最近看到 Claude Code 创造者 Boris 的一个观点，很值得琢磨。
> “I don’t prompt Claude anymore. I write loops – and the loops do the work. My job is to write loops.”
大意是：
> 他现在不再只是给 Claude 写 prompts。
>
> 他写 loops。
>
> 然后让 loops 去完成工作。
这句话乍一看有点技术味。
prompt，大家已经很熟了，就是你给 AI 的指令。
比如：
“帮我写一篇文章。”
“帮我做一个网页。”
“帮我分析一下这个项目。”
“帮我优化一下广告。”
但 loop 是什么？
如果不用技术语言解释，它其实就是：
**不是让 AI 回答你一次，而是给 AI 设计一套可以反复执行、检查、修正的工作流程。**
这件事很重要。
因为它可能是很多人用 AI 卡住的真正原因。
大家以为自己缺的是更高级的提示词。
但实际上，很多时候缺的不是 prompt。
缺的是 workflow。
缺的是一套能让 AI 把事情持续推进下去的工作循环。
* * *
## 一、很多人还在把 AI 当聊天工具
现在大多数人用 AI，还是典型的“问答模式”。
你输入一句：
“帮我写一篇文章。”
AI 给你一版。
你觉得不满意，又说：
“再自然一点。”
AI 再改。
你还不满意，又说：
“再高级一点。”
AI 再改。
然后你继续说：
“这里不对，重新写。”
整个过程看起来是在用 AI，其实更像是在和客服聊天。
你问一句，它答一句。
你推一下，它动一下。
你不推，它就停在那里。
这就是普通人使用 AI 的常见状态。
它能提高效率，但很难真正形成生产力。
因为每一次对话都是临时的。
这次问完，下次还要重新问。
这次改完，下次还要重新改。
你没有沉淀出一套稳定的方法。
* * *
## 二、高手不是在“问 AI”，而是在“安排 AI”
高手的用法不一样。
他们不会只丢给 AI 一个模糊需求，然后等它发挥。
他们会给 AI 一套更清楚的任务路径。
比如普通人会说：
“帮我优化一下这个网站。”
但更好的说法是：
先检查首页第一屏，判断用户能不能在 5 秒内看懂这个网站卖什么。
再检查页面里的按钮是不是清楚。
再检查移动端有没有显示问题。
再检查有没有无效链接。
最后按优先级列出最该修改的 5 个地方。
你看，这就完全不一样了。
前者是在许愿。
后者是在安排工作。
AI 面对第一种需求，很容易给你一堆“正确但没用”的建议：
提升用户体验。
优化页面结构。
增强品牌信任。
突出核心卖点。
改善转化路径。
这些话都对。
但你看完之后，还是不知道下一步到底该改哪里。
而第二种方式，AI 会沿着一个具体路径去检查。
它知道先看什么，再看什么，最后交付什么。
这才是 loop 的意义。
**Prompt 是一句指令。
Loop 是一套流程。**
一句指令，只能让 AI 回答你一次。
一套流程，才能让 AI 持续把事情往前推进。
* * *
## 三、为什么 AI 经常给你“看起来不错”的废话？
AI 最容易迷惑人的地方，不是它完全不会做。
恰恰相反，现在的 AI 已经很会“生成答案”了。
它可以写得很完整。
看起来有逻辑。
看起来很专业。
甚至有时候看起来比你还懂。
但你仔细一看，会发现很多问题。
它可能理解错了你的业务。
它可能引用了不准确的事实。
它可能漏掉了关键条件。
它可能写了一堆漂亮但没有行动价值的话。
它也可能在写代码时改错文件，修了一个 bug，又制造出另一个 bug。
这就是为什么“生成”本身不等于“完成”。
AI 给你一版结果，只代表它完成了一次输出。
但这个输出能不能用，还需要检查。
检查后发现问题，还需要修正。
修正之后，还需要再检查。
所以真正有价值的 AI 工作方式，不是：
生成一版结果。
而是：
**生成 → 检查 → 修正 → 再检查 → 交付。**
这才是 loop。
* * *
## 四、一个好的 loop，本质上只有四件事
你不用把 loop 想得很复杂。
它不是高级程序员才懂的东西。
一个好的 AI loop，本质上只有四件事。
### 1. 明确目标
你到底要 AI 完成什么？
不是“帮我写好一点”。
而是：
写一篇普通读者能看懂的公众号文章。
不是“帮我优化页面”。
而是：
让用户打开首页后，能在 5 秒内看懂你卖什么、适合谁、下一步该点哪里。
目标越清楚，AI 越不容易跑偏。
### 2. 拆成步骤
复杂任务不要一次性丢给 AI。
你要让它先做什么，再做什么，最后做什么。
比如写文章，不是直接说“写一篇爆款”。
而是：
**先判断读者是谁。
再提炼读者最关心的问题。
再搭文章结构。
再写初稿。
再检查有没有空话。
再改成更像人写的话。
最后提炼标题和摘要。**
### 3. 设置检查
这是最容易被忽略的一步。
很多人让 AI 写完就结束了。
但真正能不能用，关键在检查。
文章写完，要看有没有空话、有没有 AI 味、前后逻辑能不能接上、读者看完是否真的有收获。
广告写完，要看有没有夸大、有没有误导、有没有违反平台规则、是否符合用户搜索意图。
代码写完，要看能不能运行、有没有报错、有没有破坏原有功能、有没有遗漏边界情况。
没有检查，AI 的输出只是“看起来完成”。
有了检查，任务才开始接近“真的可用”。
### 4. 允许修正
检查出问题之后，AI 不能停在那里。
它要继续分析原因，继续修改，再继续检查。
这就是循环。
所以，一个简单的 loop 可以写成这样：
> 先完成 A。
>
> 然后按照 B 标准检查。
>
> 如果发现问题，修正 C。
>
> 修正后再次检查。
>
> 最后用 D 格式告诉我结果。
这句话看起来很普通，但它比很多所谓“神级提示词”更有用。
因为它不是让 AI 表演一次。
它是在让 AI 进入一个工作闭环。
* * *
## 五、Claude Code 为什么让这件事变得更明显？
这件事在 AI 编程里表现得最明显。
很多人用 Claude Code、Cursor、Codex 时，会遇到一个问题：
一开始很惊艳。
AI 写代码很快。
页面也能生成。
功能看起来也能做。
但越往后越容易乱。
一运行，报错。
让它修，修完又报另一个错。
再让它修，可能把原本正常的功能也改坏了。
最后你发现，AI 确实很聪明，但它并不天然可靠。
这时候，真正重要的不是再写一句更漂亮的 prompt。
而是给它一个清晰的开发 loop。
比如：
**先读取项目结构。
再找到和任务相关的文件。
再说明准备怎么改。
然后只改最小必要范围。
改完运行测试。
如果测试失败，读取错误并修复。
修完再测试。
最后总结改了什么、还有哪些风险。**
这个过程听起来慢，但实际更稳。
因为软件开发本来就不是一次写对。
真正的开发，从来都是不断理解、修改、测试、修正。
AI coding 也是一样。
你不能期待 AI 一次性“神之一手”。
你要把它放进一个可以纠错的系统里。
这就像开车。
新手以为开车就是踩油门。
但真正会开车的人知道，开车是一个不断观察路况、调整方向、控制速度、避免风险的过程。
AI 也是一样。
你不能只给它油门。
你还要给它方向盘、后视镜、刹车和导航。
* * *
## 六、Prompt 和 Loop 的区别，可以这样理解
Prompt 像一句话。
Loop 像一条生产线。
一句话解决的是当前这一次问题。
生产线解决的是一类问题。
比如你今天让 AI 写一篇文章。
如果只是 prompt，你可能会说：
“帮我写一篇关于 AI coding 的文章。”
AI 写完，这次就结束了。
下次你要写别的文章，还得重新想怎么问。
但如果你有一个文章写作 loop，它会变成：
**先判断读者是谁。
再判断这个选题解决什么问题。
再找出最值得讲的核心观点。
再搭结构。
再写初稿。
再检查是否空泛、是否像 AI、是否有逻辑跳跃。
再改成普通人能看懂的话。
最后生成标题、摘要和配图提示词。**
这套流程以后可以反复用。
写 AI 文章可以用。
写商业文章可以用。
写工具测评也可以用。
这就不只是一次对话了。
这是资产。
广告也是一样。
普通 prompt 是：
“帮我写一组广告文案。”
广告 loop 是：
**先判断用户搜索这个词时处在购买前、比较中，还是准备下单。
再提炼最适合这个阶段的卖点。
再写出多组标题和描述。
再检查有没有夸大承诺、误导表达和平台风险。
再按点击意图和转化意图分组。
最后给出第一轮测试应该先投哪几组。**
网站也是一样。
普通 prompt 是：
“帮我优化这个网站。”
网站 loop 是：
**先判断定位是否清楚。
再检查首页第一屏。
再检查分类结构。
再检查信任元素。
再检查转化路径。
再检查移动端体验。
最后输出可执行修改清单。**
你会发现，loop 的价值不是让 AI “说得更好听”。
而是让 AI “做得更稳定”。
这就是 prompt 和 loop 的本质区别。
* * *
## 七、AI 使用能力正在从三层升级
如果把 AI 使用能力分成三个阶段，大概是这样。
### 第一层，是会提问
你能把问题说清楚，AI 就能给你更好的回答。
比如你不再只说“帮我写文章”，而是说“帮我写一篇普通读者能看懂的公众号文章”。
这是 prompt 层面的能力。
### 第二层，是会拆解
你知道一个任务不是一步完成的。
写文章不是只有“写”。
它包括选题、读者、观点、结构、案例、表达、标题、摘要。
做网站不是只有“建站”。
它包括定位、页面、文案、信任、转化、速度、数据。
写代码不是只有“生成代码”。
它包括理解项目、设计方案、修改文件、测试、调试、回归检查。
这是 workflow 层面的能力。
### 第三层，是会沉淀
你不是每次都临时问 AI。
你会把高频任务沉淀成固定流程。
文章创作 loop。
广告文案 loop。
落地页检查 loop。
竞品分析 loop。
代码修复 loop。
项目复盘 loop。
一旦流程可以复用，它就不再只是一次 AI 对话。
它会变成你的个人生产资产。
这才是 AI 真正产生复利的地方。
* * *
## 八、为什么很多提示词课程会越来越不值钱？
不是 prompt 没用。
prompt 当然有用。
但单独的 prompt 太薄了。
比如：
“你是某某专家。”
“请一步一步思考。”
“请用表格输出。”
“请给我结构化建议。”
这些技巧能提高一点输出质量，但它们解决不了真实任务里的复杂问题。
真实任务需要的不只是一句更好的开场白。
它需要目标、步骤、检查、修正和复用。
所以未来真正值钱的，不是“1000 条神级提示词”。
而是：
一套能持续写出高质量文章的流程。
一套能持续优化广告投放的流程。
一套能持续检查网站问题的流程。
一套能持续开发和修复产品的流程。
换句话说：
**提示词是工具，流程才是资产。**
你今天问出一个好问题，只能解决今天的问题。
但你今天沉淀出一套好流程，明天、后天、下个月都还能继续用。
* * *
## 九、普通人应该怎么开始？
不用一上来就搞复杂系统。
你可以先记住一个最简单的模板：
**先做第一步。
做完后按标准检查。
发现问题就修正。
修正后再检查。
最后总结结果。**
这个模板可以套到很多场景。
比如写文章：
先判断读者是谁。
再列出他们最关心的 5 个问题。
然后写一版大纲。
写完后检查有没有空话、有没有 AI 味、有没有逻辑跳跃。
最后改成一版普通人能读下去的公众号文章。
比如分析项目：
先判断这个项目解决什么问题。
再分析它靠什么赚钱。
再找出最大的风险。
然后给出 3 个最小可执行动作。
最后告诉我哪个动作最值得先做。
比如做广告：
先分析用户搜索这个品牌词时的意图。
再写广告标题和描述。
然后检查有没有夸大、医疗、金融、误导性表达。
最后给出适合测试的关键词分组。
比如写代码：
先读取项目结构。
再定位相关文件。
再提出最小修改方案。
然后修改代码。
再运行测试。
如果失败，分析错误并修复。
最后总结改动和风险。
你会发现，AI 的回答会稳定很多。
因为你给它的不再是一个模糊愿望。
而是一条清楚的工作路径。
* * *
## 十、未来真正重要的，是把 AI 变成工作系统
未来的 AI 使用者，大概会分成两类。
一类人，把 AI 当聊天框。
每天问很多问题，复制很多答案。
看起来很忙，但没有沉淀。
另一类人，把 AI 当工作系统。
他们会把重复任务流程化。
把流程模板化。
把模板资产化。
最后让 AI 帮自己持续生产结果。
短期看，两类人都在用 AI。
但时间一长，差距会越来越大。
一个人积累的是一堆零散对话。
另一个人积累的是一套生产系统。
这就是 AI 时代真正的复利。
* * *
所以回到最开始的问题：
AI coding 的关键，到底是 prompt 写得更漂亮，还是能不能设计出让模型自己推进的 loop？
我的答案是：
prompt 仍然重要。
但它已经不是终点。
它更像是你和 AI 沟通的入口。
而 loop，才是你让 AI 持续完成任务的方法。
**Prompt 解决的是“怎么问”。
Loop 解决的是“怎么做完”。
Workflow 解决的是“怎么复用”。**
这三句话，就是 AI 使用能力的升级路径。
以后不要只追求一句“神级提示词”。
你更应该问自己：
这件事能不能拆成一个流程？
能不能让 AI 做完第一步后自己检查？
能不能让它发现错误后继续修正？
能不能把这次经验沉淀成下次还能用的模板？
如果可以，你就不只是会用 AI。
你是在搭建自己的工作系统。
最后记住一句话：
**Prompt 是入口，Loop 是过程，Workflow 才是资产。**
会写 prompt 的人，可以让 AI 回答得更好。
会设计 loop 的人，可以让 AI 把事情做完。
会沉淀 workflow 的人，才会真正把 AI 变成自己的生产力系统。
* * *
## 写在最后
如果你也在用 ChatGPT、Claude、Cursor、Codex，或者任何 AI 工具，可以试着问自己一个问题：
**我现在是在和 AI 聊天，还是在给 AI 设计工作流程？**
这两个答案，可能决定了你未来能从 AI 身上拿到多少价值。
如果你只是偶尔问一问 AI，它会帮你省一点时间。
但如果你开始把重复任务做成流程，把流程沉淀成模板，把模板变成自己的工作系统，AI 对你的意义就完全不一样了。
它不再只是一个“回答问题的工具”。
它会慢慢变成你的生产力杠杆。
你有没有一个自己常用的 AI 工作流程？
比如写文章、做广告、写代码、分析项目、优化网站。
欢迎在评论区聊聊：
**你现在最想让 AI 帮你稳定完成哪一类任务？**
如果你觉得这篇文章有启发，也可以点个**在看**，转给还在到处寻找“神级提示词”的朋友。
也许真正该找的，不是一句更强的 prompt。
而是一套能反复跑起来的 workflow。
