robonuggets/gauntlet-loop

What it solves

AIエージェントが「十分である」という妥協で止まってしまうのを防ぎ、曖昧な評価基準を具体的かつ外部的な品質基準に置き換えることで解決します。エージェントが、出力が特定の高品質なリファレンスよりも客観的に優れている状態になるまで、構築と批判のループを繰り返すよう強制する、厳格なプロンプトの作成を自動化します。

How it works

1. Goal Setting: ユーザーが目標（例：ランディングページやCLIツール）を提供します。
2. Bar Selection: このスキルは、品質基準として機能する、取得可能で比較可能な2〜3個の具体的な実世界の例（「バー」）を提案します。
3. Prompt Generation: バーが選択されると、スキルはすぐに貼り付けて使用できる短いプロンプト（約150語）を生成します。
4. Execution Loop: エージェントのセッションに貼り付けると、エージェントは作業を小さな単位に分割し、「ビルダー（構築者）」と、それとは別の「厳しい批判者（harsh critic）」エージェントを採用します。批判者は、現在の作業とリファレンスとなるバーとの間でブラインド比較を行い、作業が比較で勝利するまでループを繰り返します。

Who it’s for

AIエージェントのワークフローが、平凡な出力ではなくプロフェッショナル級の結果を生み出すことを確実にしたい開発者やパワーユーザー。

Highlights

• Blind Comparison: 新しいコンテキストを持つ別の批判者エージェントを使用して、作業とバーのどちらが優れているかを決定するため、数値による採点で見られる一般的なスコアのドリフト（乖離）を回避します。
• Concrete Standards: 曖昧な基準を避け、名前が明記され、取得可能で、比較可能なリファレンスを優先します。
• Agent Agnostic: Claude Codeの /loop や ultracode のような機能と連携しますが、単純な指示を通じて、あらゆるエージェントに適応可能です。
• Outcome-Based Exit: ループは、作業がブラインド比較で勝利するか、ユーザーが手動で停止するまで終了しません。