社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  Git

傻瓜式Loop教程来了:一行命令直接上手,GitHub狂揽4.5k Star

量子位 • 23 小时前 • 22 次点击  
鹭羽 发自 凹非寺
量子位 | 公众号 QbitAI

朋友,听说你还不会搭不会用Loop

别慌!现在直接来抄作业!

有位大神直接在GitHub开源了整套Loop Engineering框架,目前已累计收获4.5k Star

Loop是最近爆火的概念,简单解释就是不用再像以前一样一次次输提示词指挥AI干活。

现在直接设定一个小目标,让系统自己干,包括下指令、验收、修正,直到达标。

龙虾之父、Claude Code之父、吴恩达还有皮衣老黄纷纷为其打call:

现在根本没有人写Prompt了,新时代的核心工作是编写和管理Loop!

大神开源的整套Loop Engineering框架 包括七套现成的工作流、10个启动模板,再加上初始化、成本估算、运行审计和状态同步一系列工具。

Claude Code、Codex、Grok和OpenCode统统适配。

划重点!无需从零设计架构,选定场景后,直接copy下面这行命令就能立即开始:

npx @cobusgreyling/loop-init . —pattern daily-triage —tool claude

用原作者的话来说,做这个项目就是为了:

Stop prompting,Design the loop。别再玩你那上一代的Prompt了,let‘s拥抱loop

傻瓜式Loop教程来了

话虽这样说,可设计Loop还是件挺抽象的事情。从哪开始?要用哪些工具?跑飞了怎么办?

于是这套0基础Loop教程闪亮登场~

首先Loop摊开了讲,也就5个基础元件,外加记忆和状态:

  • 自动化/调度:定时把该干的活儿找出来、分好类,比如每天、每5分钟;
  • 工作树:建立隔离的并行执行环境,让多个agent彼此互不干扰;
  • Skills:沉淀项目的固定知识;
  • 插件和连接器:通过MCP接入真实工具,如GitHub、Linear、Slack等;
  • 子Agent:将制作器和检验器分离;
  • 记忆和状态:对话外长期存储。

然后它内置了七套能直接用的工作流,包括每日巡检、PR看管、CI清理、依赖扫描、Issue处理、合并技术债后清理、起草更新日志,负责将这些反复催促Agent的动作固定下来。

另外,项目还提供交互式选取器,你可以先给出“PR总卡住”、“Issue太乱”具体问题,工具就会自动推荐对应循环和启动命令。

有一说一,这些活儿单拎出来都不难,难的是碎。就比如很少有人愿意每隔10分钟看一次CI,每次版本发布前再翻几十条提交记录。

Loop在其中接走的,恰恰是这些需要持续盯着但判断标准又相对清楚的任务。

接着,就可以开始跑你的第一个Loop

Step 1:选择模式。新手建议直接冲每日巡检,风险最低,也最适合学习Loop逻辑。

Step 2:脚手架初始化。直接在你的Git项目根目录,运行前面提及的那行代码。其中claude可替换成grok、codex、opencode,daily-triage可换成7种模式中任意一个。

npx @cobusgreyling/loop-init . —pattern daily-triage —tool claude

Step 3:估算Token成本。由于高频循环(如CI清理)会烧掉很多Token,所以需要提前估算好用量。

npx @cobusgreyling/loop-cost —pattern daily-triage —level L1

Step 4:审计就绪程度。输出结果0~100分,并给出改进意见。

npx @cobusgreyling/loop-audit . —suggest

如果分数达标,就可以为项目贴一个Loop Ready图标,代表该项目已经适配Loop平台、满足Loop运行标准。

npx @cobusgreyling/loop-audit . —badge

Step 5:仅报告模式启动Loop过程,以Grok为例。

/loop 1d Run loop-triage. Update STATE.md. No auto-fix in week one.

Step 6:读取输出。打开储存记忆的STATE.md文件就能确认Loop是否存在问题,有问题直接修改。

其中,Loop成熟度可分为L1→L2→L3三个阶段。

L1只发现问题、更新STATE.md,不修改代码;L2可以允许Agent在有验证器的情况下小范围自动修改,但需人工审查;L3可以完整自动长时间运行。

正式的Loop标准流程共有8步

定时触发→任务分诊→读取状态→创建独立工作区→Agent执行→验证器检查→连接Git或工单系统→人工确认。

也就是说,这是一套完整的Agent自己找活、自己执行、自己验收、有问题再叫人的Loop系统,即拿即用~

吴恩达:做产品需要三层Loop

如果说前面的Loop教程解决的是如何把Loop搭起来,那么吴恩达最近讨论的,则是Loop搭好后,人可以做什么?

他将从0到1开发产品的过程拆成了三层Loop

最内层是Agent编码Loop。人给出产品说明和评测标准,Agent负责来写代码、测试和修改直到没有bug。

整个过程非常之快,每隔几分钟,Loop就可能产生一个新版本。

吴恩达分享了一个自己的例子。

上周末他给女儿制作一个练习打字的小应用,编程Agent借助Loop自己吭哧吭哧干了差不多一个小时,期间还反复自动检查自己做出来的页面,完全不需要吴恩达自己插手。

往外一层,是开发者反馈Loop

过去很多开发者都需要亲自给Agent找问题,现在有了开发者反馈Loop,Agent自己就能反复测,效果还好。人就不用时刻关注Agent状态,注意力可以集中在产品效果优化上。

不过开发者反馈Loop会稍微慢一点,几十分钟或数小时才能循环一圈。所以在打字应用中,吴恩达会以这样相对固定的频率审查视觉效果,并提供反馈,Agent再根据新需求进入下一轮开发。

开发者的判断也不是终点,最外层还有外部反馈Loop

产品交给朋友、Alpha测试用户或真实用户使用,再通过反馈、使用数据和A/B测试修正产品方向。这一轮是最慢的,可能持续数小时、数天甚至数周。

三层Loop由快到慢,就组成了一条完整链路:Agent快速把东西做出来,开发者决定应该做成什么,用户证明它是否值得继续做。

所以吴恩达认为,Loop并不会让人类退出软件开发,相反人类工程师有其独到的上下文优势——关于用户和产品的经验,也可以称之为品味。

这是Loop越循环越好的关键所在。

从这个角度看,一行命令可以装好Loop,但什么才算完成式,还得靠人来看。

参考链接:
[1]https://github.com/cobusgreyling/loop-engineering
[2]https://x.com/AndrewYNg/status/2071988145667928442?s=20
[3]https://x.com/mikenevermiss/status/2071513914504802525
[4]https://mp.weixin.qq.com/s/A5OXrljqsxPZDPlQP3FAaA

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法!


—  —


💬 希望掌握最新AI资讯,欢迎加入量子位「每日AI交流群」👇

💼 这里有大厂做模型的、有创业公司跑落地的、有媒体追热点的,也有VC看项目的。

🙌 添加小助手【qbitbot13】,备注「姓名-公司-职位」,审核通过后入群。


🌟 点亮星标 🌟

科技前沿进展每日见

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/198408