Looper Skill：让 Claude Code 循环操作先设计再执行的审查利器

Skill超级捕获手 技术创作者 2026-08-10 14 阅读

Looper Skill：让 Claude Code 循环操作从”玄学调参”变成可视化可审查的设计流程

Claude Code 的 /goal、/loop、/schedule 这些原生循环工具很好用，但有一个根本问题：它们是黑箱——你写一个模糊的目标，AI 就闷头跑，跑成什么样你只能等结果出来才知道。Looper 是一款专注于”循环设计”的 Claude Code Skill，把循环操作从黑箱变成白箱：先设计、先审查、先确认逻辑通顺，再跑。

功能与设计原则

Looper 解决的核心问题是”循环质量不可控”。它是一个循环设计教练（Loop Design Coach），在真正跑起来之前，先帮你把循环的结构、验证节点、停止条件、迭代上限全部想清楚，并输出可视化的 ASCII 流程图。

设计原则：
– 设计优先，执行在后——先让 AI 输出循环图，人审核通过再跑
– 验证节点必须可检查——programmatic check + judge 双保险
– 停止条件必须明确——max iterations / no-progress 次数 / budget 上限三重守护
– 跨模型评审——可以用非 Claude 的模型（如 Codex、GPT-5）当 reviewer

认可度

GitHub Topics 页面收录（claude-code-skill 话题共 2,172 个仓库），项目最近更新：2026 年 8 月 9 日（今日最新）。GitHub Star 数量较小众专业向，但独特的产品定位在 Claude Code 生态中几乎没有直接竞品。

链接

GitHub：https://github.com/ksimback/looper

原作者

Kevin Simback（@ksimback，X @ksimback）。维护者同时在推进 Hermes Ecosystem 项目，对 AI Agent 循环设计有系统性研究。

介绍

Looper 的核心使用方式是在 Claude Code 会话中输入 /looper，它会引导你一步步描述你的自动化目标，然后：

  1. 访谈：问你目标是什么、验证怎么算通过、谁来审、跑多少轮
  2. 批评：对你的设计做” against built-in best-practice rubrics”审查，指出逻辑漏洞
  3. 可视化：输出终端友好的 ASCII 流程图（Goal → Plan Gate → Delivery Gate → Final）
  4. 输出 artifacts：RUN_IN_SESSION.md、loop.yaml、loop.resolved.json、LOOP.md、run-loop.py

这些文件构成一个完整的循环规范，任何循环类型（turn-based / goal-based / time-based / proactive）都可以执行。

Looper 的设计哲学基于 Claude Code 团队自己的循环分类法（Getting started with loops），但它是这四类循环的”设计层”：不管你用哪种循环，跑之前先在 Looper 里过一遍设计评审，确保循环值得跑。

特点

  • /looper 交互式引导：输入简单，AI 帮你把模糊想法变成结构化设计
  • ASCII 流程图预览：在终端里直接看到 Goal → Gate → Delivery 的完整路径
  • 双验证机制：programmatic check（程序化检查）+ judge（模型评审），双重保险
  • 跨模型 reviewer：可以用 Codex、GPT-5 等非 Claude 模型当评审员
  • 完整 artifacts 输出：设计结果保存为 YAML/JSON/MD 等可版本化的文件，方便审计和复用
  • Stop Guards：内置 max iterations / no-progress 次数 / budget 上限，防止无限跑
  • Revision Caps：Plan 和 Delivery 各有最多 3 次修订机会，超出强制停止

使用方法

安装：

npx skills add ksimback/looper

触发：
在 Claude Code 对话里直接输入：

/looper

然后按提示回答问题（目标是什么、谁来验证、迭代上限等），Looper 会自动生成完整的循环设计文件，并在终端打印 ASCII 流程图。

生成的典型文件：
– loop.yaml — 循环的 YAML 规范
– RUN_IN_SESSION.md — 在当前 Claude Code 会话里执行的指令
– run-loop.py — 独立可运行的 Python 脚本（你拥有，可自行修改）
– LOOP.md — 人类可读的循环说明文档

使用场景与人群

适用场景：
– 需要反复迭代的自动化任务（数据清洗、批量文件处理、多轮代码优化）
– 需要跨模型协作的工作流（让 Codex/GPT 当评审，Claude Code 当执行）
– 对循环执行结果有明确质量要求的工作（不想让 AI 跑完才发现方向错了）

目标用户：
– Claude Code 重度用户，已经不满足于”一次性 prompt”的开发者
– 需要在团队中分享和审查 AI 循环流程的工程团队
– 研究 Agent Loop 设计模式的学习者

输入与输出案例

场景 1：设计一个 AI 工作流文档生成循环

Input（用户对 Looper 说）：

我想让 AI 每周自动生成一份团队周报，从 Jira 拉数据，从 Notion 拉项目状态，最后输出 Markdown 报告。

Looper 输出的 ASCII 流程图：

Goal[定义目标：生成周报] 
  → Plan[草稿 plan.md] → Plan Gate(reviewer-1 审核) 
    → revise ≤3 / pass → Delivery[写 delivery-N.md] 
      → Delivery Gate(程序化检查 + judge) 
        → revise ≤3 / pass → Final Output[完整周报]
State + log 持续记录；Stop Guards 守护上限

场景 2：设计一个代码审查循环

Input：

让 Codex 做代码审查，Claude Code 根据审查结果修改代码，反复直到没有高危 issue。

Looper 输出的循环核心逻辑：
– Gate 1（Plan）：Codex 审查计划是否覆盖所有高危问题
– Delivery：Claude Code 修复问题 → 上传 diff
– Gate 2（Delivery）：自动检测是否还有高危 issue（programmatic），无则 pass
– Stop Guard：max 5 轮 / no progress 2 次 / token budget 警告

本质一句话：Looper 把 Claude Code 的循环操作从”写完目标就开跑”变成”先画流程图、人审一遍再跑”，彻底解决 AI 循环中目标模糊、验证缺失、无限迭代三大痛题。

GitHub: https://github.com/ksimback/looper

评论区

0 条评论

登录后可评论。

Skill超级捕获手 14 阅读