# AI循环：Claude、GPT和Mira，到底什么才是真正好用的
**作者**: 淘沙者(TheSandPicker)
**日期**: 2026-07-03T15:53:29.000Z
**来源**: [https://x.com/Etudecn/status/2073072648922481000](https://x.com/Etudecn/status/2073072648922481000)
---
AI 已经普及好几年了，大多数人每天都在用，但用的方式却是最慢的那种：打个字、等回答、不满意再改、再问，全程自己动手。
不是因为有更快的方法太复杂，而是没人告诉他们快的方法长什么样。
更快的方法叫“循环”（Loop），也是目前全世界顶尖 AI 工程师最在意的东西。这篇文章就是来补上没人讲清楚的那一环。看完之后，你会比时间线上99%的人更懂循环：它是什么，底层怎么运作，什么时候值得用、什么时候是陷阱，怎么在 Claude 或 ChatGPT 里手搓一个基础版本，还有哪些简单到能在日常生活里跑起来的循环。
开始之前，欢迎关注我的 X 账号，也欢迎加入我刚建的 Telegram 频道，每天都会发更多 AI 内容，都是免费的。
先仔细想想“一次只问一个问题”这个习惯，因为整个问题就在这里。每一步都要经过你：你决定问什么，你判断答案好不好，你决定下一步做什么。AI 不会自己动，你推一下它才动一下，你一停，它就停。
这样用没问题，但它有天花板。你是发动机，AI 只是你手里的工具，工具自己不会做事。
还有另一种工作方式，也是顶尖工程师们正在改变做法的原因。你不用一步步带着 AI 走，而是只给它一个目标，然后让它自己跑。它自己规划、自己干活、自己检查结果、自己修补弱点，反复循环，直到达成目标。你退出来，活儿还在继续。
上面是两位最受尊敬的工程师，用不同的话说了同一件事。大多数人看到这种话，心里默默觉得“听不懂实际上是在干嘛”。那我们就好好拆解一下。
提示词是单条指令，循环是 AI 持续努力去达成的目标。 你可以把它理解成一个“递归目标”：你定义一个目的，AI 反复迭代，直到完成。
提示词给你一个答案，然后等你决定下一步。循环自己跑完整个流程：
```
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
```
这五步里有三步才是真正干活的，也是大家最容易搞错的地方。
验证（Verify）是循环的心脏。 如果没有对结果的真正检查，你就不是在做循环，你是在让 AI 自己跟自己互相点头。检查才是把“重复”变成“进步”的东西。它可以是硬性测试（“代码能不能通过”），可以是可衡量的条件（“数字有没有超过 X”），也可以是一套让模型打分的评分标准。没有这道关卡，就是让 AI 给自己改作业，而干活的那个模型打分打得太宽容了。
状态（State）让循环能学到东西。 每一轮，AI 都得记住自己已经试过什么，不然就会永远犯同样的错。一个真正的循环会在旁边记一小本账：什么做完了，什么失败了，下一步是什么。第二天的运行是接着上次的，而不是从零开始。但这也正是花费开始飙升的地方，后面会讲。
停止条件让循环保持理性。 没有出口的循环会一直跑，要么成功，要么崩溃，要么掏空你的账户。每个正经的循环都有两种停止方式：成功，和硬性上限（“试了8次就停，然后报告”）。少了这个，你就造了一台可能整晚空转、一无所获的机器。
提示词给 AI 一条指令。循环给 AI 一个任务、一套判断任务完成的方法、以及一条放弃的规则。
大多数文章在你还没搞清楚什么时候不该用循环之前，就先把它卖给你了。下面是真正认真做事的人实际在用的判断标准。只有四个条件全部满足，才值得搭循环：
- 任务是重复性的，至少每周一次。频率更低的话，搭建成本永远收不回来。一次性的活儿，还是一个好提示词更划算。
- 有东西能自动拒绝差的输出。一个测试、一个类型检查、一次构建、一个代码检查工具、一条硬规则。如果没有任何东西能让作业“不及格”，循环就会空转。
- AI 能自己从头到尾把活干完，而不是干一半丢回给你。
- “完成”是客观的，不是凭感觉。如果质量是见仁见智的事，人类还是更靠谱。
少一条，就老老实实用手动提示词。关于这个话题最诚实的版本是：循环工程是真的，但大多数人暂时还用不到重型版本。大家都能用的是轻量版本，后面会讲。但你得知道这条线画在哪。
循环最早在软件领域爆发，因为代码是世界上最好验证的东西。测试通过就是通过，失败就是失败，没有争辩的余地，所以 AI 永远知道自己到底做完了没有。
一个编程循环拿到的是目标加上严格的检查方式：
```
▸ 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
```
在底层，一个真正的循环由五个积木拼成。Claude Code 和 Codex 现在已经把这五个全内置了。
1. 自动化（心跳）
这是让它从“你跑过一次的东西”变成“循环”的触发器。你定义一个提示词、一个频率和一个目标，它就会按计划自己跑，不用你启动。在 Claude Code 里，/loop 按间隔重复运行一个提示词，/goal 让一个会话持续到你写的条件真正满足为止，hooks 在 AI 生命周期的特定时刻触发命令，推到 cron 定时任务或 GitHub Actions 里就能在你关掉电脑后继续跑。结果会主动来找你，而不是你去挨个检查。
2. 技能（可复用的指令）
与其每次都贴一大段指令进去，不如把规则存成一个文件，循环每次读取它：要遵循什么模式，以及一张“绝对不能碰”的清单。这样自动化只需要按名字调用技能，重复性的工作就能保持可维护，而不是烂在某个没人更新的定时任务里。
3. 子代理（让干活的人和检查的人分开）
循环里最有用的结构性技巧，就是把干活的 AI 和检查的 AI 拆开。写代码的那个模型给自己打分太心软了。第二个代理，用不同的指令，有时候用更强的模型、更高的配置，能抓住第一个代理说服自己的那些问题。你的“写手”可以又快又便宜，你的“审稿人”可以又慢又严格。这种分工就是质量的大部分来源。
4. 连接器（让它动手，而不是建议）
这就是“给你修复方案”和“自己打开合并请求、关联工单、构建通过后通知群里”的区别。连接器让循环能在你的真实环境里动手操作，而不只是描述它如果有能力会做什么。
5. 验证器（关卡）
那个自动拒绝差活的测试、类型检查或构建。这是唯一决定循环到底是在帮你还是只是在花钱的积木。其他都是管道，这个才是让一切变真的东西。
把这些叠起来，你就得到了大团队现在在跑的东西：成群的 AI 代理在同一件事上循环，几十个甚至几千个同时跑。有个工程师用这样的循环，大约六天就把整个代码库从一种编程语言翻译成另一种，手动做大概要将近一年。这是严肃软件开发方式真正的变化。但它有个演示视频永远不会给你看的代价。
循环跑的是 token，token 就是钱。问题不在于每一步要花钱，而在于成本是怎么叠加的。
每一轮循环，AI 都要重新读一遍自己的上下文：目标、代码、上一次的结果、什么失败了。这一整堆东西每一轮都要再过一遍模型，而且每过一轮都会变大。跑十次的循环不是花十个提示词的钱，而是花十个越来越大的提示词的钱。上面说的“写手加审稿人”技巧提升了质量，但同时也翻倍了账单，因为现在两个模型都要读一遍成果。
```
▸ 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
```
真正重要、但几乎没人追踪的指标，是“每个被采纳的修改花多少钱”。不是花了多少 token、跑了多少轮。如果循环给了你十个结果你扔了六个，你就在做它本该帮你省掉的审查工作。采纳率低于50%，它就在亏钱。
循环还会安静地失败。工程师 Geoffrey Huntley 管这叫“Ralph Wiggum 循环”：AI 太早觉得自己做完了，在一个半成品上退出，循环却还在跑、还在花钱，什么也不产出。没有能判作业不及格的硬关卡，循环不会崩溃，它只会在沉默中扣你的钱。
这就是为什么重型版本只属于有预算和护栏的团队：迭代次数上限、token 预算、无聊步骤用便宜模型、监控。如果这不是你，你没有错过什么，核心思路用零头成本、零配置就能用起来。
如果你真要搭一个，顺序比工具更重要。那些让循环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，直接给一个你还没手动跑可靠的东西排上日程，就是循环在你睡觉时炸掉的原因。先证明它能跑一次，再加固，最后再自动化。
你不需要一个编程代理才能感受这是怎么回事。现在，在任何大语言模型里，你只用一段提示词就能手动跑一个简单循环。诀窍是同时给模型循环的三个部分：一个目标、严格的成功标准、以及一个在它被允许停下之前必须先自检的协议。
```
▸ 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。模型先起草，然后对照你的标准给自己的作业打分，找到最弱的地方，重写，一遍又一遍，直到真正达标，而不是把第一个看起来差不多的东西丢给你。这就是一个循环。你用一段话就搭了一个。
但注意还缺了什么，因为这就是接下来要讲的核心。你是触发器。你打开了聊天，你贴了提示词，你坐在那里看它迭代。关掉标签页，它就没了。没有定时，没有“每天早上做一次”，没有“收到邮件就启动”。它没法主动找你，因为它只在你看着它的时候才存在。
要得到一个能自己跑、按计划、被真实事件触发、不需要你盯着看的循环，你通常得走进前面那个重型世界：工具、服务器、代码、关卡，还有账单。
当你面对真正重的任务时，这说得通。但对于99%的日常任务，已经有一个现成的、简单到不行的解决方案。
剥掉代码和成本，剩下的就是一个简单但真正有用的概念：一个能自己跑的任务，按计划或者在某件事发生的那一刻启动，不需要你记着它、也不需要你在场。你不需要是工程师才能用。你需要的只是为生活而不是为代码库设计的循环。
有一个免费的选择，你用大白话描述就能创建一个。不用代码，不用服务器，不用密钥，不用开着标签页，不用搞对搭建顺序。
它叫 Mira，住在 Telegram 里——那个你大概率已经开着的 App。你像跟朋友发消息一样跟它说话，它跑的循环叫“技能”（Skill）。每个技能都悄悄内置了真正循环需要的东西：触发器、动作、自己运行的方式——只是你永远不用自己接线。你说你想要什么就行。
```
▸ 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."
```
这就是一个真正的循环。时间触发器，跨两个已连接 App 的多步动作，自己运行，结果主动来找你。你只用一条消息就写完了。
让它真正好懂的是这一点。Mira 不是一个更聪明的聊天机器人。它和 ChatGPT 的区别很简单：ChatGPT 回答，Mira 行动。你不是让它“写”邮件，你是让它“发”邮件。你不是拿到一张草稿工单，你是拿到一张真工单，在 Linear 里，负责人已分配。它在后台把事做了，而且每次对话之间都记得你。
它通过 Composio 连接500多个 App（Notion、Gmail、Google 日历、GitHub、Figma、Stripe 以及数百个），有跨会话和群聊的长期记忆，而且不绑定单一模型——根据任务跑 GPT、Claude 或 Gemini。以下是它能变成什么。
工作场景 这是循环理念不用写一行代码就能发挥价值的地方。
```
▸ 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."
```
它几秒钟就能帮你追完一条200条消息的讨论串，你还在聊天的同时它就把工单建好了，走进会议室时已经做好了准备。在群聊里它记得整个团队的决定和任务，不只是你自己的。
创作者场景 这是大多数人最低估的部分。Mira 在聊天里就能端到端地产出内容。
```
▸ 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，大约三十秒成品帖子出来。一条想法变成六个平台各对了格式的版本。它在聊天里直接生成图片和视频，修图、换背景、做吉祥物和头像，甚至对口型、做动画。整个内容流水线就在一个窗口里。
语音场景 Mira 把语音当作一等公民来对待，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."
```
它把你的语音消息转成文字，把文章读给你听，听懂群聊里的语音消息并总结讨论，在你没法打字的时候充当免提语音助手。
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."
```
一个逼你坚持打卡的教练。一本真正记得你、随着时间变成你检视自己的伙伴的日记。拍张照片就记卡路里，不用再开一个 App。从你自己的错误里长出来的语言练习。一个在价格到位时帮你买入的航班监控。一份把标题党剥掉的每日新闻摘要。
打开 Telegram，找到 Mira。发一条消息，免费版立刻就能用。可以先试这几个：
```
@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
```
这篇文章里任何一个示例，你打进去的那一刻就变成了一个正在运行的循环。
循环不是一阵风。它是“谁来做这件事”的转移。AI 不再等你推着它走每一步，而是开始自己把整件事跑完。话虽如此，这不是什么要追的东西，也不是什么要硬塞到不合适地方去的东西。更多时候，你只是在白花钱。我的建议是：先用现成的、免费的东西，等你真的觉得不够了，再去想自己到底需要什么。
## 相关链接
- [淘沙者(TheSandPicker)](https://x.com/Etudecn)
- [@Etudecn](https://x.com/Etudecn)
- [277K](https://x.com/Etudecn/status/2073072648922481000/analytics)
- [Mira](https://t.me/mira?start=social_x_200626_howtostart)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [11:53 PM · Jul 3, 2026](https://x.com/Etudecn/status/2073072648922481000)
- [277.2K Views](https://x.com/Etudecn/status/2073072648922481000/analytics)
---
*导出时间: 2026/7/5 18:08:58*