loop

loop skill 概覽

loop skill 的用途

loop 是 alirezarezvani/claude-skills 中，供 autoresearch-agent 工作流程使用的排程 skill。它會針對指定名稱的實驗啟動或停止一個週期性的自主實驗迴圈，並透過 CronCreate 依照選定的間隔執行該實驗。它的核心工作很單純：拿一個像 engineering/api-speed 這樣的實驗、選擇執行頻率，然後建立排程工作，讓 agent 可以持續回訪這個實驗，而不需要每次都手動提示。

最適合 Scheduled Jobs 與週期性實驗

loop skill 最適合已經定義好 autoresearch 實驗、並且需要可重複 Scheduled Jobs 的使用者：例如每 10 分鐘快速檢查、每小時背景執行、每日夜間實驗、每週回顧，或每月一次的慢週期研究。當「忘記重新執行實驗」的代價高於「讓 agent 依照固定排程回訪」的成本時，它特別有用。

loop 和一般 prompt 的差異

一般 prompt 可以要求 agent「持續檢查這件事」，但不一定能可靠建立一個持久排程。loop skill 提供明確的 agent 指令 /ar:loop、簡潔的參數格式、固定的間隔選項，以及停止指令。這樣的結構能降低執行頻率、實驗身分與生命週期管理上的模糊空間。

安裝前的採用注意事項

只有在你的環境支援較完整的 Claude skills 工作流程，並且能透過 CronCreate 使用排程功能時，才建議安裝 loop。repository 路徑是 engineering/autoresearch-agent/skills/loop，主要應檢查的檔案是 SKILL.md。這個 skill 目錄中沒有額外 scripts、rules、resources 或 reference files，因此它的行為高度依賴周邊的 autoresearch-agent 慣例，以及環境中是否已有可用實驗。

如何使用 loop skill

loop 安裝情境

典型的目錄安裝指令如下：

npx skills add alirezarezvani/claude-skills --skill loop

安裝後，請確認 skill 可作為 /ar:loop 使用，並確認你的 agent runtime 能建立 scheduled jobs。上游的 SKILL.md 沒有包含獨立 installer 或 helper script，因此應把它視為較大的 claude-skills repository 內的一個 command skill，而不是獨立的 CLI 應用程式。

基本 loop 使用指令

使用指令時帶入實驗路徑，也可以選擇性加上間隔：

/ar:loop engineering/api-speed
/ar:loop engineering/api-speed 10m
/ar:loop engineering/api-speed 1h
/ar:loop engineering/api-speed daily
/ar:loop engineering/api-speed weekly
/ar:loop engineering/api-speed monthly
/ar:loop stop engineering/api-speed

如果省略實驗，這個 skill 的設計是列出實驗並讓你選擇。如果省略間隔，它應該會顯示選單。支援的間隔對照刻意維持精簡：10m、1h、daily、weekly 與 monthly。

把粗略目標改寫成有效 prompt

較弱的 prompt 是：「定期執行這個實驗。」

較好的 loop 使用 prompt 是：

/ar:loop engineering/api-speed daily

Use the existing engineering/api-speed experiment. Schedule it as a daily background run.
If a loop already exists for this experiment, tell me before creating a duplicate.
Summarize the cron schedule and how I can stop it.

這樣能提升輸出品質，因為它明確指定實驗、選擇支援的執行頻率、要求注意是否已有重複 loop，並要求提供操作確認。若是快速調查，只有在你打算密切觀察結果時才使用 10m；若是無人值守的監控，通常較適合使用 1h 或 daily。

依賴前應先閱讀的檔案

先從 engineering/autoresearch-agent/skills/loop 中的 SKILL.md 開始。檢查 command frontmatter、使用範例，以及 interval table。接著，如果 repository 中可取得更完整的 autoresearch-agent 結構，也應一併查看，因為 loop 假設實驗已經存在且能被解析。由於這個 skill 目錄沒有支援檔案，最重要的驗證點不是隱藏的實作細節，而是你的 agent runtime 是否真的支援透過 CronCreate 進行排程執行。

loop skill 常見問題

loop 只適用於 autoresearch 實驗嗎？

實務上是。這個 skill 是為 autoresearch-agent 模式撰寫的，預期會收到像 engineering/api-speed 這樣的實驗名稱。你可以把這個概念改用在其他地方，但這個指令本身不是通用型 cron 編輯器。

什麼時候不該使用 loop？

不要把 loop 用在一次性研究、不安全的自動化、沒有預算控管的高成本工作，或每次執行前都需要人工核准的流程。若任務會產生大量 commits、API calls 或 notifications，除非你正在主動監督，否則也應避免使用 10m loop。

用 loop 建立 Scheduled Jobs 和手動寫 cron 有什麼不同？

手動 cron 給你完整控制權，但也需要自己撰寫並管理 cron entries。loop skill 則是較高階的做法：它把一個已知實驗加上允許的執行頻率，轉換成一個排程 agent job。你用彈性換取較安全的預設值與更快的設定流程。

loop skill 適合初學者嗎？

只有在周邊的 autoresearch 設定已經正常運作時，它才算適合初學者。指令語法很簡單，但初學者可能會卡在缺少實驗、無法使用 CronCreate、排程重複，或不確定結果存放在哪裡。請先閱讀 SKILL.md，並用低風險實驗測試。

如何改進 loop skill

讓 loop 的實驗輸入更明確

最常見的失敗情境是實驗不明確或缺漏。請使用精確的實驗路徑，例如 engineering/api-speed；如果名稱相近，也要補充脈絡。若 agent 必須從清單中選擇，請要求它在建立排程前先顯示選定的實驗。

依操作風險選擇間隔

執行頻率會影響成本、噪音與實用性。10m 適合主動觀察，1h 適合短期背景監控，daily 適合夜間學習，weekly 適合較長期的趨勢檢查，monthly 則適合變化較慢的實驗。更好的 loop guide prompt 應該說明為什麼這個間隔適合該實驗，而不是隨意選一個頻率。

要求確認資訊與停止指令

建立 loop 之後，要求提供 cron expression、可讀的排程說明、實驗名稱，以及停止指令。例如：

After scheduling, confirm the experiment, interval, cron expression, and exact command to stop the loop.

這能讓 Scheduled Jobs 的生命週期變得可見，也能降低自動化被遺忘的風險。

在第一次排程執行後迭代

在長期信任 loop 之前，先檢查第一次執行結果。確認實驗是否產生有用輸出、執行頻率是否太高，以及失敗是否被清楚回報。如果結果雜訊太多，請用 /ar:loop stop <experiment> 停止 loop，並改用較慢的間隔或更聚焦的實驗定義後再重新啟動。