← 返回 Blog
UseAIAPIAI API2min

Claude Code 三板斧：/goal 定目标、/loop 盯本地、/schedule 丢云端

过去几个月，Claude Code 陆续放出三套循环机制：/goal、/loop、/schedule，三条斜杠指令。底层逻辑一致——让 AI 自己循环跑，直到触发终止条件；但触发方式、停止规则、运行载体各不相同，走出三条不一样的路。

ClaudeClaude Code三类循环三种工作范式

三类循环，三种工作范式

你是否有过这样的经历——

服务部署完，每隔五分钟手动刷一次页面看状态；CI 跑二十分钟，你每三分钟切过去翻日志；MR 提上去，每半小时刷一次等评审。你盯着屏幕，像个人肉监控探头，反复刷新、等待，循环往复。

2026 年，这类琐碎值守，终于有了解法。

过去几个月，Claude Code 陆续放出三套循环机制：/goal、/loop、/schedule，三条斜杠指令。底层逻辑一致——让 AI 自己循环跑，直到触发终止条件；但触发方式、停止规则、运行载体各不相同，走出三条不一样的路。

  • /goal 解决"做到什么程度算完工"：定目标，不达标不罢休。

  • /loop 解决"多久查一次"：设时间间隔，AI 定时巡检。

  • /schedule 解决"关机后谁接着跑"：任务托管 Anthropic 云端，关电脑也照转。

三条指令，三套终止条件，三种工作范式。

/goal：不达标准，不准收工

/goal 随 2.1139 版本于 2026 年 5 月 11 日上线，用法很简洁：输 /goal，附上验收条件即可。

示例：

把首页 Lighthouse 性能分拉到 90 以上，最多试 5 轮。

配置完，Claude 开始迭代。每轮结束，一个独立的轻量评估模型（默认 Claude Haiku）会读完整段对话上下文，按你定的标准对账——达标就停，不达标接着改。

这里有个刻意的设计：执行模型和验收模型是分开的。

Anthropic 在技术沙龙里反复提过：生成模型前向计算的特征空间有固有盲区，让"写代码那位"顺手审自己的活，边界异常很容易漏。所以 /goal 强制拆成两个角色——Builder 只管实现，Judge 专挑错；审不过，带驳回理由回去重改。

适合场景：验收标准能量化的活。比如"pytest 全绿""lint 零告警""两端数据迁移一致"。别写"优化代码"这种模糊目标——没人能定义"优化"的边界在哪。

📌 /goal 的终止条件：目标达成，或迭代次数耗尽。

/loop：时间一到，自动开工

/loop 上线更早，2026 年 3 月随 2.172 版本发布，面向另一类场景——有些活没法一次收尾，得持续盯、反复查。

示例：

/loop 5m 检查部署是否完成，同步当前状态

意思是每 5 分钟巡一次部署进度。Claude 在会话空闲时自动跑，支持分钟 / 小时 / 日三级时间粒度；单会话最多并发 50 个循环，最长存活 3 天，到期跑完最后一轮自动销毁。

更聪明的用法是可以省掉固定时长，直接：

/loop 监控 CI 任务

Claude 会根据紧急度动态调轮询间隔：CI 刚起时每分钟查一次；连续十分钟没动静，自动放宽到 5 分钟一轮，比人手定间隔灵巧。

裸指令 /loop 效果更强——Claude 自动进"值守模式"，跟完当前会话的未结事项：盯当前分支 MR 的新评论、卡住的 CI、合并冲突。通俗说就是：没事自己找活干。

📌 /loop 的终止条件：人工手动停，或生命周期到期。

/schedule：关了电脑，照样跑

/loop 有个硬伤——绑本地设备，电脑一关，循环断。

/schedule 补的就是这块。2026 年 4 月 14 日，Anthropic 正式推出 Routines 调度能力。命令行输 /schedule，描述任务和频次，Claude 会把任务包成调度流，部署到 Anthropic 托管的云端设施上。

云端跑意味着：你关电脑，任务照常走。按小时、按夜、按周都能配。

示例场景：

每天凌晨 2 点，从 Linear 拉最高优的 bug，试着修掉，开 draft MR。

你睡你的，AI 修 bug；第二天开机，MR 已经候着。

Routines 不止定时触发一种玩法。每条调度任务会分配独立 API 入口和令牌，可以 HTTP 远程唤醒；也能订阅 GitHub 事件——新 MR 一来，自动拉起一轮代码评审。

📌 /schedule 的终止条件：人工删任务，或你自己配的终止逻辑触发。

三条指令，一套内核

放一起看，差别就清楚了：

  • /goal 追质量——不达验收不罢休；

  • /loop 追频次——定点定时自动巡；

  • /schedule 追可靠——脱离本地，无人值守。

但底层是同一件事：你不再需要每一轮都亲手踩油门。"继续还是停"的决策权，从人手上移交给了系统。

过去你是"提问的人"，现在得是"定规则的人"——定义完工标准、选核验手段、设巡检频率、排失败处理。你不在循环里当操作员，而在循环外当设计者。

Claude Code 负责人鲍里斯·切尔尼有个判断：十年后回看，循环机制和它的衍生功能，会是他最得意的那部分。

一条提示词换一次答复；一套循环，合上电脑也还在替你跑。

程序员这行，也正从"写代码的人"，往"设计系统的人"挪。

循环铺开后，模型接入那头也得跟上

范式换道归换道，落地时还有个现实问题躲不开——循环一开，调用是细水长流地烧：/loop 本地轮询、/schedule 云端常驻、/goal 多轮迭代+Judge 双模型……token 消耗不是脉冲式，是持续式的。

这时候对模型侧的要求就悄悄变了：不一定单点最强，但得稳、能切、多模型能随时换、账单别失控。Claude 主力写循环逻辑，Gemini 跑长上下文、DeepSeek 做性价比补充、ChatGPT 兜底通用——不同环节塞不同模型，是现在很多团队的实操做法。

像 UseAIAPI​ 这类把 Gemini、Claude、ChatGPT、DeepSeek 等最新主流模型聚在一起的接入服务，最近在开发者圈提得越来越多：省掉逐个签约、逐个适配的麻烦；企业侧可以按自身 DevOps 节奏做定制封装，直接嵌进流水线；价格层面，官方定价 5 折起，对"循环常开、token 细水长流"的场景，这笔账比较好算。

范式要跑得动，模型接入、成本控制、稳定性这几样，还是得一起看。