@charliejhills: Anthropic刚刚定义了什么是代理循环。共有4种,每种都更多地交接工作:循环是代理重…
摘要
Anthropic定义了四种代理循环类型——基于回合、基于目标、基于时间和主动型——每种都允许在AI任务中不同级别的自动化,并提供实施的实用技巧。
查看缓存全文
缓存时间: 2026/08/27 11:37
Anthropic 刚刚定义了智能体循环的四种模式
共有四种类型,每种模式都逐步移交更多控制权:
智能体循环指的是智能体重复执行工作周期,直到满足停止条件(这是他们的原话,并非我的说法)。
四种模式的区别仅在于你自己需要承担多少工作。
1. 回合制
你移交检查权。
- 由你发送的提示词触发。
- 当 Claude 认为任务完成时停止。
- 适用于短时任务,独立于其他流程。
- 通过技能(而非更多回合)控制成本。
此模式无须指令。你只需编写一次技能即可。
将其保存为名为 SKILL.md 的文件,之后 Claude 将在每个任务中自动执行。
用自然语言描述即可:
“创建一个技能来检查我的工作:打开页面、截取修改前后截图、检查控制台、修复失败项并重新运行。”
这就是回合制。你仍然需要发出开始指令。
2. 目标制
你移交停止条件。
- 由提示词实时触发。
- 达成目标或达到回合上限时停止。
- 适用于有明确终点的任务。
- 通过明确说出的上限控制成本。
输入 /goal,然后同时设定目标和限制:
“/goal 将主页 Lighthouse 评分提升至 90 分以上,尝试 5 次后停止”
上限就是 Claude 判断何时停止的依据。
3. 时间制
你移交触发机制。
- 由你设定的时间间隔触发。
- 你取消或任务完成时停止。
- 适用于周期性任务和外部系统。
- 通过延长运行间隔控制成本。
输入 /loop,然后设定间隔和任务:
“/loop 5分钟 检查我的代码评审、处理评论、修复失败的 CI”
/loop 在本地运行。关闭窗口即停止。
4. 主动式
你移交提示词。
- 由事件或时间表触发。
- 每个任务达到目标后继续下一个。
- 适用于分类、缺陷报告、升级等场景。
- 通过使用更小更快的模型控制成本。
/schedule 将同样的循环移至 Anthropic 云端,作为常规任务运行。
输入 /schedule,然后设定时间和任务:
“/schedule 每小时:检查反馈频道中的缺陷报告”
这种模式无需人工干预即可持续运行。
所有循环都必须设置停止条件。
这是最容易被忽略的环节,也是让我通宵浪费 Token 的原因。我曾让 Claude 在可能持续整夜的循环中自我评估。
解决方案就是设置一个上限,比如“尝试 5 次后停止“。
掌握循环的必备知识:
我的运行方式:
https://charliehills.substack.com/p/how-to-actually-use-fable-5…
官方指南:
https://claude.com/blog/getting-started-with-loops…
/goal 文档:
https://code.claude.com/docs/en/goal
常规任务文档:
https://code.claude.com/docs/en/routines…
技能文档:
https://code.claude.com/docs/en/skills
我今年制作的所有提示词、技能和指南都在这里免费获取:
https://charliehills.substack.com/p/resource
如果本文对你有帮助,请转发分享。
附言:你构建过循环吗?
(真正)如何使用 Fable 5
来源:https://charliehills.substack.com/p/how-to-actually-use-fable-5
Claude Fable 5 回归了,目前是你能使用的最强大的模型。
但你使用它的时间有限。在 7 月 7 日之前,它包含在你的 Claude 计划中,之后将转为按用量计费。
在使用期间,不要将其当作拥有更大上下文窗口的旧版 Claude 来运行。它更强大,但这不是重点。重点在于循环。
其中一种循环就应用在本期内容中。
它根据我过往的 110 期内容构建了评分标准,将本稿评为 51/100,并不断重写直至通过。你看到的就是通过后的版本。
本期内容:
- 今天就运行你的第一个循环的精确方法
- 我用于让 Claude 自我检查的评估循环
- 为本期评分的标准——基于我自己的数据构建
如果你是新读者,欢迎;如果老读者,感谢你的支持。正是你的订阅让这类内容成为可能。
所有循环都遵循相同的四个节拍:
- 目标 在任务开始前书面定义“完成“的标准。
- 行动 模型向目标迈出一步。
- 检查 某物将结果与目标进行对比。
- 重复 若检查未通过则重新开始;若通过则停止。
一次提示词就是一个回合。循环会持续运行直至检查通过。检查是大家都跳过的环节,我会反复强调这一点。
Fable 5 不是更快的模型,而是不同的模型,需要不同的提示词技巧。
Anthropic 发布了完整指南(https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-fable-5)。其中最有用的部分可直接复制使用。以下是我实际使用的技巧:
说明原因,而非仅给出任务。
Fable 在理解目的后表现更好。多写十个字,产出质量显著提升。
我正在为[目标用户]处理[更大任务]。他们需要[输出成果的价值]。基于此:[你的请求]。
明确何时行动。
它可以思考数分钟(这对难题很有用),但在简单任务中要告诉它何时停止规划。
当信息足够时立即行动。如果需要权衡选择,请给出建议而非罗列所有选项。
让它自我检查进度。
长时间运行时曾出现虚报进度的情况,因此要让它核对每项声明与实际结果。
报告进度前,请根据实际结果核对每项声明。仅报告有证据支持的工作。若未经验证,请说明。
设定边界。
Fable 有时会擅自采取未要求的行动。
当我自言自语而非要求修改时,请评估后停止。在未请求前不要进行修改。
保持长时间任务运行。
在长时间会话中它可能提前终止,或担心上下文用尽。
你在自主运行且上下文充足。对于可逆步骤,请直接执行无需询问。不要停止或建议开启新会话。
赋予记忆功能。
最佳实践是将经验教训写入文件再读取。Markdown 文件即可。
维护一个笔记文件。每条记录一个经验教训,用一行摘要说明有效与无效之处。更新现有笔记而非重复创建。
其余是设置项而非提示词。关键是“努力度“设置。它取代了模型切换——无需为简单任务更换更小模型,只需调低设置值。
这是 Anthropic 官方基准测试。中等努力度的 Fable 5 在所有设置下(包括最大努力度)都超越了 Opus 4.8,且成本更低。
高努力度是默认值和最佳平衡点。
切换到极高努力度可在最难问题上多得五分。最大努力度仅提升约两分却增加一半成本。建议保持高努力度,仅在真正困难时使用极高努力度。
最大努力度适用于宁愿多付成本也不愿重做的任务。
不要从循环开始,而应从评估开始——为任务编写测试,让循环能自行评分而非依赖你。
为本期内容,我构建了一个评估体系。
我在 Claude Code 中撰写通讯,每份草稿都由 QA 智能体先行审核。
首先需要数据。
我让 Agent Browser(https://agent-browser.dev/,Vercel 为 AI 智能体开发的自动化浏览器)登录 Substack,导出我全部 110 期内容及其打开率与互动数据。
随后 Claude 对比成功案例与失败案例,将差异转化为评分标准。
现在,全新智能体依据该标准对每份草稿进行冷评分。Fable 负责规划,Sonnet 负责执行,评审独立进行以确保无人为自己的作业评分。
低于 95 分的稿件需根据笔记重写。本期内容在初稿阶段就从 51 分提升至 95 分,而我尚未阅读内容。
且效果会持续积累。 我每次手动发现的问题都会添加到评分标准中,循环将永不再犯相同错误。
构建你自己的循环,复制以下提示词:
以下是我的三篇最佳[文章/邮件/设计]:[粘贴内容]
1. 研究它们并基于[钩子、结构、风格、清晰度]等优秀要素,制定百分制评分标准
2. 关于[主题]起草新内容
3. 以严格评审者身份根据标准为草稿评分
4. 低于 95 分:重写并重新评分,直至通过
5. 仅展示最终版本及其评分
这就是一个完整的聊天循环。建立你的评分标准,就能实现相同效果。
所有 AI 都读过相同的互联网内容,因此产出风格相似。但它没读过你的互动数据、最佳作品和失败案例。
你独有的数据才是护城河。 将其输入循环,成果便独属于你,而非千篇一律。
本周就从小循环开始。Claude Code 提供两个命令:
/goal用一句可测试的语句设定终点线/loop让 Claude 持续工作直至目标达成
首次循环会比亲自动手更费力。第十次时,你早已忘记任务本身的存在。
编写循环很简单,编写检查机制才是关键。
提示词失败时你能当场修复,而循环在你睡觉时失败,会交出 50 份存在细微错误的工作成果。
你编写的检查机制是防止此情况的唯一屏障。因此人类不能离开房间——人类需要转变为:
- 在任务开始前定义“完成“标准
- 审阅检查机制而非草稿
- 保持对发布按钮的控制权
内容质量低劣是判断力失败,而非工具问题。循环将放大这一事实:它们会产出你设定的任何“合格“标准之物。
我刚刚开放了本期内容中这个系统的内测资格。
包括循环构建、评分标准、QA 智能体,可研究、撰写和设计你的内容(含信息图和动画 GIF)。
仅开放 20 个名额。 结账时使用代码 ALPHA 享受五折优惠。先到先得,且将是历史最低价。
立即报名(https://second-brain-factory.com/p/charlie-hills-content-os)。
保持好奇,保持人性,编写循环,而非提示词。
—— Charlie
成为付费订阅者(https://charliehills.substack.com/subscribe?plan=paid):完整访问往期所有 MarTech AI 内容,支持未来创作。
Claude 内容引擎(https://growth.charliehills.io/are-you-a-fit):驱动 35 万+社交媒体粉丝和 1 亿年曝光量的 Claude 引擎。
本文讨论
准备好了解更多了吗?
相似文章
@akshay_pachaar: 四种代理循环。循环工程常被当作一个整体来讨论,但实际上它是在几种结构之间做选择……
介绍四种代理循环:回合制、目标制、时间制和主动制,以及每种循环如何将自动化从人类转向系统,帮助工程师针对不同任务选择合适的结构。
@SilenceCaPrompt: 循环工程并非单一事物。它由四种不同的结构组成,每种服务于不同类型的任务…
文章概述了AI智能体的四种不同循环结构:回合制、目标导向型、时间驱动型和主动型,每种结构将任务指令的不同方面委托给系统。
@0xRicker: Anthropic Agents 团队刚刚发布了一份11页的论文《Loop Design: The Anthropic Playbook for Agentic Systems》。每个人…
Anthropic 发布了一份11页的论文,题为《Loop Design: The Anthropic Playbook for Agentic Systems》,指出在智能体设计中,独立验证者比提示词更为关键。
@dmokafa:大多数开发者不使用代理循环。但这是用AI自动化工作的最佳方式。以下是8个关于如何驾驭…
本文讨论了利用AI自动化工作的代理循环概念,提供了编写高质量循环的8个技巧,并引入了循环工程作为一种减少开发者瓶颈的方法,通过设计自动提示代理的系统来实现。
@jasonzhou1993: https://x.com/jasonzhou1993/status/2067937943545897143
循环工程是一种系统设计实践,让AI代理自主决定工作内容、执行并迭代,通过构建跨领域复合的外循环来超越手动提示。文章解释了两层代理框架,以及如何在循环间共享工件以促进累积学习。