loopy: 为 AI agent 创建和管理迭代反馈循环的框架

它解决了什么问题

它解决了“一次性”提示词（one-shot prompting）的局限性，即 AI agent 被要求执行任务而没有迭代改进的机制。通过引入“循环”（loops）——即带有内置反馈的剧本（playbooks）——它使 agent 能够从结果中学习、验证其工作并重复步骤，直到达到特定目标或进度停滞，从而使 agentic workflows 更加可靠且可重复。

工作原理

该项目由两个部分组成：一个公开的 Loop Library（已发布循环的目录）和 Loopy，一个可安装的 AI agent 技能（兼容 Codex, Cursor, and Claude Code）。

Loopy 允许 agent：

• Discover：识别代码库或聊天记录中的重复模式以创建新循环。
• Find & Adapt：在库中搜索现有循环并根据特定项目约束进行调整。
• Craft：使用访谈过程从头开始构建自定义循环。
• Run & Debrief：在限定的轮次中执行循环并分析结果以建议最小改进。
• Save & Publish：将循环存储在本地的 LOOPS.md 文件中，或将其提交到公开库。

适用人群

希望超越简单的提示词，转向结构化、迭代式工作流的开发者和 AI agent 用户，用于处理诸如修复生产环境错误、提高测试覆盖率或维护文档等任务。

亮点

• Bounded Execution：循环包含明确的停止点和审批边界，以防止 agent 无限期运行。
• Evidence-Based：需要验证成功情况并提供操作和结果的“凭证”。
• Agent Integration：可直接作为技能安装到流行的 AI 编程 agent 中。
• Project-Local Storage：支持将自定义循环保存到项目的根目录中，以便在不同会话中重复使用。