# Continuous Claude 连续循环代码执行工具：迭代开发与状态任务自动化 > 介绍 Continuous Claude 工具，用于在 Claude AI 代码解释器中实现连续循环执行，支持迭代开发、错误处理和无手动重启的状态任务。详述安装、配置参数及 GitHub 集成要点。 ## 元数据 - 路径: /posts/2025/11/18/continuous-claude-loop-code-execution/ - 发布时间: 2025-11-18T03:46:26+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 站点: https://blog.hotdry.top ## 正文 在 AI 辅助编码时代，Claude Code 等工具虽强大，但往往局限于单次任务执行，无法有效处理复杂、多步项目的迭代开发。这导致开发者需手动重启、维护上下文，效率低下。Continuous Claude 作为一款专为 Claude AI 设计的 CLI 工具，通过连续循环机制，实现了状态持久的任务执行，避免了手动干预，支持错误自动恢复和渐进式进步。这种方法借鉴 CI/CD 管道和持久代理理念，将 AI 编码转化为可控的自动化流程，特别适用于单元测试覆盖、代码重构或文档生成等耗时任务。 Continuous Claude 的核心在于其循环执行逻辑：它不是一次性运行 Claude Code，而是进入一个 while 循环，每次迭代仅推进一小步工作单位（如修改单个文件或添加特定测试）。证据显示，这种设计源于实际痛点，例如在大型代码库中从 0% 提升到 80% 测试覆盖率，需要分解为数百小任务。工具通过 Bash 脚本协调：首先接受用户提示（如“添加单元测试直到全覆盖”），然后在循环中调用 Claude Code，注入特定指令——“这是连续开发循环的一部分，只需推进一件事，提供清晰笔记给下一迭代”。这确保 AI 理解为接力赛模式，避免急于求成，导致输出不完整或错误累积。 Git 集成是另一关键证据，强化了工具的工程化。每个迭代，工具自动创建新分支（默认前缀 continuous-claude/），Claude 生成变更后，提交、推送并用 GitHub CLI 创建 PR。随后进入监控循环，每隔一段时间检查 PR 状态（使用 gh pr checks），等待所有 CI 测试通过和必要审查批准。一旦绿灯，即自动合并 PR，拉取最新 main 分支，并清理本地分支。这种机制模拟人工审查流程，确保变更可靠：如果迭代失败（如测试红灯），PR 被关闭，分支删除，下次迭代可基于失败日志调整策略。例如，在实际使用中，一迭代尝试添加测试到函数 X 但因空输入边缘案例失败，下一迭代的 SHARED_TASK_NOTES.md 会记录“需处理函数 Y 的 null 输入”，Claude 据此优先修复，避免重复错误。 上下文连续性通过共享 Markdown 文件实现，这是工具区别于无状态 AI 的证据。默认文件 SHARED_TASK_NOTES.md 作为外部记忆，存储行动导向笔记：已完成工作、下步计划、洞见或失误。提示工程强调笔记简洁，避免冗长日志，仅聚焦手off 信息，如“前迭代测试 X 失败，因边缘案例；下步处理 null 输入”。这解决了上下文窗口耗尽问题，Claude 可跨迭代继承知识，减少漂移风险。生产示例中，此文件帮助 AI 连续处理 20+ PR，实现周末重构任务，而不丢失早期推理。 为落地部署，安装简单高效。前提：安装 Claude Code CLI（claude auth 认证）、GitHub CLI（gh auth login）和 jq（brew install jq 或 apt-get install jq）。快速启动：curl -fsSL https://raw.githubusercontent.com/AnandChowdhary/continuous-claude/main/install.sh | bash，将 continuous-claude 添加到 ~/.local/bin，并确保 PATH。手动安装可选：下载脚本、chmod +x、mv 到 /usr/local/bin。卸载仅 rm 文件。 用法参数配置至关重要。核心命令：continuous-claude --prompt "任务描述" --max-runs 5 --owner 用户名 --repo 仓库名。--prompt 必填，描述整体目标，如“改进代码质量”或“更新依赖直到全绿”。--max-runs 指定迭代上限，0 为无限（需监控）；或用 --max-cost 10.00 限制美元预算， whichever 先到停止。GitHub 参数 --owner 和 --repo 必填，确保仓库权限。合并策略 --merge-strategy 默认 squash，也支持 merge 或 rebase。分支前缀 --git-branch-prefix 可自定义，如 feature/。笔记文件 --notes-file 默认 SHARED_TASK_NOTES.md，可改 PROJECT_CONTEXT.md。测试模式 --disable-commits 禁用 Git 操作，仅运行 Claude 验证提示。并行执行用 --worktree name 创建 Git 工作树，如一个处理测试、另一个文档，避免冲突；--list-worktrees 列出，--cleanup-worktree 完成后清理。 错误处理和监控参数提供可落地清单： 1. **预算与迭代控制**：结合 --max-runs 10 和 --max-cost 5.00，确保不超过阈值。监控输出中显示每次成本，如 $0.042，避免意外超支。 2. **失败恢复**：迭代失败时，工具关闭 PR、删除分支；笔记记录错误，下迭代自动调整。设置超时：虽无内置，脚本可加 sleep 间隔检查 PR（默认 5 秒初始，之后周期）。 3. **上下文管理**：定期人工审阅 SHARED_TASK_NOTES.md，防止 AI 笔记偏差。若漂移，暂停循环，重置文件或调整提示添加“回顾前笔记，避免循环”。 4. **并行与资源**：用 --worktree 隔离任务；工作树基目录 --worktree-base-dir 默认 ../continuous-claude-worktrees。资源限：Claude API 速率，GitHub PR 限额（建议小步迭代）。 5. **高级配置**：转发 Claude 标志，如 --model claude-3-5-sonnet-20240620 选模型，--allowedTools "Write,Read" 限工具。无限循环时，结合 GitHub Actions 调度，每日运行检查依赖更新。 实际应用中，此工具如 Dependabot 升级版：晨间工作流检测依赖，循环更新代码、修复后更新问题，直至 CI 绿。重构如回调转 async/await，分 20 PR 渐进完成，每 PR 须通过测试。风险包括：资源浪费（失败 PR 消耗 API 调用），依赖 Claude 笔记忠实（提示优化缓解）；限额：GitHub 免费账户 PR 数限，建议自托管 runner。 优化建议：集成人类循环，通过 PR 审查介入；扩展多模型，脚本改支持其他 AI CLI。总体，Continuous Claude 桥接 AI 与工程实践，实现无重启迭代开发，提升复杂任务效率。 资料来源：基于 https://github.com/anandchowdhary/continuous-claude 仓库描述与示例；Claude Code 官方文档。 ## 同分类近期文章 ### [NVIDIA PersonaPlex 双重条件提示工程与全双工架构解析](/posts/2026/04/09/nvidia-personaplex-dual-conditioning-architecture/) - 日期: 2026-04-09T03:04:25+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 NVIDIA PersonaPlex 的双流架构设计、文本提示与语音提示的双重条件机制，以及如何在单模型中实现实时全双工对话与角色切换。 ### [ai-hedge-fund：多代理AI对冲基金的架构设计与信号聚合机制](/posts/2026/04/09/multi-agent-ai-hedge-fund-architecture/) - 日期: 2026-04-09T01:49:57+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析GitHub Trending项目ai-hedge-fund的多代理架构，探讨19个专业角色分工、信号生成管线与风控自动化的工程实现。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation-framework/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [LiteRT-LM C++ 推理运行时：边缘设备的量化、算子融合与内存管理实践](/posts/2026/04/08/litert-lm-cpp-inference-runtime-quantization-fusion-memory/) - 日期: 2026-04-08T21:52:31+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 LiteRT-LM 在边缘设备上的 C++ 推理运行时，聚焦量化策略配置、算子融合模式与内存管理的工程化实践参数。