with one click
lets-loop
Loop Engineering 循环调度框架:企业Agent落地的第四层工程进化,支持20种循环设计模式、四层工程治理、自主持续改进
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Menu
Loop Engineering 循环调度框架:企业Agent落地的第四层工程进化,支持20种循环设计模式、四层工程治理、自主持续改进
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
AI记忆持久化系统。使用memrec存储、检索、管理跨会话记忆。支持项目隔离、混合检索(KNN+BM25)、MMR重排、中文搜索。触发场景:(1)重要决策需记录,(2)关键知识需保存,(3)项目上下文需跨会话保持,(4)用户偏好需记忆,(5)检索历史知识辅助当前任务。
Rust 性能分析技能:通过 cargo flamegraph 生成火焰图(SVG),定位 CPU 热点函数并量化占比。适用于 Rust 项目性能瓶颈定位、热点分析、优化验证。触发场景:(1)分析 Rust 代码性能瓶颈,(2)定位 CPU 热点函数,(3)量化函数调用占比,(4)优化前后对比验证,(5)bench/unittest 性能不达预期时根因分析。
读取所有源代码,解构为设计图、设计文档、数据库设计; 没有执行文件,请按流程执行
项目问题侦测技能:综合分析设计、性能、安全问题,评分并提出重构或重建方案
局部代码修改技能:最小化修改完成功能,确保无蝴蝶效应,支持独立测试验证和全量关联检查
该skill没有执行文件,为操作指引:如何重构
| name | lets-loop |
| description | Loop Engineering 循环调度框架:企业Agent落地的第四层工程进化,支持20种循环设计模式、四层工程治理、自主持续改进 |
企业Agent落地的第四层工程进化:从提示词工程到循环工程,构建部署后每天都变得更好的系统
核心洞察:AI工程范式已从单次提示词演进到持续循环调度——生成→评估→学习→改进→直到输出真正足够好。
| 层级 | 名称 | 核心 | 关键技术 | 局限性 |
|---|---|---|---|---|
| L1 | Prompt Engineering | 说清楚任务 | CoT、Few-shot、结构化模板 | 信息孤岛、无记忆、人肉触发 |
| L2 | Context Engineering | 提供背景信息 | RAG、MCP协议、Message History | 模型手不受控、错误不自愈 |
| L3 | Harness Engineering | 验证正确性 | AGENTS.md、Sensors、Enforcement | 依赖人触发收尾、无跨session记忆 |
| L4 | Loop Engineering ⭐ | 持续迭代改进 | Automations、Worktrees、Skills、Sub-agents、State | — |
嵌套关系:L4 ⊃ L3 ⊃ L2 ⊃ L1
| 要素 | 作用 | 示例 |
|---|---|---|
| Automations | 自动化心跳 | --cron "0 9 * * *" / --trigger "git_push" |
| Worktrees | 工作树隔离 | concurrency: 3, isolation: git_worktree |
| Skills | 技能编码 | 将历史错误提炼为可复用规则 |
| Plugins/Connectors | 插件连接器 | Jira、Slack等MCP集成 |
| Sub-agents | 子Agent制衡 | Maker-Checker分离 |
| State | 外部状态存储 | 迭代计数、错误/成功记忆、模式库 |
| # | 模式 | 要点 |
|---|---|---|
| 1 | 生成→批判→重写 | generator→critic→generator,until score≥85 |
| 2 | 打分并重试 | max_retries:5, quality_threshold:80, 按criteria评估 |
| 3 | 多批判者 | 多角色critic,consensus_required: 2/3 |
| # | 模式 | 要点 |
|---|---|---|
| 4 | Reflexion | 失败→分析假设→存储教训→重试,最重要的自我改进 |
| 5 | 错误库 | 错误驱动知识库,任务前precheck |
| 6 | 成功模式 | quality>90且time<threshold时捕获 |
| # | 模式 | 要点 |
|---|---|---|
| 7 | 计划→执行→重新规划 | adaptive, observe→replan if unexpected |
| 8 | 动态工作流 | decision_points条件分支 |
| # | 模式 | 要点 |
|---|---|---|
| 9 | 分支探索 | parallel_branches:3, select_best_by加权评分 |
| # | 模式 | 要点 |
|---|---|---|
| 10 | 提示词优化 | evolutionary策略,mutation变体 |
| 11 | 工作流优化(元循环) | 监控latency/cost/quality/success_rate触发优化 |
详见 templates/ 子目录:
code-review-loop.yaml — 代码审查自动化Looptech-debt-loop.yaml — 技术债务管理Looprisk-and-budget.yaml — 风险管理和成本控制industry-adaptation.yaml — 行业适配(金融/软件/客服)diagnostic-flow.yaml — 诊断框架:问题在哪一层| 阶段 | 目标 | 命令 |
|---|---|---|
| 1: 夯实L1+L2 | 验证AI能做这件事 | --level L2 --scenarios "code-review,doc-generation" --goal "85%_accuracy" |
| 2: 建设L3 | Agent可被信任独立完成 | --level L3 --harness "agents.md,linter,test_gates" --goal "semi_autonomous" |
| 3: 试点L4 | 验证无人值守可行性和ROI | --level L4 --pilot "daily_ci_triage" --budget "50k_tokens" --supervision "high" |
| 4: 规模化L4 | 扩展到多场景 | --level L4 --scale "3_scenarios" --automation "full" --budget "500k_tokens" |
两个人可以搭建完全相同的Loop,得到完全相反的结果。一个人用它加速自己深刻理解的工作,另一个人用它逃避理解工作本身。
愿景:lets-loop 让Agent从"单次执行工具"进化为"持续改进系统",从"需要人推动"进化为"自己发现工作",从"概率性正确"进化为"可验证可靠"。