Agent Loop 使用指南：提示词模板、验收示例与停止条件

大家好，我是你的AI效率助手。今天我们来聊聊最近AI圈里热门的“Loop”（循环）概念。

很多人每天用 ChatGPT 或 Claude，但还是最慢的方式：打一个问题，等回复，修改，再问。效率很难上去，因为一直是你在推着 AI 往前走。

Loop的核心精髓：给AI一个明确的目标、验证标准和停止条件，让它自己迭代、检查、改进，直到达成目标，而你不用每步都盯着。

1. 什么是Loop？和普通Prompt的区别

• 普通Prompt：一次指令，AI给一个答案，然后等你决定下一步。
• Loop：一个递归目标。AI自己规划 → 执行 → 验证结果 → 发现问题 → 改进 → 重复，直到成功或达到上限。

2. Loop的三个关键部件

记住这三个就够了

• 目标（Goal）：清楚定义你要什么。

举个🌰 “帮我制定一个适合上班族的30天早起习惯养成计划” —— 越具体越好。

• 验证（Verify）：设定可检查的标准。这是Loop的核心，没有验证就容易自我欺骗。

例如：必须包含具体作息时间表，至少列出 3 个常见障碍和应对方法，并提供每日追踪方式。检查这些项目是否齐全后，再判断计划是否现实可执行。

• 停止条件（Stop）：达到所有成功标准，或最多迭代4次。

额外加分（可选但推荐）：

• 保留状态（State） —— 让AI记住上一轮哪里做得不好，避免反复犯同样的错误。

举个🌰 每次让AI在输出结尾加一句“状态总结”（比如：上一版起床时间太早，不够现实）。下一轮把这句话复制粘贴到新Prompt的最前面，AI就会参考它继续改进。这样循环效率更高、更聪明。

3. 大部分普通人真的需要完整Loop吗？

不需要！完整Loop（尤其是带自动化、子代理、代码环境的）适合开发者或高频重复任务，大部分人用反而可能增加复杂度和成本。

普通人适合的场景

（每周至少重复一次的任务）：

• 内容创作（文章、朋友圈、计划）
• 学习总结、知识提炼
• 日常规划（旅行、健身、购物清单）
• 问题解决（调试思路、决策分析）

如果任务是一次性的、质量高度主观（纯创意品味），或AI无法端到端完成，就用普通Prompt就好。

4. 适合普通人的“轻量Loop”方案（零代码，马上可用）

在Claude、ChatGPT、Grok等任意大模型里，直接用一个结构化Prompt就能模拟Loop。

推荐万能Prompt模板

（复制粘贴改目标即可）：

你现在是一个高效的AI助手，我给你一个任务。请严格按照以下循环流程工作，直到完成或达到最大次数：

**任务目标**： [在这里写清楚目标，例如：帮我制定一个适合上班族的30天早起习惯养成计划]

**成功标准**（必须全部满足才算完成）：
1. ...
2. ...
3. ...

**工作流程**（每一步都必须执行）：
1. 第一次生成初始版本。
2. 严格对照成功标准打分（1-10分），列出不足之处。
3. 针对不足改进，生成新版本。
4. 重复以上，直到所有标准达到8分以上，或最多迭代4次。
5. 最后输出最终版本 + 改进总结。

开始执行吧，先输出第1版。

使用技巧

• 把Prompt一次性发完，让AI自己跑多轮。
• 对于复杂任务，可以分阶段：先让它生成大纲Loop，再针对每个部分Loop。
• 跟踪状态：下一轮对话时，附上“上一次的不足是XXX，继续改进”。
• 控制成本：设置最大迭代次数，避免Token爆炸。

完整示例：把会议记录变成可核对的待办

比起让 AI 自己评价“质量达到 8 分”，更可靠的起点是准备一份你能手工检查的小样例。下面是虚构的会议记录，用于演示验收方法，不是一次真实业务会议或模型效果测试。

输入记录：
小林周五前整理接口清单；小周负责检查登录错误，但还没确定截止时间。
会上讨论过重做首页，没有决定是否执行，也没有指定负责人。

任务：仅提取已明确分配的待办，输出“任务、负责人、截止时间、原文依据”四列。

验收标准：
1. 恰好两条待办；未决定的首页重做不得列入。
2. 整理接口清单归小林，截止时间原样保留为“周五前”。
3. 检查登录错误归小周，截止时间写“未确定”，不能编造日期。
4. 每条待办都附上输入中的原文依据。

循环：先输出，再逐项检查这四条标准；不通过时说明哪项失败并修改。
最多修改两轮。仍有歧义时列出需要我确认的问题，然后停止。

手工核对时，结果应只有“小林—整理接口清单—周五前”和“小周—检查登录错误—未确定”两条。保留“周五前”的原文，是因为输入没有会议日期，不能凭空换算成某个日历日期。如果结果包含“重做首页”，就算表格排版再整齐也没有通过验收。

可以再增加一个反例：把输入改成“只讨论方案，没有分配任务”，此时应输出没有明确待办，而不是为了填表编造任务。用正例和反例检查输出，比模型自行打分更容易发现问题。

什么时候停止，什么时候交给人

情况	下一步
所有可核对的标准都通过	输出结果与检查记录，停止循环
缺少资料或输入自相矛盾	列出缺口，等待补充，不靠猜测继续
连续两轮重复同一错误	保留失败样例，交给人检查目标或方法
达到轮数、时间或费用上限	输出当前结果、未通过项和已用预算
涉及发消息、付款或改动线上数据	在真正执行前确认授权范围

在普通聊天中要求模型“循环”，只是在当前对话里组织多轮检查，并不自动获得后台定时运行、文件访问或外部工具权限。需要持续运行时，还要有真实的执行环境、状态记录和中断机制。模型的自查也不是独立证据：能用原文、人工答案或程序检查的部分，应优先用这些方法验证。

怎样判断第二轮是否真的比第一轮好

每轮保留“输入、结果、未通过项、修改动作”，不要只保留最终输出。以会议待办提取为例：第一轮补写了原文没有的负责人，第二轮必须检查同一条原文，并验证负责人恢复为空；仅把语气改得更肯定不算通过。

准备一条明确待办、一条没有负责人的待办和一段没有待办的文字，固定三条输入再比较两轮输出。只有第二轮修正了原错误、也没有破坏原本正确的样例，才接受这次改动。

做网页采集时，验证条件应是可回到源页面核对的字段，可参考 BrowserAct 的采集与抽查方法；读取资料时则按 Agent Reach 的来源记录模板 区分正文、摘要和字幕。

5. 日常实用小Loop例子

• 内容创作Loop：目标“生成吸引人的标题+正文+结尾呼吁”，验证“点击欲强、通俗、有数据或故事”。
• 学习Loop：目标“把这篇长文提炼成3个关键点+行动清单”，验证“是否覆盖核心、容易记住”。
• 健身/习惯Loop：目标“根据我的目标制定一周计划”，验证“是否现实、可追踪、有备选”。

6. 进阶小Tips（可选学习）

• 拆分子任务：大目标拆成小Loop，效果更好。
• 角色分离：让AI先当“创作者”生成，再切换“严格审稿人”检查（同一个对话里说“现在切换到审稿模式”）。
• 手动触发：不需要自动化，每天固定时间跑一个Loop就好（例如早上规划一天）。
• 观察迭代：多看AI怎么自我纠正，你也能学到更好的思考方式。

写在最后

如果你还没确定任务怎么拆，可以先读 把 AI 编程任务写成可验证的步骤；准备将流程做成应用时，按 第一个 AI 应用的交付清单 检查输入、错误处理和成本。教育场景可以参考 DeepTutor AI 家教教程 中的教材引用与变式题验收方法。

Loop不是复杂技术，而是“把AI从工具变成伙伴”的思维转变。大部分人不需要工程级Loop，掌握轻量版 + 结构化Prompt，就能大幅提升效率。关键是明确目标 + 可验证标准 + 允许迭代。

从今天开始，试试上面模板写一篇文章、做一个计划。你会发现AI不再是“问答机”，而是能自己干活的助手。