是这个——在对的时候把对的信息喂给 AI。比如写 CLAUDE.md 规则文件、用 RAG 检索项目文档、建立跨会话记忆。AI 的输出开始贴合你的实际场景了。
3、驾驭工程 Harness Engineering（2026 年初）
AI 能理解项目了，但产出不稳定——有时候写得好，有时候跑偏。Harness 的思路是给 AI 搭一整套靠谱的工作环境：配好工具链、写好测试、定好架构约束、拆好任务。相当于你给 AI 修了一条跑道，它在这条跑道上不容易翻车。
4、循环工程 Loop Engineering（2026 年中）
前面三步都做好了，AI 已经能在靠谱的环境里干活了。但你还是得一步步推着它走——写完这一步，你看了觉得 OK，再告诉它下一步干什么。Loop 解决的就是这个——把「提示、检查、决定下一步」交给一套自动循环系统，你只设定目标和停止条件，然后等着验收。
这四层不是替代关系，是层层叠加的。提示词技巧、上下文管理、Harness 搭建，在 Loop 里全都要用。Loop 只是在最上面多了一层「自动循环 + 反馈闭环」。
很多人搞不清 Harness 和 Loop 的区别，我拿工厂流水线打个比方。
Harness 相当于你建了一条生产线，每个工位配好了工具和质检标准，然后你站在产线旁边盯着——哪个环节卡住了你过去疏通，哪个零件不合格你挑出来。产线跑起来了，但离不开你的实时指挥。
Loop 是你把整条产线的流程写成程序，设定好质检规则和异常处理逻辑，按下启动键就走了。机器自己投料、加工、质检，不合格的自动回炉重做，产线卡住了自动报警。你从产线管理员变成了工厂设计师。
| 阶段 | 核心问题 | 你做什么 | 典型手段 |
|---|---|---|---|
| Prompt Engineering | AI 答非所问 | 写更好的提示词 | 角色设定、思维链 |
| Context Engineering | 回答脱离实际 | 喂项目背景 | CLAUDE.md、RAG |
| Harness Engineering | 产出不稳定 | 搭工作环境 | 工具链、测试、规范 |
| Loop Engineering | 需要人推着走 | 设计自动循环 | /goal、/loop、PROGRESS.md |
三、Claude Code 里的两种循环
（2026 年 6 月实测，/goal 需要 Claude Code v2.1.139 或更高版本，/loop 适用于 v2.0+）
Claude Code 目前内置了两个 Loop 命令，分别对应不同场景。第一次用容易搞混，这里说清楚。
/goal —— 跑到完成为止
/goal 的机制：你给出一个目标 + 可验证的完成条件，AI 开始工作。每一轮结束后，有一个独立的判断模型来检查「目标达成了没」。没达成就自动下一轮，达成就停止并报告。
注意，判断目标的和执行任务的是两个模型，避免了自己改自己卷子的偏差。
/goal 从零搭建 AI 开发日志项目，包含前端页面和 SQLite 数据库，直到 npm run build 通过且 dev server 能正常访问所有页面
加熔断限制防止跑飞：
/goal 修复项目里所有 TypeScript 类型错误，直到 tsc --noEmit 零报错。最多跑 20 轮，超了自动停止
/loop —— 定时反复跑
/loop 按固定时间间隔执行操作：
/loop 5m 检查项目前后端的部署状态，如果有报错就通知我
| 维度 | /goal | /loop |
|---|---|---|
| 运行方式 | 跑到目标达成为止 | 按固定时间间隔重复 |
| 适合场景 | 有明确终点的一次性任务 | 没有明确终点的持续监控 |
| 验证机制 | 独立判断模型检查目标 | 每轮执行后等下一轮触发 |
| 停止方式 | 目标达成 / 熔断触发 | 手动停止 |
| 典型用例 | 从零搭项目、批量重构 | 等部署、监控报错、定时扫描 |
四、实战：用 /goal 从零搭建「AI 开发日志」项目
概念和命令讲完了，直接上手。
项目是什么
做一个叫「AI 开发日志」的全栈小项目，功能很简单：
- 记录每次 AI 编程会话的内容、Token 消耗、产出代码量
- 仪表盘页面展示本周统计
- 历史记录列表，支持搜索和筛选
技术栈：Next.js 14 + SQLite（better-sqlite3）+ Tailwind CSS。
设定目标
在 Claude Code 工作目录下输入：
/goal 从零搭建"AI 开发日志"全栈项目。
技术栈：Next.js 14 (App Router) + TypeScript + Tailwind CSS + better-sqlite3。
功能要求：
1. 首页：仪表盘，展示本周 AI 会话次数、总 Token 消耗、代码产出量
2. 历史页：所有会话记录列表，支持按日期搜索和按项目筛选
3. 新增页：表单，填写会话内容、Token 数、代码行数、项目名
4. API 路由：/api/sessions 支持 GET 和 POST
停止条件：npm run build 无报错，npm run dev 能正常启动，浏览器访问首页、历史页、新增页均能正常渲染。
每完成一个模块就跑一次构建验证，有报错自己修，修完再继续。同一问题修复超过 5 次就记录到 PROGRESS.md 跳过。
完成后输出 Token 总消耗和项目文件清单。
回车，AI 就自己开始干了。
AI 自己的开发节奏
整个过程我没有干预，AI 按这样的节奏跑：
npx create-next-app初始化项目，安装依赖- 创建 SQLite 数据库和 API 路由
- 写仪表盘页面，跑
npm run build——报错，自己修 - 写历史列表页，跑构建——通过
- 写新增表单页，跑构建——又报错，修了 2 轮通过
- 最终全量验证
npm run build && npm run dev
AI 自己维护了一个 PROGRESS.md，记录每轮做了什么、碰到什么问题、怎么修的。这就是前面说的状态记忆。
验收
大概跑了 11 分钟，AI 建了 12 个文件，碰到 3 次构建报错全自己修了，最后 npm run build 一次通过。http://localhost:3000 三个页面正常渲染，CRUD 功能跑通。
可能有人会问：这不就是让 AI 一把梭吗？跟我直接说"帮我写个项目"有区别吗？
区别大了。直接说「帮我写个项目」，AI 一次性输出所有代码，你复制进去大概率跑不通——AI 不知道你的 Node 版本、依赖冲突、文件路径。而 /goal 是逐轮执行、每轮验证的，写一个模块就跑一次构建，报错了当场修。反馈闭环的价值就在这——不是最后才检查，是每一步都在检查。
五、实战：用 /loop 做定时任务
如果 /goal 是让 AI 替你干活，/loop 就是让 AI 替你盯着。
举个我实际在用的场景：有个小项目的服务偶尔会挂，时间不固定。以前每隔一会就手动 curl 一下，烦得很。现在：
/loop 10m 检查 http://localhost:3001/api/health 是否返回 200。连续 2 次返回非 200，给我桌面通知。每次检查结果记录到 health-check.log
AI 每 10 分钟盯一次，挂了就通知，我该干嘛干嘛。
更多实用场景：
/loop 30m 扫描代码库，检查是否有新的安全漏洞上报/loop 1h 检查 GitHub Issues 有没有新带 bug 标签的 issue，有就汇总通知/loop 5m 检查 CI/CD 构建状态，构建完成就通知
记住：/loop 会一直跑，任务达成就停掉。
六、把普通提示词改造成 Loop 的三步法
你可能会想：我用的是 Cursor 或者 Codex，没有 /goal 命令怎么办？
Loop Engineering 的核心不是某个命令，是一套方法论。在任何工具里，只要在提示词里嵌入循环机制，一样能跑出 Loop 效果。
第一步：模糊需求改成可验证的停止条件
改前：
帮我写一个博客项目。
改后：
从零搭建博客项目，直到 npm run build 通过，且浏览器能正常访问首页、文章详情页、管理后台。
有了明确的可验证条件，AI 才知道什么时候算做完了。
第二步：加状态追踪文件
在项目根目录维护 PROGRESS.md，记录当前阶段、已完成事项、进行中事项、遇到的问题和解决方案。每完成一个模块更新一次。
这样 AI 不会忘了自己做过什么，你也能随时看进度。
第三步：加反馈闭环
每完成一个功能模块，立即运行编译或测试验证。有报错就先修复再推进。同一问题修复超过 5 次仍未解决，记录到 PROGRESS.md 后跳过，继续推进其他任务。
这就是开发-验证闭环加防死循环熔断。
完整模板
以上三步整合起来，直接套用：
## 任务目标
{你的项目描述，尽量具体}
## 停止条件
{1～3 个可自动验证的条件，如：npm run build 通过、所有测试绿、lint 零报错}
## 自主开发循环
1. 状态追踪：项目根目录维护 PROGRESS.md，记录当前阶段、已完成事项、进行中事项。每完成一个模块更新一次
2. 开发-验证闭环：每完成一个模块，立即编译或运行验证。有报错就修复，通过后才推进
3. 防死循环：同一问题修复超过 5 次仍未解决，记录到 PROGRESS.md 后跳过，继续推进
4. 最终验证：全部完成后做一次端到端验证
全程自主开发，不要停下来等我确认，除非遇到无法自行解决的阻塞问题。
在 Cursor 或 Codex 里用这个模板，效果跟 /goal 很接近。
为什么需要防死循环
Loop 跑久了最常见的翻车就是陷入死循环——AI 反复修同一问题修不好，或者修好了又引入新问题。所以我建议三个熔断条件都配上：
- 同一问题重试上限（建议 5 次）
- 单轮 Token 预算（比如 200K tokens）
- 进度停滞检测（连续 3 轮 PROGRESS.md 无变化说明 AI 卡住了）
七、踩坑与省钱指南
Loop 用起来爽，坑也不少。下面是我亲自踩过的几个。
Token 不是烧的，是放烟花
第一次用 /goal 没设熔断，目标写了个「重构整个项目」。AI 跑了 50 分钟，花了快 80 万 Token，效果还不如我自己花 2 小时重写。
Loop 是个杠杆——能撬动你的工程能力，也能撬翻你的项目。
启动前先想三件事：目标能不能量化？做完值不值这个 Token 钱？跑崩了有没有 Plan B？一个 /goal 省 2 小时手工操作，花 5 块钱 Token，值。跑了 50 块还搞砸了要返工，纯浪费。
Overbaking：AI 开始自己加戏
这是我碰到的最有意思的坑。有一次让 AI 搭一个 CRUD 后台，目标写太松——「做一个功能完善的管理系统」。跑了 20 分钟，AI 开始给项目加用户权限系统、操作日志、甚至还有个「暗黑模式切换」。
这些功能我一个没要，但 AI 觉得「功能完善」就该有这些。
这个现象社区叫 Overbaking 过度烘焙——Loop 跑太久、目标约束太松，AI 开始给自己加需求。最早在 Ralph Wiggum Loop 的实践中就被发现了，有人用它让 AI 在循环里不断重构代码，跑太久之后 AI 开始乱加功能、乱删测试。
解决：目标写清楚做什么和不做什么，设轮次上限，跑完人工审查再合并。
调试比提示词难十倍
Loop 跑了 47 轮后出问题，很难定位是第几轮埋的坑。建议：从小目标开始，每轮让 AI 写清楚做了什么、结果如何，PROGRESS.md 就是你的调试日志。
学习路径
刚开始用 AI 编程、还在 Vibe Coding 阶段的话，先别急学 Loop。把提示词技巧练好，学会用 CLAUDE.md 给 AI 项目上下文。等你到了「AI 能写出我想要的代码，但每次都得我一步步推」这个阶段，Loop 该上场了。
从 /goal 开始就够，给 AI 一个小目标让它跑一轮，感受下节奏和 Token 消耗。顺手之后再加定时循环、熔断机制这些进阶玩法。
最后
Loop Engineering 不是什么魔法，就是把「你推着 AI 走」换成了「你定规则，AI 自己走」。
从提示词工程到上下文工程，再到 Harness 和 Loop，AI 编程的自动化程度越来越高。但工具越强，你作为决策者的角色越重要——Loop 设计得好不好、目标拆得清不清楚、反馈机制靠不靠谱，全看你的工程判断力。
Loop 像一台大功率音响——你给它放什么歌，它就放大什么。放好歌，整个场子都炸了。放噪音，全场捂着耳朵跑。
用它来加速你真正理解的工作，别让它替你思考本该自己搞懂的问题。
