企业官网建设流程全解析

1. 从「敲提示」到「写循环」：Loop Engineering 到底在解决什么

如果你最近在 Claude Code 或 Codex 里反复做同一件事——让它跑测试、看报错、改代码、再跑一遍——那你其实已经在手动执行一个循环了。Loop Engineering（循环工程）要做的，就是把这个「你亲手转的圈」交给一套系统去转。它不是一个新工具，而是一种组织 Agent 工作的范式：你定义目标，系统按节拍运行、派生子 Agent、检查结果、写回进度，然后决定下一步。

一句话概括：你不再亲自当那个提示 Agent 的人，而是去设计一套替你提示它的系统。Claude Code 之父 Boris Cherny 那句被反复引用的话说得很直白——「我的工作就是写循环」。这句话刺耳的地方在于，它宣告了一个姿势转变：过去两年我们握着 AI 这把工具，现在要放手，去搭一个替我们握着工具的系统。

这篇文章面向想把重复任务交给循环编排的开发者。我会先讲清楚 Loop Engineering 在四层演进线里的位置，再给出一个能在本地跑通的最小循环配置骨架，最后把验证动作和常见报错一起过一遍。适合谁：已经在用 Claude Code / Codex 做日常开发、想让 Agent 自己跑起来而不是一句句喂提示的人。不适合谁：还没搞懂 prompt 和 context 区别、指望复制一段配置就万事大吉的人——循环会放大你的理解，也会放大你的偷懒。

2. 四层演进线：Loop 坐在 Harness 的上面一层

要理解循环工程，不能孤立地看它。把它放进一条从下往上的演进线里，人离「关键路径」就远一层：

关键在于：这四层是叠层关系，不是互相取代。Prompt 优化输入文字；Context 决定填什么进窗口；Harness 设计单个 Agent 的运行环境；Loop 则坐在 Harness 上面，让 Harness 按节拍运行、派生子 Agent、自我喂养。

所以循环工程是一个需要长期掌握的领域，而不是一次转瞬即逝的热点。如果你还没搞懂下面三层，很容易把四个概念混为一谈——比如把「写循环」理解成「写更长的提示词」，那就完全跑偏了。

2.1 五大模块 + 一处外部记忆

循环工程的完整定义是：你定义一个目的，AI 持续迭代直到完成。它由五大模块加一处外部记忆构成，让「单次运行」变成一个「可以自己重复、自己推进的系统」。好消息是，这五大模块今天在 Codex 与 Claude Code 上几乎一一对应：

补充两个容易混的概念：Skill 是编写格式，Plugin 是分发方式；MCP 是连接器的开放标准——因为 Codex 与 Claude Code 都讲 MCP，所以一个连接器常能两边通用。

至于那处外部记忆，是所有长周期循环依赖的同一个朴素技巧：模型在两次运行之间会忘掉一切，所以你要给循环一根「脊柱」。用一个对话之外的状态文件（一个 Markdown 文件，或一块看板）记住进度，让明早的运行能接着昨天继续。人会忘，仓库不会。

3. 前置准备：用 TaoToken 统一接入 Claude Code 与 Codex

在跑循环之前，得先让 Agent 能稳定调用模型。循环的特点是「无人值守地反复调用」，所以接入层要满足两个条件：一是接口稳定，二是能在一个地方看到用量，否则循环自己花钱你都不知道花在哪。

我这边用的是 TaoToken 做统一接入。它的定位是把 Claude Code、Codex 这类 Agent 工具的模型调用收敛到一个入口，官网是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 端点是 https://taotoken.net/api 。下面这套配置对循环场景比较友好，因为循环里子 Agent 会各自跑模型，统一入口能让你在一个面板里看清消耗。

3.1 拿 Key 与配置环境变量

先到控制台创建 API Key，入口在 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite ，Key 管理页在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite 。拿到 Key 之后，不要写进代码，用环境变量：

# 写入 shell 配置，避免循环脚本里硬编码 export TAOTOKEN_API_KEY="sk-你的key" export TAOTOKEN_BASE_URL="https://taotoken.net/api" # 验证变量生效 echo $TAOTOKEN_BASE_URL

注意：循环脚本会被反复执行，Key 一旦硬编码进脚本，很容易在日志或 git 历史里泄露。统一走环境变量是最省心的做法。

3.2 在 Claude Code 侧接入

Claude Code 支持通过环境变量指定接入地址。把下面这段加进你的 shell 配置或项目级.env：

# Claude Code 接入配置 export ANTHROPIC_BASE_URL="https://taotoken.net/api" export ANTHROPIC_API_KEY="$TAOTOKEN_API_KEY"

配置完成后，进入项目目录启动 Claude Code，它会走你指定的入口。如果你更习惯在对话里验证模型是否通，可以直接用模型对话页试一句：https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite 。

3.3 在 Codex 侧接入

Codex 的接入方式类似，核心是把 base_url 指向同一个端点。配置文件通常放在~/.codex/config.toml：

# ~/.codex/config.toml model_provider = "taotoken" [model_providers.taotoken] name = "TaoToken" base_url = "https://taotoken.net/api" env_key = "TAOTOKEN_API_KEY"

这样 Claude Code 和 Codex 就共用同一个 Key 和同一个用量视图。循环跑起来之后，你只需要盯一个地方的成本，而不是在两个后台之间来回切。

4. 可复制的循环配置骨架：/loop 与 /goal

理论说再多，不如亲手跑一次。最小循环靠两个原生命令：/loop按设定的节拍重复运行一段提示，像心跳一样；/goal持续运行直到你写的条件为真，每轮后由一个独立模型判定是否真的完成。Codex 也有同名的/goal。

这里藏着一个关键设计哲学：为什么/goal要用独立模型判定？因为写代码的模型给自己打分太宽容了。循环里最有用的结构，就是让一个子 Agent 负责产出、另一个用不同指令甚至不同模型去审查。

4.1 最小循环骨架

下面是一个可以直接改用的循环骨架。它做三件事：读外部记忆、跑一轮产出、让独立检查者判定是否达标。

# LOOP.md —— 循环的外部记忆脊柱 ## 目标 让 tests/ 下所有测试通过，且不修改测试文件本身。 ## 当前状态 - 最近一次运行：2026-06-13 09:00 - 失败用例：test_parser.py::test_nested_quotes - 已尝试方案：调整 tokenizer 的引号处理（未通过） - 下一步：检查 parser 的转义逻辑 ## 停止条件 `pytest tests/ -q` 退出码为 0，且 git diff 未触碰 tests/ 目录。 ## 检查者指令 你是独立审查者。不要修改代码，只做三件事： 1. 运行 pytest，记录退出码； 2. 检查 git diff --name-only 是否包含 tests/； 3. 若两项都通过，输出 GOAL_REACHED，否则输出 CONTINUE 并列出失败原因。

然后在 Claude Code 里这样驱动：

/loop 每 10 分钟执行一次： 1. 读取 LOOP.md 的「当前状态」和「下一步」； 2. 按「下一步」修改源码，不要动 tests/； 3. 运行 pytest，把结果写回 LOOP.md 的「当前状态」； 4. 调用检查者子 Agent 按「检查者指令」判定。 /goal 直到 LOOP.md 的「停止条件」为真： 每轮结束后由独立模型判定，输出 GOAL_REACHED 才停止。

4.2 用 worktree 做并行隔离

如果你想让多个循环同时跑，必须用 worktree 隔离，否则两个 Agent 会互相覆盖文件：

# 为循环 A 开一个独立工作树 git worktree add ../proj-loop-a -b loop/fix-parser # 为循环 B 开另一个 git worktree add ../proj-loop-b -b loop/refactor-tokenizer # 查看当前所有工作树 git worktree list

每个 worktree 是一个独立目录加独立分支，循环 A 改 parser、循环 B 改 tokenizer，互不干扰。跑完再合并，冲突在合并阶段处理，而不是在运行阶段互相踩。

4.3 用 SKILL.md 固化项目知识

循环最怕每轮从零重建项目意图。把项目约定写成 SKILL.md，循环每轮读一次，就不用反复解释：

# SKILL.md ## 项目约定 - 测试框架：pytest，测试文件在 tests/，禁止修改 - 代码风格：black + isort，提交前必须跑 - 分支命名：loop/<任务名> ## 常用命令 - 跑测试：pytest tests/ -q - 格式化：black src/ && isort src/ - 查看改动：git diff --stat

5. 验证请求与成功结果：怎么确认循环真的在跑

配置写完不算跑通，得看到循环真的在推进。验证分三步：先确认模型调用通，再确认单轮循环能跑完，最后确认外部记忆在更新。

5.1 先验证接入层

在启动循环之前，先用一个最小请求确认接入没问题：

curl -s https://taotoken.net/api/v1/messages \ -H "x-api-key: $TAOTOKEN_API_KEY" \ -H "anthropic-version: 2023-06-01" \ -H "content-type: application/json" \ -d '{ "model": "claude-sonnet-4-20250514", "max_tokens": 64, "messages": [{"role": "user", "content": "只回复 OK"}] }'

返回里能看到正常的 content 字段，说明接入层通了。如果这里就报 401 或 404，先别急着跑循环，回到第 6 节排查。

5.2 观察单轮循环的行为

启动/loop之后，重点观察三件事，而不是只看它有没有输出：

第一，LOOP.md 的「当前状态」有没有被更新。如果每轮结束文件都没变，说明循环没有写回记忆，明早的运行会从零开始。

第二，检查者子 Agent 有没有真的独立判定。你可以在 LOOP.md 里故意写一个假的「已通过」，看检查者会不会被骗——如果它直接输出 GOAL_REACHED，说明检查者没有真正运行 pytest，产出和检查没有分离。

第三，git diff 有没有越界。循环应该只改源码，不该动 tests/。跑几轮后执行：

git diff --name-only

如果列表里出现 tests/ 下的文件，说明停止条件里的约束没有被执行，需要把约束写进检查者指令，而不是只写在目标里。

5.3 成功结果的形态

一个健康的循环，跑起来之后你会看到这样的节奏：LOOP.md 每轮更新一次状态，失败用例数量单调下降，检查者每轮输出 CONTINUE 加具体原因，直到某一轮输出 GOAL_REACHED 然后停止。整个过程你不需要敲任何提示，只需要在它停下来之后看 diff。

flowchart TD A[定时器触发] --> B[读取 LOOP.md 状态] B --> C[产出子 Agent 修改源码] C --> D[运行 pytest] D --> E[写回 LOOP.md] E --> F[检查者子 Agent 独立判定] F -->|GOAL_REACHED| G[停止循环] F -->|CONTINUE| A

6. 本篇常见错排查

循环跑不起来，八成是下面几个问题。我按出现频率排一下。

6.1 报 401 / 403：Key 没生效

最常见的原因是环境变量没被循环进程继承。循环脚本如果是通过 cron 或独立 shell 启动的，它读不到你交互式 shell 里的 export。解决办法是把变量写进脚本能读到的地方，或者在启动脚本里显式 source：

# 在循环启动脚本开头显式加载 source ~/.bashrc # 或者直接写进脚本 export ANTHROPIC_API_KEY="$TAOTOKEN_API_KEY"

排查时先echo $ANTHROPIC_API_KEY确认非空，再确认 base_url 没有多余斜杠。

6.2 循环空转：每轮状态不变

如果 LOOP.md 一直不更新，通常是提示里没有明确要求写回。模型不会自动帮你维护外部记忆，你必须在/loop的指令里显式写「把结果写回 LOOP.md 的当前状态」。另一个原因是停止条件写得太模糊，比如「让代码更好」——这种条件检查者无法判定，只能一直 CONTINUE。

6.3 检查者被产出者带偏

如果检查者和产出者用同一个模型、同一段上下文，它很容易顺着产出者的思路走，把没通过的判成通过。解决办法是给检查者单独的指令，明确「不要修改代码，只运行验证命令」，条件允许时换一个模型做检查。这就是产出与检查分离的意义。

6.4 worktree 冲突：两个循环改同一个文件

没用 worktree 隔离时，两个循环会同时改同一个工作目录，git 状态会乱。表现是git status里出现大量非预期改动，或者循环报「文件被占用」。解决办法是每个循环一个 worktree，跑完再合并。合并冲突是正常的，在合并阶段处理比在运行阶段互相覆盖要好得多。

6.5 成本失控：token 消耗成倍上升

循环会自己花钱。子 Agent 各自跑模型、跑工具，token 消耗成倍上升。如果发现用量异常，先检查是不是给每一步都配了审查者。把「第二意见」花在真正值得的地方，而不是每轮都全量审查。在 TaoToken 控制台可以按时间段看用量，定位是哪个循环在烧：https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite 。

6.6 编排税：并行度受限于你能看多少 diff

一个残酷的现实约束：你能并行跑多少个 Agent，取决于你能认真看完多少 diff，而不是工具支持多少路。工具支持 100 路并行没用，你只看得完 3 个 diff，那你的真实并行度就是 3。这不是配置问题，是人的带宽问题，只能靠减少并行数或提高审查效率来解决。

7. 把循环补全成系统：从最小骨架到长期运行

跑通最小循环之后，下一步是把它补成一个能长期运行的系统。路径大致是：接上 Automations 做心跳，用 Worktrees 做并行隔离，用 Skills 固化项目知识，用 Connectors 接入真实工具，用 Sub-agents 做产出与检查分离，最后给循环加上外部记忆脊柱和一个独立的检查者。

如果你打算长期跑编码类循环或 Agent 编排，可以了解一下 Coding Plan，入口在 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite ，它更适合这种持续调用的场景。Claude Code 相关的接入说明在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite ，需要的话可以对照着看。

7.1 堆叠循环：向上还是向下

当你能稳定跑一个循环之后，真正的进阶是堆叠循环——一层套一层。这里要在两个方向之间做判断：Going Down（向下，求稳）是用杠杆换可靠性，把自动化退回到人工把关，适用于早期阶段；Going Up（向上，求快）是用可靠性换杠杆，把原本人工的判断也交给一个新循环，适用于模型变强、你有信心的时候。

判断什么时候该往哪个方向走，正是循环工程师区别于「只会按开始的人」的地方。Karpathy 那句「别再亲手修，去做能随更多 Agent 扩展的系统」，说的就是这个。

7.2 三个必须盯住的成本

向上堆叠不是免费的。Token 成本会成倍上升，编排税会限制你的真实并行度，而最隐蔽的是理解债——出活越快，你与代码之间的认知缺口越大。验证仍在你身上：循环无人值守，它犯错也无人值守。最危险的是循环一顺，你就懒得有观点了。

同一个循环，两个人能跑出完全相反的结果。一个人用它在自己深刻理解的工作上跑得更快，另一个人用它来彻底回避理解。循环不知道区别，你知道。设计循环比写提示更难，而不是更容易——带判断地做是解药，为逃避思考而做是加速剂。

7.3 一个可以直接用的收尾习惯

最后给一个我一直在用的习惯：每次循环停下来之后，不要只看它改了什么，先看 LOOP.md 里它记录的「已尝试方案」。如果里面出现了你没想过的思路，说明循环在帮你扩展；如果里面全是重复的失败尝试，说明停止条件或检查者指令需要调整。循环会忠实地放大你的一切——放大你的理解，也放大你的偷懒。你放开了敲提示的手，但没有放开判断力，事实上判断力比以往任何时候都更值钱。