Claude Code Iteration Engineering: Vier Automatisierungsansätze jenseits von Einmal-Prompts

Erklären Sie UI-Änderungen nicht allein aufgrund einer erfolgreichen Bearbeitung für abgeschlossen.

1. Starten Sie den Entwicklungsserver und öffnen Sie die bearbeitete Seite.
2. Interagieren Sie mit dem geänderten Steuerelement und bestätigen Sie den erwarteten Zustand.
3. Erstellen Sie bei Bedarf Vorher-Nachher-Vergleichsbildschirmfotos.
4. Überprüfen Sie die Browserkonsole auf neue Fehler oder Warnungen.
5. Führen Sie einen Leistungsdurchlauf durch und prüfen Sie die Core Web Vitals.

Wenn eine dieser Prüfungen fehlschlägt, beheben Sie das Problem und beginnen Sie erneut bei Schritt 1.

Der Kerngedanke liegt nicht in der Formulierung, sondern darin, dass Claude auf dieselben Beweise zugreift wie ein menschlicher Prüfer.

Besonders wirkungsvoll sind quantitative Prüfungen:

• Keine Fehler in der Konsole
• Alle Tests bestanden
• Lighthouse-Werte über dem Schwellenwert
• Keine visuellen Unterschiede außerhalb des festgelegten Bereichs
• Antwortzeiten unter dem Grenzwert
• Eine bestimmte Anzahl von Akzeptanzkriterien erfüllt

Je quantifizierbarer der Validierungsprozess ist, desto seltener ist ein menschlicher Eingriff erforderlich.

2. Zielbasierte Schleifen (/goal-Befehl)

Wenn ein einzelner Durchlauf möglicherweise nicht ausreicht, der Endzustand aber klar beschreibbar ist, sind zielbasierte Schleifen besonders nützlich.

Claude Code überlässt es nicht dem Aktionsagenten, selbst zu entscheiden, ob ein Ergebnis "gut genug" ist, sondern verwendet nach jedem Durchlauf einen unabhängigen Evaluator.

Auslösebedingung

Der Benutzer startet in der aktuellen Sitzung ein Ziel.

Stoppbedingungen

Der Zyklus endet, wenn:

• der Evaluator die Erfüllung der Bedingungen bestätigt, oder
• das konfigurierte Limit an Durchläufen erreicht ist.

Optimale Anwendungsszenarien

Zielbasierte Schleifen eignen sich für Aufgaben mit überprüfbaren Endpunkten, wie zum Beispiel:

• Alle Authentifizierungstests bestehen
• Eine bestimmte Leistungsbewertung erreichen
• Alle Aufrufstellen auf eine neue API migrieren
• Die markierte Problemwarteschlange leeren
• Jede Datei innerhalb einer vorgegebenen Größenordnung halten
• Alle Akzeptanzkriterien aus dem Designdokument erfüllen

Grundlegende Syntax

Das offizielle Beispiel von Anthropic lautet:

/goal Erreiche einen Lighthouse-Score von 90 oder höher für die Startseite, stoppe nach 5 Versuchen.

Ein weiteres praktisches Beispiel:

/goal Alle Tests im Verzeichnis test/auth bestehen und der lint-Schritt liefert keine Fehler

Laut der aktuellen Claude-Code-Dokumentation erfordert der /goal-Befehl Claude Code Version 2.1.139 oder höher.

Wie der Evaluator die Zyklusmechanik verändert

Nach Abschluss eines Durchlaufs von Claude prüft ein leichtgewichtiges, schnelles Evaluatormodell, ob die Bedingungen erfüllt sind.

Sind die Bedingungen nicht erfüllt, beginnt automatisch ein neuer Durchlauf; sind sie erfüllt, wird das aktuelle Ziel gelöscht und die Kontrolle über die Sitzung an den Benutzer zurückgegeben.

Diese Trennung ist wichtig, weil das Arbeitsmodell nicht der alleinige Beurteiler seiner eigenen Ausgaben sein sollte.

Eine wirksame Abschlussbedingung sollte folgende Eigenschaften haben:

• Beobachtbarkeit
• Spezifität
• Schwierig, zufällig erfüllt zu werden
• Verknüpfung mit tatsächlichen Benutzer- oder Systemergebnissen
• Eine maximale Anzahl von Versuchen oder andere harte Grenzen

Schwache vs. starke Zielbedingungen

Schwaches Ziel:

/goal Verbessere die Startseite

Der Begriff "verbessern" definiert keinen messbaren Endpunkt.

Starkes Ziel:

/goal Erhöhe den mobilen Lighthouse-Leistungswert auf mindestens 90 Punkte,
behalte die Barrierefreiheit bei 95 Punkten oder höher und stoppe nach 5 Versuchen.

Schwaches Ziel:

/goal Repariere die Tests

Starkes Ziel:

/goal Alle Tests im Verzeichnis test/payments bestehen, keine übersprungenen Tests,
und der Befehl npm run lint hat einen Exit-Code von 0

Das Modell sollte nicht raten müssen, was Erfolg bedeutet.

/goal ändert keine Berechtigungen

Ein Ziel erstreckt sich über mehrere Runden, aber es genehmigt nicht automatisch alle Tool-Aufrufe.

Im Standard-Berechtigungsmodus kann Claude bei Befehlen, die noch nicht erlaubt wurden, immer noch eine Bestätigung anfordern.

Für unbeaufsichtigte Ziele empfiehlt Anthropic, /goal im automatischen Modus zu verwenden, wenn verfügbar und angemessen. Dies sollte nach einer Überprüfung der erlaubten Tools, der Repository-Grenzen und möglicher Nebenwirkungen erfolgen.

3. Zeitbasierte Schleifen: /loop und /schedule

Manche Arbeiten werden nicht durch den Abschluss der vorherigen Runde ausgelöst, sondern durch die Zeit.

Die Aufgaben bleiben ähnlich, aber die Eingaben ändern sich:

• Neue Slack-Nachrichten treffen ein.
• Pull-Requests erhalten Überprüfungen.
• Der CI-Status wechselt von bestanden zu fehlgeschlagen.
• Eine Abhängigkeit veröffentlicht eine neue Version.
• Das Betriebs-Dashboard meldet ein neues Ereignis.

Auslösebedingung

Jeder Durchlauf wird durch ein konfiguriertes Zeitintervall oder einen Zeitplan gestartet.

Stoppbedingungen

Lokale Schleifen stoppen, wenn Sie sie abbrechen, die Umgebung schließen oder die Überwachungsarbeit abgeschlossen ist.

Cloud-Routinen laufen gemäß ihrer Konfiguration weiter, bis sie pausiert oder deaktiviert werden.

Optimale Anwendungsszenarien

Zeitbasierte Schleifen eignen sich für:

• Pull-Request-Überwachung.
• Tägliche oder wöchentliche Zusammenfassungen.
• Regelmäßige Problem-Triage.
• Abhängigkeitsprüfungen.
• Regelmäßige Testläufe.
• Dokumentationsabgleichsprüfungen.
• Überwachungssysteme, die keine Ereignisauslöser bieten.

Lokale Intervallschleifen

Das offizielle Beispiel verwendet /loop:

/loop 5m Überprüfe meine Pull-Requests, bearbeite Überprüfungskommentare und repariere fehlgeschlagene CI

Diese Aufforderung wird im konfigurierten Intervall erneut ausgeführt.

Lokale Schleifen sind an die aktuelle Maschine und Sitzung gebunden. Wenn der Computer heruntergefahren wird oder der Prozess gestoppt wird, stoppt auch die Schleife.

Cloud-Planung

Für Arbeiten, die auch nach dem Schließen des Laptops weiterlaufen sollen, kann Claude Code mit /schedule Cloud-Routinen erstellen.

Eine aktive Routine könnte wie folgt beginnen:

/schedule Stündlich: Überprüfe #project-feedback auf neue Fehlerberichte

Claude-Code-Routinen laufen auf der von Anthropic verwalteten Cloud-Infrastruktur und können ausgelöst werden durch:

• Zeitplanschleifen.
• Einmalige Zukunftsplanung.
• API-Aufrufe.
• Unterstützte GitHub-Ereignisse.

Zum Zeitpunkt der Erstellung dieses Textes befinden sich Routinen in der Research-Preview-Phase, daher können sich Verhalten, Einschränkungen und die API-Oberfläche ändern. Die Verfügbarkeit hängt auch vom jeweiligen Claude-Plan, den Organisationsrichtlinien und davon ab, ob Claude Code für das Web aktiviert ist.

Wählen Sie das Intervall mit Bedacht

Ein häufiger Fehler ist es, Schleifen viel häufiger auszuführen, als das externe System seine Änderungen vornimmt.

Wenn neue Probleme nur wenige Male am Tag auftauchen, hilft es nicht, die Problemwarteschlange jede Minute zu überprüfen. Es erhöht nur die Token-Nutzung, die Anzahl der Tool-Aufrufe und ...

... Lärm, ohne das Ergebnis zu beeinflussen.

Passen Sie das Abfrageintervall an die erwartete Änderungshäufigkeit an:

Externes Änderungsmuster	Sinnvolles anfängliches Abfrageintervall
CI-Status nach aktivem Push	Alle 5–10 Minuten
Team-Feedbackkanal	Alle 30–60 Minuten
Tägliche Slack-Zusammenfassung	Einmal täglich morgens
Abhängigkeitsaktualisierungen	Täglich oder wöchentlich
Dokumentationsabweichung	Nächtlich oder wöchentlich

Dies sind Ausgangsempfehlungen, keine allgemeingültigen Regeln. Wenn es das externe System unterstützt, ist Ereignisauslösung in der Regel dem Polling vorzuziehen.

4. Proaktive Schleifen

Proaktive Schleifen sind eine Kombination der vorherigen Grundelemente.

Sie laufen unbeaufsichtigt, reagieren auf geplante oder eingehende Arbeiten und durchlaufen jedes Aufgabenelement in einem definierten Prozess.

![Das Bild zeigt ein Beispiel für einen proaktiven Schleifenablauf von Anthropics Claude Code. Links entscheiden Sie über die Zusammenführung von Inhalten. Im Ablaufdiagramm rechts überwacht der Auslöser "/schedule" Slack oder GitHub auf Fehlerberichte, die Hauptschleife durchläuft bis zur Validierungsfähigkeit, Agent 2 prüft und benachrichtigt, und schließlich wird ein PR eröffnet. Das Diagramm bezieht sich auf den Abschnitt, der

Code, das aktiv Schleifen durchläuft, zeigt visuell seinen Arbeitsablauf, einschließlich der Phasen Auslösung, Ausführung und Rückmeldung, und entspricht den im Dokument erwähnten Inhalten wie „Auslöser“ und „Stoppbedingungen“.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/0106395e-ee08-41b8-bc17-2b28e0bbd11a-f55a5db1-fee1-4a0e-8ca9-96752a156eb0.png)

Auslöser

Ein geplanter Task, eine API-Anfrage, ein GitHub-Ereignis, eine Nachricht, ein Problem oder ein anderes externes Signal startet die Arbeit.

Stoppbedingungen

Jeder einzelne Task beendet sich, sobald sein Ziel erreicht ist.

Die umgebenden Routinen nehmen weiterhin zukünftige Arbeiten an, bis jemand sie deaktiviert.

Beste Anwendungsfälle

Aktive Schleifen eignen sich für klar definierte, sich wiederholende Arbeitsabläufe:

• Bug-Report-Triage
• Problem-Triage
• Abhängigkeitsaktualisierungen
• Routine-Migrationen
• Wiederholte Code-Reviews
• Alarmuntersuchungen
• Bereitstellungsvalidierung
• Backlog-Pflege

Ein vollständiges Beispiel eines aktiven Musters

Das Beispiel von Anthropic kombiniert mehrere Funktionen von Claude Code:

1. /schedule prüft auf neue Berichte.
2. /goal definiert, was in einem Durchlauf abgeschlossen werden muss.
3. Skills beschreiben, wie jeder Task validiert werden soll.
4. Dynamische Workflows koordinieren mehrere Agenten.
5. Der automatische Modus reduziert interaktive Berechtigungspausen.

Eine kombinierte Anweisung könnte wie folgt aussehen:

/schedule einmal pro Stunde: Überprüfe Bugberichte in #project-feedback.

/goal: Stoppe nicht für jeden in diesem Durchlauf gefundenen Bericht,
bevor er triagiert, bearbeitet und beantwortet wurde.

Verwende bei der Fehlerbehebung den Workflow, um in einem parallelen Arbeitsbaum
drei Lösungen zu erkunden, die von einem unabhängigen Prüfer überprüft werden.

Das ist nicht mehr nur eine sich wiederholende Eingabeaufforderung. Es ist ein kleines Betriebssystem für einen eng gefassten Workflow.

Dynamische Workflows

Dynamische Workflows sind Skripte zur großflächigen Koordination von Unteragenten.

Claude schreibt ein JavaScript-Orchestrierungsskript, und die Laufzeitumgebung führt es im Hintergrund aus. Zwischenergebnisse können in Skriptvariablen gehalten werden, ohne den Hauptkontext der Unterhaltung zu füllen.

Anthropic positioniert Workflows für Aufgaben wie:

• Prüfung vieler Dateien auf dasselbe Problem.
• Migration hunderter Dateien.
• Durchführung unabhängiger Forschungsdurchläufe.
• Vergleich mehrerer vorgeschlagener Lösungen.
• Überprüfung jeder geänderten Datei und Erstellung eines Abschlussberichts.

Die aktuelle Dokumentation gibt an, dass dynamische Workflows Claude Code Version 2.1.154 oder höher erfordern. Sie können dutzende oder hunderte von Agenten koordinieren. Daher sollten sie vor der Ausführung großer Produktionsaufgaben in kleinem Maßstab pilotiert werden.

Was sich tatsächlich ändert: Validierung und Stoppbedingungen

Geplante Tasks, Orchestrierung, Rückkopplungsschleifen und Arbeitswarteschlangen sind keine neuen Engineering-Konzepte.

Der eigentliche Wandel besteht darin, dass Codierungsagenten jetzt umfassender an der Schleife teilnehmen können:

• Aktuellen Zustand lesen
• Werkzeuge auswählen
• Änderungen vornehmen
• Fehler interpretieren
• Ergebnisse mit Zielen abgleichen
• Eine andere Methode versuchen
• Nur eskalieren, wenn das System nicht sicher laufen kann

Die Eingabeaufforderung ist nicht verschwunden. Sie ist ein Bestandteil eines größeren Kontrollsystems geworden.

Die wichtigeren Designfragen sind heute:

• Was bedeutet „fertig“?
• Wer entscheidet, wann die Bedingungen erfüllt sind?
• Welche Prüfungen sind deterministisch?
• Welche Beweise kann der Agent prüfen?
• Wie viele Versuche sind maximal erlaubt?
• Was ist das Token- oder Kostenbudget?
• Wie wird mangelnder Fortschritt erkannt?
• Welche Aktionen erfordern menschliche Genehmigung?
• Was passiert nach einem Lauf, der fehlschlägt?

Eine sorgfältig formulierte Eingabeaufforderung kann fehlende Stoppbedingungen nicht ersetzen.

Validierung ist die wirkungsvollste Verbesserung

Anthropic betont wiederholt die Validierung: Claude in die Lage zu versetzen, seine eigene Ausgabe zu überprüfen und zu messen.

Wenn ein menschlicher Ingenieur aufgefordert würde, eine Seite zu erstellen, ohne Zugriff auf einen Browser zu haben, würde er blind arbeiten. Bei Agenten verhält es sich ähnlich.

Nützliche Validierungswerkzeuge sind:

• Test-Suiten
• Typprüfer
• Linter
• Build-Befehle
• Browser-Automatisierung
• Screenshots und visueller Vergleich
• Performance-Tracing
• Datenbankabfragen
• API-Antwort-Assertions
• Sicherheitsscanner
• Statische Analyse
• Reproduzierbare Abnahmeskripte

Bevorzugen Sie nach Möglichkeit deterministische Prüfungen

Ein Skript, das den Exit-Code 0 oder 1 zurückgibt, ist in der Regel günstiger und zuverlässiger, als ein Modell zu bitten, von Grund auf zu überlegen, ob eine Anforderung erfüllt ist.

Zum Beispiel:

npm test
npm run lint
npm run typecheck

Ein kombiniertes Validierungsskript könnte sein:

#!/usr/bin/env bash
set -euo pipefail

npm run typecheck
npm run lint
npm test

Claude kann dieses Skript nach jeder Änderung ausführen. Die Schleife muss nicht jedes Mal den gesamten Abnahmeprozess neu interpretieren.

Verwenden Sie einen zweiten Agenten zur Überprüfung

Anthropic empfiehlt auch die Verwendung eines Prüfers mit einem neuen Kontext.

Der ausführende Agent hat bereits seinen eigenen Denkprozess gesehen und könnte dieselben Annahmen wiederholen. Ein unabhängiger Prüfer ist weniger an diesen Pfad gebunden und kann das Ergebnis aus einem anderen Blickwinkel überprüfen.

Für Änderungen mit hohem Wert kann das System Folgendes verwenden:

• Einen Agenten für die Implementierung
• Einen Agenten zur Überprüfung der Korrektheit
• Einen Agenten zur Überprüfung der Sicherheit
• Eine deterministische Test-Suite als letzten Prüfpunkt

Mehr Agenten sind nicht immer besser. Fügen Sie sie nur hinzu, wenn der Wert der Überprüfung die zusätzlichen Kosten rechtfertigt.

Die Gefahr von Schleifen ohne Schutzvorrichtungen

Schleifen, die unbegrenzt weiterlaufen können, sind sowohl mächtig als auch gefährlich.

Es gibt drei Hauptfehlermodi.

1. Kosten außer Kontrolle

Jede Schleifenrunde kann Input-Token, Output-Token, Tool-Aufrufe und die Nutzung kostenpflichtiger Modelle verbrauchen.

Ohne eine Begrenzung der Runden- oder Budget-Obergrenze kann eine offene Schleife weiter Kosten verbrauchen, während sie nur sehr wenig zusätzlichen Wert generiert.

Das Claude Agent SDK unterstützt beides:

• max_turns / maxTurns
• max_budget_usd / maxBudgetUsd

Die offizielle SDK-Dokumentation gibt an:

Standardmäßig ist keine der beiden Beschränkungen gesetzt.

Für Agenten in der Produktion sind klare Grenzen eine sinnvolle Grundlage.

2. Scheinfortschritt

Ein Agent könnte immer wieder dieselben Dateien bearbeiten, ohne einen neuen, bestandenen Test oder eine messbare Verbesserung zu erzeugen.

Die Protokollierung kann trotzdem aktiv erscheinen, auch wenn das System verschiedene Varianten derselben fehlgeschlagenen Lösung durch die Schleife schickt.

Nützliche Signale für fehlenden Fortschritt sind:

• Derselbe Test schlägt über mehrere Runden hinweg konstant fehl.
• Es werden keine neuen Akzeptanzkriterien erfüllt.
• Dieselben Dateien werden wiederholt zurückgesetzt oder neu geschrieben.
• Bewertungen bleiben gleich.
• Die Warteschlangengröße nimmt nicht ab.
• Der Agent kehrt zu einer zuvor abgelehnten Lösung zurück.

Eine robuste Schleife sollte gestoppt oder eskalieren, wenn der Fortschritt stagniert.

3. Wachsendes Vertrauen in die falsche Lösung

Iteration kann eine fehlerhafte Lösung komplexer machen, anstatt sie korrekt zu machen.

Ein Agent könnte Schichten um eine falsche Annahme herum aufbauen, was zu Code führt, der immer vollständiger aussieht, sich aber immer weiter vom erwarteten Verhalten entfernt.

Unabhängige Prüfungen, deterministische Tests und klare Rollback-Pfade helfen, diese Art von Fehlschlag zu verhindern.

Drei Barrieren, die jede Schleife haben sollte

Eine praktische Schleife sollte mindestens drei Arten von Barrieren umfassen.

1. Maschinell überprüfbare Abschlussbedingung

Der abgeschlossene Zustand sollte durch Tests, Skripte, Evaluatoren oder externe Statusbeobachtung überprüfbar sein.

Beispiele:

• Alle Tests bestanden.
• Warteschlange ist leer.
• Pull-Request wurde gemerged.
• Bewertung liegt bei mindestens 90.
• Alle Elemente der Checkliste sind als abgeschlossen markiert.
• Keine ungelösten schwerwiegenden Probleme.

2. Harte Grenzen

Setzen Sie mindestens eine harte Obergrenze:

• Maximale Anzahl von Runden.
• Maximale Anzahl von Versuchen.
• Maximale verstrichene Zeit.
• Maximaler Token-Verbrauch.
• Maximale Geldkosten.
• Maximale Anzahl geänderter Dateien.
• Maximale Anzahl paralleler Agenten.

Eine Grenze verwandelt unbegrenztes Scheitern in begrenztes Scheitern.

3. Erkennung von mangelndem Fortschritt

Stoppen Sie den Lauf, wenn sich das System nicht mehr auf das Ziel zubewegt.

Zum Beispiel:

Wenn drei aufeinanderfolgende Versuche keinen neuen, bestandenen Test hervorbringen
und dieselben Dateien geändert werden, stoppe den Lauf und melde die Blockade.

Implementierungen auf Produktionsniveau können dies über Skripte oder Workflow-Status verfolgen und nicht nur über Anweisungen.

Umgang mit Token-Verbrauch

Schleifen sollten so gestaltet sein, dass sie Rechenressourcen auf die wertvollsten Schritte konzentrieren.

Anthropic empfiehlt die folgenden Kostenkontrollmaßnahmen.

Verwenden Sie die einfachsten Primitive

Kleine Aufgaben benötigen keinen Mehr-Agenten-Workflow.

Beginnen Sie mit folgenden Ansätzen:

1. Normale, schrittweise Abläufe.
2. Wiederholt anwendbare Fähigkeitsmodule.
3. Verwenden Sie /goal, wenn mehrere Durchläufe erforderlich sind.
4. Verwenden Sie /loop oder /schedule, wenn die Arbeit zeitgesteuert erfolgen soll.
5. Verwenden Sie einen aktiven Workflow nur, wenn der Aufgabenablauf periodisch und klar definiert ist.

Bei normaler Arbeit kleine Modelle einsetzen

Schnelle, kostengünstige Modelle eignen sich für:

• Dateisuche.
• Einfache Klassifizierung.
• Wiederholende Bearbeitungen.
• Formatierung.
• Durchführung deterministischer Prüfungen.
• Zusammenfassung strukturierter Ergebnisse.

Heben Sie sich die stärksten Modelle auf für:

• Architekturentscheidungen.
• Fehlersuche bei unklaren Fehlern.
• Sicherheitsbewertungen.
• Kritische Überprüfungen.
• Lösung von Zielkonflikten.

Erst pilotieren, dann skalieren

Dynamische Workflows können eine große Anzahl von Agents erzeugen.

Führen Sie zunächst kleinere Tests durch:

• Bearbeiten Sie erst zehn Dateien, bevor Sie auf fünfhundert erweitern.
• Lösen Sie zuerst eine Problemkategorie vollständig, bevor Sie ausrollen.

Den gesamten Rückstand.

• Erst ein Repository, bevor Sie weitere bearbeiten.
• Erst einen Tag Nachrichten, bevor Sie einen Monat bearbeiten.

Pilotprojekte zeigen Tokenverbrauch, Tool-Engpässe, häufige Fehler und fehlende Kontrollmechanismen auf.

Ersetzen Sie Denkarbeit durch Skripte

Wenn der Ablauf deterministisch ist, schreiben Sie den Code einmal und lassen Sie Claude ihn ausführen.

Zum Beispiel:

• Logdateien parsen.
• Dateianzahl prüfen.
• Ausgabestrukturen vergleichen.
• Bekannte Formulare ausfüllen.
• Dateien gemäß Regeln finden.
• URL-Liste testen.
• Leistungsschwellen berechnen.

Übermäßiges Polling vermeiden

Zeitbasierte Schleifen sollten der Änderungsgeschwindigkeit des zugrunde liegenden Systems entsprechen.

Zu kurze Intervalle erhöhen die Kosten, ohne bessere Ergebnisse zu liefern.

Nutzung während des Betriebs überprüfen

Anthropic bietet mehrere Befehle zur Überprüfung des Verbrauchs:

/usage

Dieser Befehl zeigt die aktuelle Nutzung in Bereichen wie Skills, Sub-Agents und MCP-Integrationen an.

Ohne Argumente ausgeführt, zeigt /goal die Durchläufe und den Tokenverbrauch des aktuellen Ziels, während /workflows die Nutzung von Workflow-Agents und Steuerungsmöglichkeiten zum Stoppen von Agents anzeigt.

Die Verfügbarkeit kann je nach Claude Code-Version und aktivierten Funktionen variieren.

Berechtigungen und Sicherheit

Automatisierung sollte nicht mit uneingeschränktem Zugriff gleichgesetzt werden.

Claude Code unterstützt Berechtigungsmodi, die steuern, welche Tools und Befehle ausgeführt werden können.

Für autonome Arbeit auf Entwicklungsrechnern empfiehlt Anthropic, klare Genehmigungsregeln beizubehalten oder einen Modus zu verwenden, der begrenzte, häufige Operationen automatisch genehmigt, während risikoreiche Befehle weiterhin kontrolliert werden.

Modi, die Berechtigungen umgehen, sollten nur in isolierten Umgebungen eingesetzt werden, wie zum Beispiel:

• Einweg-Container.
• Sandbox-CI-Worker.
• Temporäre virtuelle Maschinen.
• Umgebungen ohne sensible Anmeldedaten oder wichtige gemountete Daten.

Ein aktiver Loop, der Dateien bearbeiten, Shell-Befehle ausführen, auf externe Systeme zugreifen und Pull-Requests erstellen kann, sollte ebenfalls Folgendes aufweisen:

• Enge Repository-Berechtigungen.
• So weit wie möglich eingeschränkten Netzwerkzugriff.
• Eine überprüfbare Liste erlaubter Tools.
• Versionskontroll-Checkpoints.
• Unabhängige und begrenzte Anmeldedaten.
• Menschliche Genehmigung für Produktionsbereitstellungen oder destruktive Operationen.

Ziel ist es nicht, alle menschlichen Entscheidungen zu eliminieren, sondern menschliches Urteilsvermögen dort einzusetzen, wo es wirklich benötigt wird.

Wie Sie die richtige Schleife auswählen

Beachten Sie den folgenden Entscheidungsprozess.

Wählen Sie eine durchlaufbasierte Schleife, wenn:

• Sie das Problem noch erkunden.
• Der nächste Schritt von menschlichem Urteil abhängt.
• Die Aufgabe klein und unregelmäßig ist.
• Die Fertigstellungskriterien subjektiv sind.
• Fehlerhafte Änderungen manuell leicht zu überprüfen sind.

Wählen Sie eine zielbasierte Schleife, wenn:

• Die Ergebnisse messbare Akzeptanzkriterien haben.
• Der Agent möglicherweise mehrere Versuche benötigt.
• Jeder Versuch überprüfbar ist.
• Sie harte Grenzen für Durchläufe oder Kosten setzen können.
• Die Arbeit einer aktiven Sitzung zugeordnet ist.

Wählen Sie eine zeitbasierte Schleife, wenn:

• Dieselbe Aufgabe wiederholt auftritt.
• Nur die Eingaben sich ändern.
• Externe Systeme regelmäßig überprüft werden müssen.
• Ein Zeitplan einfacher ist als eine Ereignisintegration.
• Sie die durch Polling verursachte Verzögerung tolerieren können.

Wählen Sie einen aktiven Loop, wenn:

• Die Arbeit kontinuierlich eintrifft.
• Jeder Artikel einem stabilen Prozess folgt.
• Die Ergebnisse überprüfbar sind.
• Der Workflow innerhalb begrenzter Berechtigungen funktioniert.
• Fehler eskaliert werden können, nicht verborgen bleiben.
• Token- und Tool-Budgets getestet wurden.

Der erste praktische Loop

Anthropic empfiehlt, mit einer Aufgabe zu beginnen, bei der Sie derzeit der Engpass sind.

Stellen Sie drei Fragen.

1. Kann ich eine Überprüfung schreiben?

Beispiele:

• Ein Testbefehl.
• Eine Browser-Interaktion.
• Ein Bewertungsschwellenwert.
• Eine Warteschlangengrößenprüfung.
• Ein Mustervergleich.
• Eine visuelle Differenzregel.

2. Ist das Ziel klar genug?

Ein nützliches Ziel beschreibt einen Zustand, nicht nur eine Aktivität.

Besser:

Alle Zahlungstests bestehen und es gibt keine TypeScript-Fehler mehr.

Schwächer:

Das Zahlungsmodul weiter verbessern.

3. Tritt die Arbeit in einem vorhersagbaren Rhythmus auf?

Wenn die Aufgabe stündlich, täglich, wöchentlich oder nach bekannten Ereignissen auftritt, eignet sie sich möglicherweise für einen Loop oder eine Routine.

Wenn eine Antwort „Ja“ ist, haben Sie einen Kandidaten für Ihren ersten Loop.

Beispiel: Von manuellen Prompts zu einem sicheren Loop

Stellen Sie sich ein Team vor, das wiederholt fehlgeschlagene Pull-Request-Checks repariert.

Phase 1: Wechselnder Modus

Überprüfe aktuelle PRs, repariere fehlgeschlagene CI-Tests und erkläre die Änderungen.

Der Entwickler führt diesen Vorgang manuell bei jeder CI-Änderung erneut aus.

Phase 2: Überprüfung hinzufügen

Erstellen Sie einen Skill, der:

1. CI-Ergebnisse liest.
2. Fehler lokal reproduziert.
3. Relevante Tests ausführt.
4. Die vollständige Testsuite überprüft.
5. Das endgültige Diff überprüft.

Phase 3: Ziel hinzufügen

/goal Alle erforderlichen CI-Checks bestehen, stoppe nach 4 Versuchen.

Die Sitzung kann mehrere Reparaturversuche durchführen.

Phase 4: Lokalen Zeit-Loop hinzufügen

/loop 10m Überprüfe PRs, bearbeite neue Review-Kommentare und repariere fehlgeschlagene erforderliche Checks.

Der Agent überprüft externe Änderungen.

Phase 5: In eine Routine umwandeln

Erstellen Sie eine Cloud-Routine, die durch Pull-Request-Ereignisse oder einen Zeitplan ausgelöst wird.

Begrenzen Sie sie auf:

• Relevante Repositories.
• Einen Funktionsbranch.
• Entwurfs-Pull-Requests.
• Einen definierten Satz von Befehlen.
• Maximale Kosten oder Laufumfang.

Die Entwicklung erfolgt schrittweise. Jede Phase fügt Automatisierung erst hinzu, nachdem die vorherige Phase über zuverlässige Checks verfügte.

Häufige Fehler

Schleifen für unklare Aufgaben verwenden

„Codebasis verbessern“ könnte ewig weiterlaufen.

Brechen Sie es in beobachtbare Ergebnisse herunter.

Den Arbeits-Agent zum alleinigen Richter machen

Verwenden Sie Tests, Skripte oder unabhängige Evaluatoren.

Zu früh Multi-Agent-Komplexität hinzufügen

Ein einzelner Agent plus ein starker Validierer kann besser sein als ein schlecht koordinierter großer Workflow.

Arbeiten zu häufig planen

Minütliches Polling ist nicht von Natur aus reaktionsschneller.

Kosten- oder Durchlaufgrenzen ignorieren

Schleifen ohne Obergrenze können zu teuren Fehlern führen.

Prompt-Anweisungen als harte Sicherheitskontrollen betrachten

Verwenden Sie Berechtigungen, Hooks, Sandboxen und isolierte Umgebungen für deterministische Ausführung.

Jeden Fehler manuell beheben

Wenn derselbe Fehler wiederholt auftritt, verbessern Sie den Skill, die Regel, den Validierer oder den Workflow, der ihn erzeugt.

Häufig gestellte Fragen

Was ist Loop Engineering in Claude Code?

Loop Engineering ist das Design von sich wiederholenden Agent-Workflows, die bis zu einem Stoppkriterium laufen. Es konzentriert sich auf Auslöser, Überprüfung, Grenzen, Berechtigungen und Eskalation, nicht nur auf den Inhalt eines Prompts.

Welche vier Loop-Typen gibt es in Claude Code?

Anthropic unterteilt Loops in durchlaufbasierte, zielbasierte, zeitbasierte und aktive Loops.

Ihre Hauptunterschiede liegen im Mechanismus, der eine neue Runde auslöst, sowie in der Frage, wer oder was bestimmt, wann die Arbeit beendet wird.

Welche Funktion hat /goal in Claude Code?

/goal legt eine Abschlussbedingung für die aktuelle Sitzung fest. Nach jeder Runde prüft ein unabhängiger Evaluator, ob die Bedingung erfüllt ist; falls nicht, wird die nächste Runde gestartet, bis das Ziel oder die konfigurierte Grenze erreicht ist.

Was ist der Unterschied zwischen /loop und /schedule?

/loop wiederholt einen Prompt in festgelegten Intervallen auf dem lokalen Rechner. Wenn die Maschine oder die Sitzung endet, stoppt auch die Schleife. /schedule erstellt eine cloudbasierte Routineaufgabe, die auf der von Anthropic verwalteten Infrastruktur weiterläuft – selbst wenn der Laptop ausgeschaltet ist.

Läuft eine Claude-Code-Schleife unendlich weiter?

Wenn der Arbeitsablauf keine klaren Grenzen hat, kann die Schleife länger laufen als erwartet. Bevor eine unbeaufsichtigte Ausführung zugelassen wird, sollten eine messbare Abschlussbedingung, eine feste Obergrenze für Runden oder Kosten sowie eine Stoppregel bei fehlendem Fortschritt definiert werden.

Brauche ich mehrere Agenten, um eine Schleife zu erstellen?

Nein. Eine normale Claude-Code-Sitzung mit wiederverwendbaren Validierungsfähigkeiten kann bereits ausreichen. Dynamische Workflows und mehrere Agenten sind dann sinnvoll, wenn Aufgaben eine massive Parallelverarbeitung oder unabhängige Überprüfungen erfordern.

Wie kann ich die Kosten einer Agentenschleife senken?

Indem Sie den einfachsten Schleifentyp verwenden, für Routineaufgaben kleinere Modelle einsetzen, zunächst mit kleineren Arbeitslasten pilotieren, Skripte anstelle deterministischer Inferenz nutzen, unnötige Abfragen vermeiden und klare Grenzen für Runden oder Budget setzen.

Sind proaktive Claude-Code-Schleifen sicher?

Sie können verantwortungsvoll betrieben werden, solange ihre Berechtigungen, Repositorys, Anmeldedaten, Budgets, Stoppregeln und Eskalationspfade streng kontrolliert werden. Verwenden Sie keine Modi, die Berechtigungen umgehen, auf Maschinen mit sensiblen oder wertvollen Daten.

Verwandte Werkzeuge

• Claude Code: Die agentische Programmierumgebung von Anthropic zum Lesen von Repositorys, Bearbeiten von Dateien, Ausführen von Befehlen und Automatisieren von Entwicklungsabläufen.
• Claude Agent SDK: Ein Softwareentwicklungskit zum Einbetten von Claude-Code-Agenten-Schleifen mit Werkzeugen in benutzerdefinierte Anwendungen.
• Claude Code Skills: Wiederverwendbare programmatische Anweisungen, Skripte und Ressourcen, die in SKILL.md abgelegt sind.
• Dynamische Workflows: Skriptbasierte Orchestrierungswerkzeuge zur Koordination vieler Subagenten in großen Aufgaben.
• Claude Code Hooks: Deterministische Lebenszyklus-Automatisierungswerkzeuge zum Validieren, Blockieren oder Reagieren von Werkzeugoperationen.
• Model Context Protocol: Ein offener Standard zur Verbindung von KI-Agenten mit externen Werkzeugen und Datenquellen.
• Chrome DevTools MCP: Ein MCP-Server zum Browser-Debugging, nützlich für Frontend-Validierungsschleifen.

Verwandte Links

• Schleifentechnik: Ein Leitfaden für den Einstieg in Schleifen: Offizielle Definition der vier Schleifenmuster von Anthropic und empfohlene Anwendungsszenarien.
• Claude kontinuierlich arbeiten lassen: Offizielle Dokumentation zu /goal-Syntax, Evaluierungsverhalten, Statuskontrolle und Anforderungen.
• Geplante Prompt-Ausführung: Dokumentation zu lokalen wiederholten Prompts und geplanten Claude-Code-Aufgaben.
• Arbeitsautomatisierungsroutinen: Offizielle Anleitung zu planbasierten, API- und GitHub-Ereignis-ausgelösten Cloud-Routinen.
• Prinzipien der Agentenschleife: Technische Dokumentation zu Werkzeugaufrufen, Runden, Berechtigungen, Kontext und Budgetgrenzen.
• Dynamische Workflows orchestreren Subagenten: Offizielle Workflow-Architektur, Grenzen, Beispiele und Kostensenkungsoptionen.
• Claude Code steuern: Ein Leitfaden von Anthropic zur Auswahl von Fähigkeiten, Hooks, Regeln, Subagenten und anderen Steuerungsmethoden.
• Ursprüngliche BAAI-Community-Seite: Ein chinesischer Nachdruckartikel, der als erste Referenz dient.

Kernpunkte

Claude-Code-Schleifen sind keine einfachen Wiederholungen von Prompts, sondern ein kontrolliertes System, das durch Auslöser, Werkzeuge, Validierung, Berechtigungen, Budget und Stoppbedingungen zusammenwirkt.

Rundenbasierte Schleifen geben dem Menschen die Kontrolle über jeden nachfolgenden Schritt; zielorientierte Schleifen delegieren die Abschlussbedingung an den Evaluator; zeitgesteuerte Schleifen delegieren den Auslöser. Proaktive Schleifen kombinieren diese Grundelemente zu wiederholbaren, unbeaufsichtigten Arbeitsabläufen.

Die wichtigste Verbesserung besteht in der Regel nicht darin, mehr Agenten hinzuzufügen, sondern den bestehenden Agenten zuverlässige Selbstprüfmechanismen zu geben, klare Abschlusskriterien zu definieren und das System bei Erschöpfung des Fortschritts oder Budgets rechtzeitig zu stoppen.

Nützliche Schleifen laufen nicht ewig – sie können beweisen, wann sie gestoppt werden sollten.