Google 工程师揭秘 Loop Engineering：让 Claude Code 与 Codex 自主工作的配置思路-北京尧图网络

1. 为什么你还在手动给 Claude Code 和 Codex 写提示词如果你现在用 Claude Code 或 Codex 的方式还是打开终端、敲一句 prompt、等它返回、读一遍、再敲下一句那你其实还停留在“把 agent 当工具用”的阶段。这个阶段没什么错但它有一个天花板你的注意力就是整个系统的瓶颈。你不在agent 就停你困了loop 就断。Loop Engineering 想解决的就是这件事。它不是让你写更聪明的 prompt而是让你设计一个系统由这个系统去发现任务、分发任务、验证结果再把需要人判断的部分交回来。你从“操作员”变成“系统设计者”。Google 工程师 Addy Osmani 那篇博文里引用了 Peter Steinberger 的一句话大意是你不应该再继续提示 coding agents你应该设计 loops让 loops 去提示你的 agents。Anthropic 的 Boris Cherny 也说过类似的话他现在不再提示 Claude而是写 loops由 loops 判断接下来该做什么。听起来有点抽象但落到 Claude Code 和 Codex 上它其实是一组很具体的组件Automations 负责按节奏触发Worktrees 负责隔离并行任务Skills 负责固化项目知识Connectors 负责连接真实工具Sub-agents 负责把“写”和“检查”拆开再加一个 Memory 负责记住已经做了什么。这六样东西凑齐一个 loop 就能自己转起来。这篇文章不聊概念史直接给你可复制的配置片段和一次端到端验证动作。适合已经在用 Claude Code 或 Codex、但还没搭过自主循环的开发者。如果你还没装这两个工具也可以先看配置结构理解 loop 的骨架长什么样。2. TaoToken 前置给 loop 一个稳定的模型入口Loop 和手动 prompt 最大的区别是它会自己反复调用模型而且是在你不在场的时候调用。这意味着模型入口的稳定性、计费透明度和 key 管理方式直接决定了你的 loop 能不能长期跑下去。手动用的时候一次请求失败你重试一下就行loop 里一次失败可能让整个循环卡住或者更糟让 verifier 误判任务已完成。我自己的做法是把模型调用统一走一个兼容 OpenAI 协议的入口这样 Claude Code、Codex 以及你自己写的脚本都能用同一套 Base URL 和 Key不用为每个工具单独配一遍。TaoToken 的 API 地址是https://taotoken.net/api兼容 OpenAI 的/v1/chat/completions和/v1/models接口Claude Code 和 Codex 都能直接接。具体来说你需要准备三样东西这三样在后面的配置里会反复出现第一是 Base URL填https://taotoken.net/api。注意这里不要带任何路径后缀工具会自己拼/v1。第二是 API Key在控制台的 API Keys 页面创建。建议给 loop 单独建一个 key不要和你手动调试用的 key 混在一起这样出问题时你能快速定位是 loop 的调用还是你手动触发的调用。第三是 Model ID。Claude Code 场景下用claude-sonnet-4-5这类标识Codex 场景下用gpt-5-codex这类标识具体以你账号下/v1/models返回的列表为准。你可以先用模型对话页面确认某个 model id 能正常返回再写进配置。为什么强调这三件套要写全因为我在排障时见过太多次“连不上”其实不是网络问题而是 Base URL 带了/v1导致工具拼成了/v1/v1/chat/completions或者 Model ID 写成了展示名而不是接口名。Loop 跑起来之后这类错误会在日志里反复出现但如果你不主动去看它可能只是安静地失败然后 verifier 因为拿不到结果而误判。另外提醒一点loop 会放大 token 消耗。手动 prompt 时你一次可能只花几千 token但一个每小时触发、每次派两三个 sub-agent 的 loop一天下来消耗量是数量级的差别。所以建议在正式跑 loop 之前先用一个低频的 automation 试水观察一两天的用量曲线再决定要不要提高频率。TaoToken 的用量页面可以按 key 和时间段看消耗这个对你调 loop 节奏很有用。3. 可复制配置Claude Code 与 Codex 的 loop 骨架这一节给你可以直接抄的配置片段。我按“触发层、隔离层、知识层、验证层”四块来组织每块都对应到具体文件路径。你不需要一次全配可以先配触发层和验证层跑通一个最小 loop再逐步加。3.1 Claude Code 的 settings 与 subagent 配置Claude Code 的配置分两处全局设置放在~/.claude/settings.json项目级 subagent 放在项目根目录的.claude/agents/下。先看 settings{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_API_KEY: sk-your-taotoken-key, ANTHROPIC_MODEL: claude-sonnet-4-5 }, permissions: { allow: [ Bash(git worktree:*), Bash(npm test:*), Bash(npm run lint:*) ] } }这里ANTHROPIC_BASE_URL填 TaoToken 的 API 地址ANTHROPIC_API_KEY填你在控制台创建的 keyANTHROPIC_MODEL填模型 ID。permissions 里我放开了 worktree 和测试、lint 命令因为 loop 里的 verifier 需要跑这些来验证结果。你可以按自己项目的实际情况增减但原则是只放开 loop 真正需要的命令不要图省事全放开。然后是 subagent 定义。在.claude/agents/下建两个文件一个负责实现一个负责验证--- name: implementer description: 根据任务描述实现代码改动只改必要文件 model: claude-sonnet-4-5 tools: Read, Edit, Bash --- 你是一个实现型 agent。收到任务后先读相关文件再做最小改动。改完后运行项目测试把测试结果原样贴出来不要总结。如果测试失败不要假装通过直接报告失败原因。--- name: verifier description: 独立验证实现结果不信任实现者的自述 model: claude-sonnet-4-5 tools: Read, Bash --- 你是一个验证型 agent。你的任务是独立检查另一个 agent 的改动是否真的满足要求。不要读实现者的总结直接读代码和测试输出。如果测试没跑你自己跑一遍。如果测试通过但代码有明显问题也要指出。输出格式PASS 或 FAIL加一句理由。关键点在 verifier 的 instructions 里明确告诉它不要信任实现者的自述要自己跑测试。这是 maker-checker 拆分的核心。如果你让同一个 agent 既写又验它给自己打分时会非常宽容。3.2 Codex 的 auth.json 与 agent TOMLCodex 的配置在~/.codex/auth.json和项目下的.codex/agents/。auth.json 长这样{ OPENAI_BASE_URL: https://taotoken.net/api, OPENAI_API_KEY: sk-your-taotoken-key, OPENAI_MODEL: gpt-5-codex }同样三件套Base URL、Key、Model ID。Codex 的 subagent 用 TOML 定义放在.codex/agents/下name explorer description 只读探索定位相关文件和调用链 model gpt-5-codex reasoning_effort low instructions 你只做探索不改任何文件。找到与任务相关的文件、函数、测试输出一份清单包含文件路径和关键行号。 name reviewer description 审查改动是否符合项目约定 model gpt-5-codex reasoning_effort high instructions 你审查另一个 agent 的改动。对照项目 skills 里的约定检查是否有违反、是否有遗漏的边界情况。输出 PASS 或 FAIL加具体理由。注意 reviewer 用了highreasoning effortexplorer 用low。这是成本控制的关键探索型任务不需要深度推理验证型任务才需要。如果你把所有 subagent 都设成 hightoken 消耗会翻好几倍但收益并不成比例。3.3 触发层automation 与 /goal配置好 agent 之后你需要一个东西按节奏触发它们。Claude Code 里可以用/loop按间隔跑一个 prompt也可以用/goal持续工作直到条件成立。Codex 里对应的是 Automations tab 和/goal。一个最小可用的触发配置是这样的每天早上 9 点跑一个 triage prompt让它读昨天的 CI 失败和 open issues把发现写进triage.md。这个 prompt 本身不修代码只做发现和分诊。然后对每个值得处理的发现开一个 worktree派 implementer 和 verifier。/goal的停止条件要写得可验证。比如“test/auth下所有测试通过且 lint 干净”而不是“把认证模块修好”。前者 verifier 能跑命令确认后者只能靠 agent 自己判断而 agent 判断自己完成时通常过于乐观。4. 验证请求跑一次端到端 loop配置写完先别急着上定时任务。手动触发一次完整循环确认每一环都能跑通再交给 automation。第一步确认模型入口通。用 curl 打一下curl https://taotoken.net/api/v1/models \ -H Authorization: Bearer sk-your-taotoken-key返回里有你配置的 model id说明 Base URL 和 Key 没问题。这一步能挡掉大部分“连不上”的问题。第二步手动跑一次 triage。在 Claude Code 里输入/goal 读取最近一次 CI 失败的日志找出失败原因写入 triage.md观察它是否真的读了日志、是否真的写了文件。如果它只是口头描述而没有落盘检查 permissions 里有没有放开写文件的权限。第三步派 subagent。确认 triage.md 有内容后开一个 worktreegit worktree add ../loop-test -b loop-test然后在 worktree 目录里让 implementer 处理 triage.md 里的第一条发现。改完后让 verifier 独立验证。你要看的是 verifier 有没有真的跑测试而不是只读代码就下结论。第四步检查 state file。Loop 跑完后triage.md或你指定的 state 文件里应该记录了尝试了什么、什么通过了、什么还没做。这个文件是明天 loop 继续的起点。如果它是空的或者只有一句“已完成”说明你的 prompt 没有要求 agent 写结构化状态需要补上。我实测下来第一次跑最容易出问题的地方是 verifier 太早说 PASS。解决办法是在 verifier 的 instructions 里加一句“如果测试没跑你自己跑一遍”并且给它 Bash 权限。没有执行能力的 verifier 只能靠读代码猜那和没有 verifier 差不多。5. 常见报错排查401、local proxy failed 与 reading choicesLoop 跑起来之后报错会以日志形式出现。下面几个是我踩过的坑对照着看能省不少时间。401 Unauthorized。最常见的原因是 Key 没配对或者 Base URL 和 Key 不是同一套。检查settings.json或auth.json里的ANTHROPIC_API_KEY/OPENAI_API_KEY是不是你在 TaoToken 控制台创建的那个。另一个原因是 Key 前面多了空格或者少了sk-前缀。还有一种情况是你用了手动调试的 key但那个 key 被你在控制台删了loop 还在用旧值。local proxy failed。这个报错通常出现在工具尝试走本地代理但代理没起来的时候。如果你没有配代理检查环境变量里有没有残留的HTTP_PROXY或HTTPS_PROXY。Loop 是在后台跑的它继承的环境变量可能和你当前 shell 不一样。最稳妥的做法是在 settings 里显式设置 Base URL不依赖环境变量。reading choices 相关报错。这类错误一般是响应格式不符合预期常见于 Base URL 拼错导致返回了 HTML 错误页而不是 JSON。检查你的 Base URL 是不是https://taotoken.net/api有没有多写/v1。工具会自己拼/v1/chat/completions你多写一层就变成/v1/v1/...服务端返回 404 页面客户端解析 JSON 时就报 reading choices 失败。OAuth 相关报错。如果你用的是需要 OAuth 的客户端检查 token 有没有过期。Loop 长时间运行OAuth token 可能在循环中途失效导致后半段全部失败。解决办法是给 loop 用 API Key 而不是 OAuthAPI Key 不会中途过期。verifier 误判 PASS。这不是报错但比报错更危险。表现是 loop 报告任务完成但你手动检查发现测试根本没跑。排查方法是看 verifier 的日志里有没有实际的命令执行记录。如果没有说明它没有 Bash 权限或者 instructions 没要求它跑测试。补上权限和指令即可。worktree 冲突。两个 subagent 同时改同一个文件时会出现。检查你是不是给每个并行任务都开了独立 worktree。Codex 的 thread 内置 worktreeClaude Code 需要你显式用--worktree或isolation: worktree。如果两个 agent 共享一个 checkout冲突是必然的。6. 把 loop 接进你的日常从一次触发到长期运行配置跑通之后你可以把它变成日常。我的做法是保留一个低频的 automation 做发现发现结果进 triage 文件然后我每天早上花十分钟看一遍 triage决定哪些让 loop 自动处理哪些我自己来。这样既享受了 loop 的自动化又没有完全交出判断权。如果你想把 loop 用在长期编码任务上Coding Plan 的额度模型比按次调用更适合因为 loop 的调用是持续且可预测的。你可以先到模型对话页面确认模型可用再到 API Keys 页面创建专用 key最后按本文的配置片段接进 Claude Code 或 Codex。接入文档里有各客户端的详细步骤遇到配置问题可以先对照文档检查三件套是否写全。最后说一个我自己的经验loop 的价值不在于它替你写了多少代码而在于它把“发现任务”和“验证结果”这两件消耗注意力的事接了过去。你省下的不是打字时间是切换上下文的时间。但前提是你的 verifier 真的可信你的 state file 真的在记录。这两样没做好loop 只会更快地产生你没读过的代码。

Google 工程师揭秘 Loop Engineering：让 Claude Code 与 Codex 自主工作的配置思路

相关推荐

银河麒麟V10离线安装QGis全攻略：依赖处理与天地图加载

判断对称二叉树：递归与迭代实现及面试避坑指南

华为云Flexus+DeepSeek征文｜ModelArts Studio加持：Flexus X实例上Search4All AI搜索平台与TaoToken统一Key接入实战

更多资讯

AI编程助手Skills实战：从零搭建可复用工作流模块

Manifest V3下浏览器扩展端侧AI推理实战：WebGPU与WASM性能优化

本地部署AI编程助手：Docker与Ollama实战指南

Python环境搭建从零开始：解释器与PyCharm配置避坑全指南

PHP+微信小程序：低成本搭建多用户投票系统全流程

SpringBoot智能出行系统：拼车打车与订单状态机实战解析

今日更新

Agent Skills 完全指南：原理、写法、安装与实战避坑

Agent Skills 实战：从 Genkit 定义到 GKE 部署与排查

Agent Skills 实战：从设计到调试的完整指南

本周精选

CMOS设计三大物理效应：体效应、沟道长度调制与亚阈值导电

微信小程序在线阅读毕设全解析：Java后端+MySQL+避坑实战

Android音频问题五层分析法：从App到Codec的系统化诊断

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？