con un clic
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
Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.
Menú
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
Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.
Basado en la clasificación ocupacional SOC
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"。