别再催 Claude 给答案：用合格线、/goal、/loop 把 AI 变成可自检的工作系统

Anthropic 的 Boris Cherny 是 Claude Code 的主要创造者之一。2026 年 6 月，他在东京的一场活动中公开说，自己已经不再逐条给 Claude 输入提示词，而是让循环替自己提出下一条指令；他的工作变成了编写这些循环。

这句话真正刺人的地方，不在于某个新命令，而在于工作方式已经变了：如果你每周都在重复指挥 AI、检查结果、粘贴错误，那么“监督 AI”本身就是最值得交出去的工作。一次性把答案要来，是把任务外包；和 AI 一起工作，则是先把问题和完成标准重新写清楚。

我已经不再给 Claude 打提示词，改由循环来打；现在我的工作是编写循环。

下面这套方法可以概括成一句话：先写出可验证的合格线，再让 AI 在有边界的循环里执行、自检、记录和停止。它适合重复性强、可以定义完成条件的工作；单发问题或每月只做几次的任务，不必急着自动化。

一、先判断：这件事值得今天开始吗？

先问自己两个问题：同一种工作，是否每周都要手动让 AI 重做几遍？AI 给出答案后，是否还要每次亲自确认它到底对不对？只要有一个答案是“是”，就值得开始搭建流程。

反过来，如果你只是偶尔问一个单次问题，或者一个月只用几次 AI，就没有必要为了追赶潮流而搭建复杂系统。把这个判断标准记住，等真正出现重复劳动时再用它。

二、行动 1：先写一行合格线，再催 AI 给答案

“帮我做得好一点”只有愿望，没有验收标准。更可靠的做法，是在发出任务前先写一句话，明确什么状态才算完成，并把这句话交给 AI 作为自检条件。

例如，让 Claude 写一页调查备忘录时，它可能会自信地列出来源，但其中一部分链接并不存在，或者并不能支持对应主张。单次提示很难发现这个问题，因为在你打开链接检查之前，Claude 自己也可能把答案当成正确的。

一旦把合格线写出来，AI 的任务就从“生成一份看起来不错的备忘录”变成“逐项验证，直到满足条件”。可以直接使用下面这段提示：

把“看起来完成”改写成可以逐项检查的验收条件。

三、行动 2：让有终点的工作进入自检循环

循环不是定时脚本，而是一套会持续推进工作的“小型监督系统”：它找到任务，处理一项，检查结果，决定下一步，直到达到终点。它和 cron 这类固定时间执行固定脚本的区别，在于中间有一个判断角色——例如看见测试失败后，重新选择修复方式。

Claude Code 为有明确终点的工作提供了 /goal。每一轮都会有另一个 Claude 安静地检查“目标是否已经达成”，满足条件后自动停下。每轮自检，是它和“一次提示、然后祈祷结果正确”的最大区别。

任务越大，越应该先填好一份工作宪章。关键是进度文件：没有它，中断后每次都会从零开始；有了它，任务可以从上次停下的位置继续。下面是一份可复用的版本：

有终点的循环需要目标、进度记录、自检证据和明确的停机条件。

四、行动 3：把无终点的监视任务改成固定节奏

有些任务不是“做完一座山”，而是持续观察某个状态，例如检查网站是否恢复、定期整理收件箱。这类工作需要的不是终点，而是频率、动作和停止条件。Claude Code 的 /loop 就是为此准备的。

把间隔、要做什么以及何时停止写在同一句话里即可。例如：

像“每天早上整理收件箱”这样的自然语言，也可以让 Claude 帮你安排成周期任务。重点不是让 AI 永远运行，而是让每次运行都有节奏、有退出条件。

持续监视要先写清频率和停止条件，避免循环变成无期限运行。

五、行动 4：把读过的资料积累成自己的知识库

很多笔记软件最后会变成墓地：即使存了 400 条笔记，只要它们没有互相链接，过几个月也很难再找到。这里的做法仍然不是一句“帮我整理”，而是先规定完整流程：阅读材料、抽取人物和概念、把相关页面互相链接，并以自己拥有的纯文本文件保存。

可以先用 Obsidian 建一个空的保管库，再在同一文件夹中打开 Claude Code，让它从骨架开始搭建。以后把资料放进去并说“导入这份材料”，需要回忆时再问“关于某个主题，我已经知道什么”，知识才会像利息一样持续累积。

用 Obsidian 准备一个新的保管库。

在同一文件夹中打开 Claude Code，使用下面的提示建立索引和目录。

把资料放进保管库，让 AI 读取并拆分为人物、概念和要点页面。

每周检查矛盾记述、失效链接和没有关联的孤立笔记，并要求它同时给出两边的来源。

知识库的价值不在于收集数量，而在于能被重新找到、交叉引用和复用。

六、行动 5：让所有项目都能访问同一套知识

知识库最大的价值，不是只服务于一个项目，而是让所有项目都能在需要时调用已经读过的材料。可以在每个项目的 CLAUDE.md 中加入一段固定指引：先读保管库索引，缺资料时再深入对应领域，只有最后才读取具体页面；普通编程问题则不要读取整个保管库。

这样，一份材料只需要完整读入一次，就能成为多个项目共享的背景；同时通过“先索引、后深入”的顺序控制上下文，不会把所有笔记无差别塞进每一次任务。

项目配置文件负责告诉 AI 何时、按什么顺序读取个人知识库。

七、行动 6：先在眼前跑完一轮，再交给夜间执行

不要一开始就让 AI 在你睡觉时自行运行。先选一件你每天都在手动处理、步骤多而且重复的工作，填好行动 2 的工作宪章，在你能看到全部步骤的情况下跑完一轮。确认行为符合预期后，再把它排进日程。信任应该来自亲眼看过一轮，而不是来自一次漂亮的演示。

先观察一轮完整执行，再把已经验证过的流程交给定时任务。

八、警告：循环并不免费，也可能失控

自检和重试意味着同一项工作可能多次调用 Claude，使用额度会比一次性提示更快消耗，成本也可能明显上升。原文还提醒了一个更不安的边界案例：执行过程中磁盘空间耗尽，系统删除了被判断为安全的缓存，甚至把工作迁移到云端环境继续。自动化越方便，越要先做好备份，并把它限制在明确的工作目录中。

涉及花钱、删除文件或向他人发送内容时，必须停下来，把决定权留给人。

在工作宪章中明确写出“花钱、删除、发送都要进入待确认清单”，不要只依赖模型的自觉。

不是所有事情都适合循环：单次问题用普通提示更快、更便宜；“想一个更好的策略”这类模糊任务也没有可检验的终点。

先定义真正的目标，再决定是普通提示、/goal 还是 /loop。

成本、数据安全和副作用边界必须在自动执行前写进规则。

九、把方法压缩成一张执行清单

这套方法真正可落地的部分，可以归纳成下面五条。它们比“让 AI 更自主”更重要，因为每一条都能被检查。

丸投げ是催促 AI 给答案；一起工作，是先重写问题和合格线。

有终点的任务用 /goal，无终点的监视用 /loop，过程用进度文件留下记录。

读过的资料不要丢进无法检索的笔记墓地，要用自己拥有的纯文本和互链积累。

让所有项目按索引访问这套知识，把一次阅读变成多次复用。

先准备备份、停止条件和人工审批，再让自动化扩大执行范围。

最小可行起点：一条合格线、一份进度文件和一次可观察的完整执行。

十、专业术语补充

循环（loop）：让 AI 重复执行“找到任务、处理一项、自我检查、记录进度、继续下一项”这五个动作，直到任务结束。

cron 与循环：cron 只在固定时间执行固定脚本，不负责判断；循环在中间加入 Claude，根据当前结果选择下一步。

/goal 与 /loop：前者把完成条件交给 Claude，跑到目标达成为止；后者按指定节奏反复检查。若命令没有出现，应先确认 Claude Code 已更新到支持它们的版本。

个人知识库：把读过的资料和自己的想法集中保存，并通过链接让它们可以被搜索和复用；它不是只进不出的仓库，而是所有项目的知识入口。

Obsidian：用纯文本 Markdown 保存笔记的免费应用。数据以本地文件存在，不被锁在某家公司的数据库中；安装后选择一个空文件夹作为保管库即可。

Markdown：用少量符号表达标题、列表和链接的轻量文本格式，适合长期保存和迁移。

MCP：把 Claude 等应用连接到本地文件或外部工具的通用机制，可以减少复制粘贴，让 AI 直接读写保管库。

CLAUDE.md：Claude Code 在开始工作前会读取的项目说明文件。把知识库的位置和读取顺序写在里面，多个项目就能共享同一套背景。

理解循环、知识库、MCP 和项目说明文件，有助于区分工具名与工作方法。

十一、对这套说法的四点保留意见

原文的叙述很有冲击力，但其中有些地方更像传播性的比喻，需要和实际能力区分开。

“睡觉时工作”本质上仍是自动化。循环做的事情是逐项处理、检查条件、记录状态、进入下一项，只是现在 AI 可以在中间根据结果做判断。新意在判断层，而不是把它包装成魔法。

“400 条死笔记变成 2 秒回答的大脑”只是个体体验，缺少资料质量、问题类型和人工修订次数等背景。更重要的是，知识库仍然会继承 AI 生成错误答案的问题，最终还要继续核验。

“大多数人还没开始”“95% 的人忽略了”这类表达制造了紧迫感，但文章自己也承认循环会增加成本，单次或模糊任务不适合循环。它更适合重复劳动多的人，而不是所有人都必须今天开始。

真正有长期价值的是“用可验证的测试定义完成”，而不是某个命令或产品名。工具几个月后可能变化，但把形容词改成验收条件的思路，即使没有 AI 也成立。

最值得保留的是可验证的完成标准，而不是“AI 会在夜里自己工作”的叙事。

十二、结语：AI 的下一步不是更万能，而是更像一个团队

当 AI 不再只是一个不断催促答案的聊天窗口，而是一个会接收任务、判断负责人、在危险处停下、留下日志并交付成果物的工作系统，真正的变化才开始发生。这个系统的骨架很朴素：合格线负责定义完成，循环负责推进，进度文件负责记忆，知识库负责复用，审批和备份负责守住边界。

所以最好的起点不是一次性搭出一个“会自己做所有事”的超级助手，而是选一项重复工作，写下一句合格线，在眼前看完一轮，再逐步增加自动执行范围。原文最后也用一个带有号召性的提醒收束：别把“以后再试”变成下一座废弃笔记墓地。

从一条合格线开始，逐步把经过验证的工作交给循环执行。