JeecgBoot AI专题研究| Claude Code 自动迭代 Loop 模式从零上手实战指南一、Loop 到底解决什么问题用 Claude Code 写代码你大概率遇到过这个场景把需求丢给它 → 它忙活一阵 → 输出一堆代码 →停了。测试没过它把报错贴给你等你下一步指令。逻辑没写完它声称已完成就交差了。这不是 Claude 不够聪明而是它默认是单轮执行——做完一轮推理就认为任务结束不会主动回头跑测试、发现问题、再改一遍。Loop循环就是来填这段空白的让 Claude 自动写代码 → 验证 → 发现问题 → 再改反复迭代直到达成你定义的完成标准才停。入门阶段你只需要记住三件事loop 不神奇它会放大你的提示词——要求写得清楚效果惊人写得模糊它会无限猜测什么叫完成。完成标准必须可量化测试通过、构建成功、接口跑通不能是做得好一点。永远设上限最大迭代次数这是成本的安全阀省略它等于让 AI 烧光你的额度。二、三种用法从最简单到最实用入门不用贪多。先认识这三种按场景挑一种用就够了。用法 Abash 循环零安装最简单适合批量处理一堆能列出来的文件/任务比如批量迁移、批量审查。本质就是用普通的 shell 循环反复调用claude -pheadless 模式传入提示词、跑完就退出。# 第一步先让 Claude 生成任务清单claude-p列出所有需要从 React 迁移到 Vue 的文件migration-list.txt# 第二步循环处理每个文件forfilein$(catmigration-list.txt);doclaude-p把$file从 React 迁移到 Vue\--allowedToolsEdit,Bash(git commit:*)\--max-turns40\--max-budget-usd2done要点--allowedTools限定它能用哪些工具避免乱来。--max-turns和--max-budget-usd是成本刹车务必带上。用法 BRalph Loop 插件装一下就能用适合长任务适合从零搭新项目、可以挂后台跑的长任务睡前启动、醒来看结果。它通过停止钩子在 Claude 每次想退出时拦住它把任务重新喂回去直到 Claude 输出你约定的完成关键词。安装需要 Claude Code 2.0.76 以上# 添加插件市场/plugin marketplaceaddanthropics/claude-code# 安装 Ralph Wiggum 插件/plugininstallralph-wiggumclaude-code-plugins# 重载插件/reload-plugins运行/ralph-wiggum:ralph-loop任务描述--completion-promiseDONE--max-iterations10三个参数任务描述越具体越好--completion-promise是完成后必须输出的关键词循环靠它判断是否结束--max-iterations是最大迭代次数别省略。中途想停/ralph-wiggum:cancel-ralph用法 C自定义 /loop 命令验证最可信适合严肃工程适合已有项目里修 bug/重构且项目已经有能跑出绿/红的检查命令test、lint、类型检查等。它的精髓是把写和验拆成两个 Agent一个只写代码一个只跑检查且在工具层面就没有改文件的权限所以它没法自欺欺人地说我做完了。这种做法更稳但需要写几个配置文件属于进阶。入门可以先跳过用熟了 A 和 B 再回来看。三、入门实战三个由浅入深的案例下面三个案例照着抄就能感受到 loop 的威力。建议从案例一开始一步步来。案例一5 分钟体验——写一个带测试的小函数这是最适合第一次尝试的任务小、可验证、能明显看到每轮在变好。/ralph-wiggum:ralph-loop写一个校验邮箱地址的 Python 函数。 要求处理边界情况并写 3 个测试用例。 全部完成后输出 DONE。--completion-promiseDONE--max-iterations5你会观察到第一轮可能只是基础实现后几轮逐渐加上边界处理、优化错误提示、补全测试覆盖。输出质量一轮比一轮高——这就是 loop 的价值。如果你还没装插件用 bash 版也能体验类似效果claude-p写一个校验邮箱的 Python 函数含边界处理和 3 个测试并运行测试确认全过\--allowedToolsWrite,Edit,Bash--max-turns10案例二好提示词 vs 坏提示词这一节决定你成败同样的任务提示词差一点结果天差地别。这是 loop 入门最重要的一课。坏提示词——Claude 不知道什么叫好容易无限循环做一个 todo API做好一点。好提示词——给出明确的完成清单/ralph-wiggum:ralph-loop做一个 todo 的 REST API。 完成标准 - 所有增删改查接口都能用 - 有输入校验 - 测试通过覆盖率 80% 以上 - 有 README 写明 API 文档 全部满足后输出 COMPLETE。--completion-promiseCOMPLETE--max-iterations15记住这个公式任务 可勾选的完成清单 完成关键词。清单上每一条都要是能客观判断对错的这样 loop 才有明确的前进方向不会陷入猜你想要什么的内耗。案例三内嵌自我纠错逻辑——TDD 循环把迭代规则直接写进提示词让测试结果成为循环的燃料——每次失败都让下一轮更精准。/ralph-wiggum:ralph-loop用 TDD 方式实现购物车的添加商品功能 1. 先写会失败的测试 2. 实现功能 3. 运行测试 4. 如果有测试失败调试并修复 5. 需要的话重构 6. 重复直到所有测试通过 全部变绿后输出 DONE。--completion-promiseDONE--max-iterations20进阶小技巧——给卡住留个出口在提示词末尾加上如果 10 轮后仍无法完成 - 记录是什么卡住了进度 - 列出你试过的方法 - 给出替代方案建议 完成时输出 DONE被卡住时输出 STUCK。这样即使任务失败你也能拿到一份诊断报告而不是白烧 token。四、什么时候用、什么时候别用适合 loop 的场景成功标准可量化测试通过、构建成功、接口跑通需要反复写代码 → 跑测试 → 修 bug的迭代任务全新项目从零增量搭建可以挂后台、睡前启动、醒来看结果的长任务不适合 loop 的场景需要主观判断的决策UI 设计、架构取舍简单的一次性任务没必要套循环成功标准本身说不清楚没有关键词能触发结束生产环境定向排查 bug这种更需要人来指挥五、新手最该记住的 5 条成本与避坑原则--max-iterations/--max-turns必填。大多数任务 10–20 次足够复杂项目 30–50 次。没有上限的循环 没有终点的马拉松。先用小上限试跑验证提示词逻辑没问题再加大次数。完成标准越具体越省钱。模糊的要求让 AI 反复猜测猜测就是在烧钱。简单任务用便宜的模型配置就行不必每轮拉满。任务太大就拆阶段。与其让它一口气做完整个电商系统不如拆成阶段 1登录鉴权 → 阶段 2商品目录 → 阶段 3购物车每个阶段验证通过再进下一个。结语Loop 改变的不是 Claude 的智商而是它的工作模式——从给你一个答案变成直到做对为止。而你的角色也变了以前你是质检员要肉眼盯着每一行 AI 写的代码现在你是需求方输入任务、设好完成标准、审一眼最终结果就行。技术本身不复杂门槛只有一个你得会把什么叫完成说清楚。从案例一开始今天就跑一次试试。本文为 JeecgBoot AI 专题研究系列文章。