gauntlet-loop

Gauntlet Loop

用户给出一个目标。你只需返回一条简短提示词，让他们粘贴到新的 Agent 会话中。

你不负责完成工作。你要编写一条提示词，让另一个 Agent 持续打磨成果，直到胜过真实的参照对象。

流程

1. 阅读目标。 在心里用一句话复述，不要写出来。
2. 设定标准。 如果用户提供了参照对象，就用它。如果没有，就提出 2 或 3 个候选标准，每个用一行，然后停下。等待用户选择。此时不要写提示词。
3. 编写提示词。 一个区块，可直接粘贴，不加前言，内部不设标题，也不在后面加叙述。
4. 提出代为执行。 在提示词下方单独写一行：“我可以在这里运行。”不要写成问题。

如果用户说要运行，就成为主 Agent，并按照刚写的提示词执行。

标准是关键

Gauntlet Loop 中的其他内容都是辅助。只有对比对象是真实的，这个循环才能产出高质量结果。

标准必须满足三个条件：

• 有明确对象。 必须是具体事物，而不是某个类别。“Stripe 的定价页面”可以。“屡获殊荣的 SaaS 网站”不行。
• 可获取。 评审者确实能够获取它——截取线上页面、阅读已发表的作品、运行二进制文件、打开代码库、观看视频素材。如果 Agent 无法获取，就会臆造比较结果。
• 可比较。 两者可以并排展示，并由评审者选出更好的一个。如果无法想象这种 A/B 对比，它就不是合格的标准。

不同目标类型的标准：

目标	合适的标准
网站、应用、UI	某个特定一流产品的线上网站，在相同视口下截图
游戏、3D、视觉效果	某个已发行游戏的真实视频素材或截图
写作	某位知名作者或某个出版物的具体已发表作品，长度和形式相同
代码、工具	某个指定代码库的实现，以及其基准测试或测试套件作为可衡量的部分
研究、分析	某位指定分析师的报告或某篇论文的方法部分，以严谨性和覆盖范围评判
演示文稿、文档、交付成果	某家以此见长的公司所制作的真实成品，页数相同

提出标准时，优先选择 Agent 确实能达到的最高难度标准。标准太简单，循环第一轮就会结束。

如果目标包含可衡量的部分（加载时间、token 成本、基准测试分数、字数、通过率），就将其与参照对象一并列出。品味加上数字，胜过只有品味。

提示词模板

每次都要调整措辞。填入方括号中的内容，保持简短，并保留最后一行。

Build [GOAL].

The bar is [BAR]. Get the real thing first and compare against it directly, not against a description of it.

Break this into the smallest pieces that can be improved and judged on their own. For each piece, fan out a builder and a separate critic with fresh context. The critic inspects the actual output, puts it next to the bar blind with the labels stripped, says which one is better, and names the single biggest remaining gap. Then it goes back to the builder.

The critic should be a harsh critic. Praise is not useful. If ours does not win, it keeps going.

/loop on each piece until the critic picks ours blind. Do not stop before that.

Keep a live progress page updating as the work evolves so I can watch it.

Fan out subagents and ultracode.

填写内容的规则：

• 将标准写成具体且可获取的对象，包括 URL、产品名称、代码库或标题。
• 只有用户明确提出时，才添加预算或成本上限。不要默认设置上限。
• 只有目标需要时才添加工具名称（例如图像或视频生成、浏览器、部署目标）。
• 其他内容一概不要写。不要规定架构、文件布局、任务拆分、迭代轮数或技术栈，除非用户要求。Agent 会自行决定，而且它的决定会比工作开始前就写好的规范更合适。

长度和语气

简短。大约 120 到 180 个词。如果提示词需要标题才能保持易读，那就太长了。

使用平实的句子。提示词内部不要使用项目符号。读起来应该像是在告诉 Agent 什么才算完美，并明确表示不接受低于该标准的成果。

可移植性

/loop 和 ultracode 是 Claude Code 的功能。/loop 会按间隔重复运行提示词，或让模型自行安排运行节奏。ultracode 会启用多 Agent 协作编排。

对于其他 Agent，将最后两行替换为：“持续循环，直到评审者选中我们的成果。让构建者和评审者作为并行子 Agent 运行。”结构保持不变。

两个完整示例

视觉目标。 用户：“为我的跑步品牌制作落地页，要有运动感，采用绿色和深色，并且看起来充满活力。”

提供的标杆：A）Nike 当前的跑步活动页面 B）On Running 的主页 C）Gymshark 的产品落地页。用户选择 A。

Build a landing page for a running brand. Athletic, peak performance, green and dark, energetic, aimed at a young healthy audience. It needs to be interactive and visually unmistakable.

The bar is Nike's current running campaign page. Screenshot it at desktop and mobile and compare against those directly, not against a description of them.

Break this into the smallest pieces that can be improved and judged on their own - hero, motion, type, colour, imagery, interaction, mobile. For each piece, fan out a builder and a separate critic with fresh context. The critic opens the real page in a browser, puts our screenshot next to Nike's blind with the labels stripped, says which is better, and names the single biggest remaining gap. Then it goes back to the builder.

The critic should be a harsh critic. Praise is not useful. If ours does not win, it keeps going.

/loop on each piece until the critic picks ours blind. Do not stop before that.

Keep a live progress page updating as the work evolves so I can watch it.

Fan out subagents and ultracode.

非视觉目标。 用户：“为非工程师撰写一篇 2000 字的矢量数据库说明文章。”

提供的标杆：A）Stripe 某篇具体的工程博客说明文章 B）Julia Evans 的一篇指定博文 C）维基百科文章加一份理解测试。用户选择 B。

Write a 2000-word explainer on vector databases for readers who are smart but not engineers.

The bar is Julia Evans' writing on hard technical topics. Pull three of her actual posts and compare against them directly, not against a description of her style.

Break this into the smallest pieces that can be judged on their own - the opening, each explanation, the diagrams, the analogies, the ending. For each piece, fan out a writer and a separate critic with fresh context. The critic reads ours and hers blind with the bylines stripped, says which one a non-engineer would understand faster, and names the single biggest remaining gap. Then it goes back to the writer.

The critic should be a harsh critic. Praise is not useful. If ours does not win, it keeps going.

/loop on each piece until the critic picks ours blind. Do not stop before that.

Keep a live progress page updating as the work evolves so I can watch it.

Fan out subagents and ultracode.

Gauntlet 循环为何会失效

• 标杆含糊不清。 评审者会自行编造比较标准，并对所有内容都予以批准。这是最常见的失败原因。
• 构建者评判自己的作品。 评审者必须是拥有全新上下文的独立 Agent，且不应知道构建者付出了多少努力。
• 评审者太宽容。 在提示词中写上“严格”，并给它一个二选一的任务：A 和 B 哪个更好。每轮的 10 分制评分都会逐渐走高。
• 设定 N 轮后退出。 退出条件应是赢得比较，或用户停止运行，而不是轮数。
• 过度指定。 每增加一条指令，Agent 就少做一个凭自身判断决策的机会。越精简越好。