用Claude创建/Loop（循环）

如何搭建你的第一个循环（分步指南）​

好的，理论讲清楚了。现在我们来实际操作一下。​

在Fable 5中，官方提供了两种实现方法。我们先从简单的方法开始。​

​

​

选项A：/goal 在 CLAUDE 代码中​

步骤1：明确“完成”的含义​

这就是人们容易出错的地方。目标必须是可验证的，而不是一种主观意见。​

差：“改进了认证代码” 好：“tests/auth下的所有测试都通过，且代码风格检查无误”​

如果无法通过命令验证，那就不是目标，而只是愿望。​

步骤2：为智能体提供上下文​

在执行任何操作之前，请先在你的仓库中创建以下文件：​

→ VISION.md：如何定义成功 → ARCHITECTURE.md：技术栈与文件夹结构 → RULES.md：代理不可触碰的规则​

花了五分钟写好它们。它们能帮你避免每次迭代时让构建流程从头重新构建整个项目。​

​

​

步骤3：启动循环​

打开Claude Code并输入：​

/目标 所有 tests/auth 测试均通过，且 lint 无任何问题。最多30个回合。​

请注意最后一句：在条件中务必设置轮次或时间的上限。这是你的紧急制动装置。​

步骤4：让系统自动运行​

从这里开始，循环将自动进行：​

→ 代理向目标推进 → 由一个独立的模型（而非执行该任务的模型）判断条件是否满足 → 若判定为“未达成”，则仅启动下一回合，并给出裁判的反馈 → 若判定为“已达成”，则目标自动清除，循环终止​

你等它变成绿色时再回来。如果你想提前结束：/goal clear。​

选项B：评分标准 + CLAUDE托管代理的成果​

对于长时间的任务（以小时为单位，而非分钟），选项是CMA，它会为你提供托管的harness和sandbox。​

在这里，你不是填写条件，而是填写一份评分标准：一个包含可评估标准的文件，每行一条。​

人类学实验的真实案例（参数高尔夫实验）：​

→ 在未做任何改动前先运行基线 → 进行20次实验 → 记录每次结果 → …直至达到9项可验证的评估标准​

将 max_iterations 设置为上限，而 Outcomes 会启动一个校正子代理，在每一轮中评估评分标准。该代理无法停止，直到所有内容均通过为止。​

就这样，Fable 5仅凭一己之力运行了8个小时。无人旁观。​

​

​

额外步骤：增加内存​

如果你的循环将运行数天，请创建一个包含三个部分的MEMORY.md文件：​

→ 已验证：进行了哪些实验及其结果 → 已确认：已证实的事实（而非假设） → 待探索：尚待尝试的内容​

并在 RULES.md 中添加一条规则：“开始前，请阅读 MEMORY.md。结束前，请更新它。”​

这正是Fable 5胜过其他所有工具的地方：它能将错误转化为经过验证的规则，并直接查阅这些规则，而无需重新推导。​

​

你第一个循环，10分钟搞定​

如果你想今天就轻松上手：​

选择一项具备自动验证的任务（测试、代码检查、或返回通过/失败结果的脚本）​

将目标表述为可验证的条件 + 轮次限制​

用 /goal 启动它​

请检查最终结果，而非中间步骤​

从小处着手。一个能在一项枯燥任务中奏效的循环，胜过十个雄心勃勃却永远无法完成的循环。​

​

4个你今天就能搭建的真正循环​

•

代码循环​

阅读上下文 → 规划变更 → 编辑 → 执行测试 → 若失败，查看错误并修复 → 若通过，总结并停止。全程无需人工干预。​

•

研究循环​

界定问题 → 查阅资料 → 梳理总结 → 核实论断与资料的一致性 → 比较矛盾之处 → 进行综合归纳 → 当信任度超过阈值时停止。​

•

内容闭环​

主题 + 受众 + 目标 → 初稿 → 由关键审核人审阅 → 修改重写 → 按成功标准打分 → 通过则发布，否则再修改一次。​

•

销售漏斗​

理想客户画像 → 寻找潜在客户 → 补充数据 → 进行筛选与评估 → 个性化沟通 → 质量审核 → 发送或转交人工处理。​

所有人都有相同的框架：​

目标 → 行动 → 验证 → 纠正 → 重复直至完成。​

​

提示工程师 vs 循环工程师​

2026年正在扩大的技能缺口：​

提示工程师 → 编写更优质的指令 → 人工逐一检查每次输出 → 他就是反馈回路​

循环工程师 → 设计更优的反馈回路 → 测试自动复核 → 系统即为反馈回路​

一个人说：“给我写一个函数”。另一个人则这样设计：‘编写→测试→修正，直到通过为止’。​

工具是一样的，但思维方式却截然不同。​