大多数人用 Claude Code 的方式是一问一答：提一个需求，等它回复，再提下一个，全程盯着。这种方式适合小改动，但遇到“把一个库从零重写一遍”“把旧项目迁移到新框架”这类要做几天的任务，人就成了瓶颈。

2026 年 3 月，Anthropic 研究员 Siddharth Mishra-Sharma 在官方博客分享了一套做法：先写好指令文件，在集群节点的 tmux 里启动 Claude Code，然后关掉笔记本，隔几个小时用手机看一眼 GitHub 提交记录。Claude（文中用的是 Opus 4.6）用几天时间从零实现了一个可微分的宇宙学玻尔兹曼求解器，这类代码通常需要领域专家花几个月甚至几年。

这篇文章把这套 Claude Code 长任务工作流整理成 5 步：写计划文件、建进度文件、准备测试基准、用 Git 做监控、在 tmux 里跑执行循环并用 Ralph Loop 防止提前收工。它不限于科研，适合任何目标明确、能用测试验证的长任务。

核心思路：从逐步指导到定好目标放手跑

传统用法里，你像老师，AI 像学生，每一步都要你指导。长任务的做法反过来：你像项目经理，负责定目标、写清验收标准、准备参考实现，具体工作交给 Agent 自己去磨，人只需要偶尔检查。

Anthropic 的文章把这类任务的特点概括为：范围清楚、成功标准明确、人的监督可以是“偶尔”而不是“持续”。重写数值求解器、把老 Fortran 代码迁移到现代语言、对照参考实现调试大型代码库，都属于这一类。

整套工作流由下面几个组件组成：

第 1 步：写好 CLAUDE.md，作为 Agent 的项目说明书

所有指令写在项目根目录的 CLAUDE.md 里。Claude Code 会特殊对待这个文件，始终把它留在上下文中，并以它为总体计划。作者建议把大部分时间花在这一步：和 Claude 一起反复打磨，直到计划看起来靠谱。

这个文件应该包含：

项目的高层目标和交付物；
精度或质量要求，比如“主要输出与参考实现 CLASS 的偏差不超过 0.1%”；
已经确定的设计决策和约束；
提交规范，比如“每完成一个有意义的工作单元就 commit 并 push”；
测试要求，比如“每次提交前运行 pytest tests/ -x -q，不能提交破坏已有测试的代码”。

关键一点是 Claude 可以自己修改这个文件。随着项目推进，它会更新计划、记录新的设计决策，指令和项目一起演进。如果你用的是 Codex，对应的做法是写 AGENTS.md，可以参考 AGENTS.md，把项目规范写给 Codex，看懂并就近生效。

第 2 步：建一个进度文件，让 Agent 跨会话记住踩过的坑

进度文件在文章里叫 CHANGELOG.md，是 Agent 跨会话的长期记忆，相当于实验室笔记本。在 CLAUDE.md 里要求 Claude 持续更新它。

一个好的进度文件会记录：当前状态、已完成的任务、失败的尝试和原因、关键检查点的精度表、已知限制。

失败记录尤其重要。没有它，下一个会话会重新尝试同样的死胡同。一条典型记录是：“尝试用 Tsit5 求解扰动方程，系统太刚性，已切换到 Kvaerno5。”

第 3 步：准备测试基准，让 Agent 知道自己有没有进步

长时间自主运行最怕的不是出错，而是出了错不知道。Agent 需要一个客观的判断标准，文章里叫 Test Oracle。

它可以是参考实现、一个可量化的目标，或者现有的测试套件。在这个项目里，Claude 被要求以 CLASS 的 C 源码作为参考实现，不断构建并运行单元测试。还可以让 Agent 边做边扩充测试用例，防止改出回归。

这个思路完全可以搬到日常开发：只要有参考实现、一套测试用例或一个可量化的指标，就能用同样的方式让 Agent 自己判分。

第 4 步：用 Git 做协调和远程监控

Agent 每完成一个有意义的工作单元就 commit 并 push。这样做有三个好处：出问题时有可恢复的历史；进度随时可见；计算资源中途到期时，已完成的工作不会丢。

作者的监控方式很简单：排队买咖啡时用手机刷一下 GitHub 的提交记录。需要调整方向时，可以 SSH 进去重新给提示或修改 CLAUDE.md；更省事的做法是让本地的 Claude Code 帮你 SSH 进去执行命令。

第 5 步：在 tmux 里跑执行循环，并用 Ralph Loop 防止偷懒

建议先在本地把计划迭代好，写进 CLAUDE.md，再到计算节点上开始长跑。在 tmux 里启动 Claude Code 的好处是可以随时断开，关掉笔记本也不影响。

在使用 SLURM 调度的 HPC 集群上，一个启动脚本的示例如下（来自 Anthropic 原文）：

#!/bin/bash
#SBATCH --job-name=claude-agent
#SBATCH --partition=GPU-shared
#SBATCH --gres=gpu:h100-32:1
#SBATCH --time=48:00:00
#SBATCH --output=agent_%j.log
cd $PROJECT/my-solver
source .venv/bin/activate
export TERM=xterm-256color
tmux new-session -d -s claude "claude; exec bash"
tmux wait-for claude

任务启动后，连上 tmux 会话给出方向，比如告诉 Claude “Read CHANGELOG.md and pick up the next task”，确认它在正常推进后按 Ctrl+B D 断开。之后想检查进度或调整方向，随时重新连接：

srun --jobid=JOBID --overlap --pty tmux attach -t claude

没有 HPC 集群也没关系，在本地或云服务器的 tmux 里跑 Claude Code 是同样的模式。核心不是硬件，而是 CLAUDE.md、进度文件和测试基准这套组合。

Ralph Loop：不让 Agent 提前说“做完了”

长任务有个常见问题：Agent 跑着跑着就声称完成了，实际上还差得远，甚至会说“今天差不多了，明天再继续吧”。文章把这叫作 agentic laziness。

解决办法是 Ralph Loop，本质上是一个循环：每当 Agent 说完成了，就把它踢回去，问它是不是真的做完了。Agent 往往会承认还没达标，然后继续干。Ralph Loop 是 Anthropic 官方插件市场里的插件，可以这样安装：

/plugin install ralph-loop@claude-plugins-official

如果提示找不到插件市场，先执行 /plugin marketplace add anthropics/claude-plugins-official。文章里的调用示例如下：

/ralph-loop:ralph-loop "Please keep working on the task until the success criterion of 0.1% accuracy across the entire parameter range is achieved." --max-iterations 20 --completion-promise "DONE"

Claude 最多迭代 20 次，直到它输出“DONE”确认目标真的达成。--completion-promise 是精确的字符串匹配，所以提示词里要写清楚“只有全部达标才输出 DONE”，并且始终设置 --max-iterations 作为保险；中途想停可以用 /cancel-ralph。文章还提到了类似的方案 GSD，以及 Claude Code 自带的 /loop 命令。

如果你更常用 Codex，想让它在无人值守时跑脚本和定时任务，可以参考 codex exec，把 Codex 接进 CI、脚本和定时任务。

实际效果：能压缩时间，但过程并不完美

Claude 从零开始跑了几天，最终和参考实现 CLASS 在各项输出上达到了 1% 以内的偏差。下图是 Claude 自己回溯整理的精度变化曲线，标出了各个开发里程碑。

过程并不顺滑：测试覆盖有明显缺口，有一段时间只在一个参数点上测试；也会犯低级错误，比如在规范约定（gauge convention）上栽跟头，花几个小时追一个宇宙学家一眼就能看出的 bug。但它一直在朝目标推进。作者也明确说，结果还不是生产级，并不是在所有区间都达到可接受的精度。

一个意外收获是：这个项目不在作者的核心研究方向，但他顺着 Claude 的 commit 记录看下来，学到了不少玻尔兹曼求解器和相关物理知识。用他的话说，提交记录读起来像“一个速度很快、理解很字面的博士后写的实验笔记”。

哪些任务适合这样跑

不只是科研，满足下面几个条件的任务都可以试：

有明确的成功标准：不是“做得好看一点”，而是“与参考实现偏差不超过 X%”“全部测试通过”；
有参考实现或测试套件：Agent 能客观判断自己的进展；
能拆成小步骤：每一步都能提交、都能验证；
不需要实时的人工判断：偶尔检查就够。

比如把旧项目从 Python 2 迁移到 Python 3、把一个 JS 库用 Go 重写、在大型代码库里做安全审计、用新框架重构已有项目。

总结

这套长任务工作流归结起来就是四件事：把目标写清楚（CLAUDE.md）、让 Agent 记住踩过的坑（进度文件）、给它一个能自己判分的标准（测试基准）、用 Git 当监控，再用 tmux 和 Ralph Loop 让它持续跑下去。

跑机器学习训练的人早就习惯了这个节奏：晚上提交任务，第二天看结果。Agent 开发正在变成同样的模式。如果你手头有一个目标明确、能用测试验证的项目，可以在 AIGoCode 上用 Claude Code 按这 5 步试一次。

参考链接

Anthropic，Long-running Claude for scientific computing：https://www.anthropic.com/research/long-running-Claude
Ralph Loop 插件说明：https://github.com/anthropics/claude-plugins-official/blob/main/plugins/ralph-loop/README.md