Anthropic《Getting started with loops》：Turn-based、Goal-based、Time-based、Proactive 四種 Agent Loop 怎麼選 | Allen 知識庫 | Allen 知識庫
Claude Code × Agent Loops × Skills / Goal / Schedule / Proactive Agents
Anthropic《Getting started with loops》：不要只會下 prompt，要會設計 Agent Loop
Threads @prompt_case 分享 Anthropic 官方 Claude Loops 入門文章，重點是把一次性的「請 AI 幫我做」升級成有觸發條件、停止條件、驗證方式與成本邊界的 loop。官方把 loops 分成 Turn-based、Goal-based、Time-based、Proactive 四種。
Kate 判斷：這篇官方文章的價值不是「四個名詞」，而是把 agent 任務設計成「誰觸發、何時停、如何驗證、多久跑一次、何時升級模型」的操作框架。對 Hermes / BigIntTech 來說，這正好對應 skills、cronjob、subagent、verifier 與 no-agent scripts 的設計準則。
一句話：什麼是 Agent Loop？
Agent loop 是 AI 收到目標後，反覆「判斷 → 使用工具 → 讀結果 → 修正 → 再行動」，直到完成、達到停止條件或需要人類介入的循環。
Claude Code Docs 對底層循環的描述是：Claude 接收 prompt、系統提示、工具定義與歷史；決定回覆或要求 tool calls；SDK 執行工具並把結果餵回；重複直到沒有 tool calls，最後輸出結果、token usage、cost 與 session id。
四種 Loop 的差異
| Loop 類型 | 觸發方式 | 停止條件 | 適合場景 | 操作重點 |
|---|
| Turn-based loop | 使用者單次 prompt | Claude 判斷完成或需要更多上下文 | 短任務、探索、臨時修改、一次性分析 | 把人工驗證步驟寫成 skill，讓 agent 能自查 |
Goal-based loop /goal | 手動 prompt + 明確 goal |
| 有明確成功門檻的任務，例如測試通過、Lighthouse 分數達標 |
| 寫清楚 done criteria 與 turn cap，例如「stop after 5 tries」 |
Time-based loop /loop / /schedule | 固定時間間隔或排程 | 取消、工作完成、PR merge、queue empty | 例行摘要、定期檢查 PR、修 CI、外部系統輪詢 | 不要跑太頻繁；能 event-driven 就不要 blind polling |
| Proactive loop | 事件或排程，沒有即時人類在場 | 單次任務達標；routine 持續跑到關閉 | bug report triage、issue triage、migration、dependency upgrade、回饋處理 | 小模型處理 routable work，高階模型做 judgment calls；加 verifier |
普通人怎麼理解這四種 Loop
Turn-based
你問一句，AI 做一輪。適合「幫我看這篇」、「幫我改這個小問題」。你仍是主要控制者。
Goal-based
你告訴 AI「做到什麼才算完成」。例如測試全綠、分數到 90、表格補齊。AI 可以多試幾輪。
Time-based
讓 AI 每隔一段時間檢查一次。例如每早摘要、每 5 分鐘看 PR、每小時看客服回饋。
Proactive
AI 不等你開口，看到事件或時間到就自己開始跑固定流程，完成後回報或交付結果。
官方文章中特別值得保留的工程原則
1. Verification 比 Prompt 更重要
Anthropic 文章在 Turn-based loop 章節強調：可以把人工檢查步驟寫成 SKILL.md，讓 Claude 自己用工具看結果、測量結果、互動驗證結果。
- 不要只讓 AI「覺得」完成。
- 要給它 browser、console、test、trace、screenshot、API check 等可驗證工具。
- 越量化，越容易 self-verify。
這與 Allen 對 Kate/Hermes 的要求一致：說做完不算，必須實測、讀回、驗證。
2. Goal 要有 deterministic criteria
Goal-based loop 最適合「可測量完成」的任務，例如：
- 測試全數通過。
- Lighthouse score ≥ 90。
- 所有 API endpoint 回 200。
- KB 文章 API / 前台 / 搜尋 / OneDrive mirror 全通過。
模糊 goal 會讓 agent 亂跑；清楚 goal 才能讓 evaluator 判斷「繼續」或「停止」。
3. Time-based loop 要小心成本與頻率
官方文章說 /loop 在本機跑，本機關掉就停；/schedule 可移到 cloud routine。對 Hermes 來說，這對應：
cronjob：定期摘要、檢查、提醒。no_agent=True script watchdog：不需要 reasoning 的固定監控。- event/webhook：比固定輪詢更省。
如果資料 1 小時才變一次，就不要 5 分鐘跑一次。Loop 設計本身就是成本控制。
4. Proactive loop 必須有邊界與 reviewer
Proactive loop 很誘人，但也是最容易失控的：
- 它沒有即時人類在場。
- 它可能持續處理事件流。
- 它可能造成外部 side effects。
- 明確權限：能讀什麼、能寫什麼、不能發送什麼。
- 成本上限：turn cap、budget、model routing。
- fresh-context reviewer：主 agent 做完後由另一個 reviewer 檢查。
- 可回滾/可審計：每次 action 留 log。
一個可直接套用的 Loop 設計模板
Loop 名稱：
1. 觸發條件
- 人類 prompt / goal / 時間排程 / webhook / 新檔案 / 新 email / 新 issue
2. 任務目標
- 要完成什麼？
- 什麼叫 done？
3. 停止條件
- 成功條件：
- 失敗條件：
- 最多嘗試幾次：
- 成本/時間上限：
4. 可用工具
- 可讀：
- 可寫：
- 可呼叫 API：
- 禁止事項：
5. 驗證方式
- 測試：
- API check：
- Browser check：
- Screenshot / log：
- Reviewer：
6. 輸出格式
- 回報給誰：
- 要附哪些證據：
- 若失敗要怎麼 alert：
7. 升級規則
- 簡單任務用小模型：
- 需要 judgment call 時升級高階模型：
- 高風險 external action 前要求人類確認：
對 Hermes / Kate 的落地對應
| Anthropic loop | Hermes/Kate 對應 | 例子 |
|---|
| Turn-based | 一般 Telegram 任務 + tool calls + verification | Allen 丟 URL → Kate 查證 → 上架 KB → API/前台/搜尋/OneDrive 驗證 |
| Goal-based | 明確 done criteria 的迭代任務 | 修到測試全綠、PoC 跑通、KB mirror 數量對齊 |
| Time-based | cronjob / scheduled scripts | 月報帳、每日摘要、高鐵收據補抓、旅遊天氣提醒 |
| Proactive | cron + script + agent reasoning + reviewer / alert | 新 email 到達後分類、產生文件 checklist、缺件提醒；但不直接對外發送 |
與 LoopKit / pilotfish / LifeOps 的關係
這篇官方 loops 文章可和幾個既有概念串起來：
- LoopKit：提供 skills、memory、verifier、harness 的可移植框架；它回答「loop 裡怎麼把品質做穩」。
- pilotfish：高階 orchestrator + 便宜 worker + verifier；它回答「loop 裡不同模型/agent 怎麼分工」。
- FrugalGPT / RouteLLM：便宜 router 先判斷是否要升級；它回答「loop 裡如何省成本」。
- LifeOps：把生活決策流程做成 repeatable loops；它回答「哪些生活任務值得變成 loop」。
Caveat
注意：Threads 貼文提供的是一段「把官方文章丟給 agent 的提示詞」，本身不是官方教學。本文已回查 Anthropic / Claude 官方文章與 Claude Code docs；四種 loop 的定義以官方頁為準。/goal、/loop、/schedule、dynamic workflows、auto mode 等功能的可用性可能依 Claude Code 版本、帳號、研究預覽狀態而異。