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

腾讯开源多编程智能体协作平台LoopForge,冲上GitHub趋势榜!

智猩猩AI • 8 小时前 • 13 次点击  
智猩猩AI整理
编辑:知知

一个团队里,产品能把模糊的想法理成清晰的需求,研发写得一手好代码,测试总能找出别人漏掉的缺陷。


这一两年,大家还把各自的经验调教进了自己的 Agent:提示词、MCP、Skills 越攒越多,Agent 也越用越顺手。


按理说团队应该快了不少。可很多团队发现:个人确实变快了,整体交付却没快多少。


时间去了哪里?代码写得是快了,可从“写完”到“能交”,还是得一遍遍对需求、盯评审、催修改。一个需求好不容易走完,下一个同类需求进来,这些环节又得从头来一遍。


图1:个人 Agent 与团队 Loop

如果团队已经知道一类任务该怎么做,为什么不把这套做法沉淀下来,让系统以后每次都照着做?


LoopForge 就是为此而做的。


它是是腾讯开源的Coding Agent团队协作与交付工作台,支持统一编排Codex、Claude Code等AI编程智能体。


该项目能够将个人开发经验配置为团队角色,再把不同Agent之间的协作流程编排成SOP,让代码开发、审查与交付形成可重复执行的标准化流程。



下面以一个由产品、研发、测试和负责人组成的业务团队为例,看看如何把日常交付流程搭成一个云端 Loop。


01

从“个人 Agent”到“团队的角色”


在 LoopForge 里,每个人都可以把自己的经验变成团队里的不同角色:产品可以有需求分析师和验收专员,开发可以分出前端、后端研发工程师,测试和负责人各配一个测试工程师、代码评审员。


每个角色都是一套完整的工作定义,由四部分组成:


  • 身份:它叫什么、负责什么,用哪个执行器(CodeBuddy、Codex 或 Claude Code)和模型来干活;

  • 任务:它的提示词,写清做事的顺序、要读哪些上游内容、哪些事不能碰;

  • 产物与门禁:做完必须交出哪些文件,交出去之前要通过哪些检查;

  • 技能与工具:要遵守的团队规范,以及能调用的 Skills 和 MCP 工具。


以后端研发工程师为例,可以按如下方式配置:


图2 角色的身份与任务


图3 角色的产物、门禁与工具

配好的角色可以随时调整,每改一次都会留一个版本,改坏了也能随时恢复。


02

共享上下文:

一个会话接住整个团队


角色有了,但如果每个人还在自己的窗口里用它,上下文照样是散的。


所以在 LoopForge 里,大家不再各开各的窗口:产品、研发、测试和负责人加入同一个项目,找的是同一个 Main Bot。


Main Bot 就是对话框里直接跟你聊的那个 AI,可以把它当成团队里的总助理:


  • 顺手的活,它自己干。改一处小 Bug、写个方案草稿、查查某个接口是谁在调用,跟它说一句就行。


  • 专业的活,它找人干。碰到要改接口、补测试这类活,它会把团队配好的角色叫过来,比如让后端研发工程师动手改,让测试工程师把用例补齐,最后把结果汇总给你。


这样一来,谁都能找 Main Bot 聊,谁都能叫角色来帮忙。大家共用同一份上下文:前面谁说过什么、哪个角色交了什么、工作区里改了哪些代码,后来的人一进会话就能看到,接着往下聊就行。


图4 Main Bot 调度角色协作


03

把团队的工作流程沉淀成 SOP 


大家能在一个现场里干活了,接下来要解决的是怎么让每次都干得一样好。


每个团队都有自己的工作流程,需求要先写清验收标准,代码合入前要有人评审,上线前要跑一遍测试。可这些流程大多停留在口头约定里,做不做得到全看人:一赶工,测试就省了;换个人评审,标准就松了。


LoopForge 能把这套流程固定成一条 SOP,以后每次都照着跑。团队的做法,就从“大家都知道怎么做”,变成了“系统每次都这么做”。


写 SOP 并不复杂,就是把 PART 01 配好的角色按顺序排起来。每个角色负责一个环节,做完交出明确的产物,下一个角色拿到就能接着做。比如团队的后端需求,可以这样走:



不过,流程里也不是每一步都适合交给 AI。所以 SOP 会按活的性质,分给三种节点来做:


角色节点:需要判断的活,比如改代码、做评审;


脚本节点:结果确定的活,比如构建、跑测试。过没过看退出码,不听 AI 说“测过了”;


人工关口:需要人拍板的地方,比如负责人最后验收。


流程跑起来,难免有哪一步没过。LoopForge 支持让流程转成一个 Loop:每个节点都可以设好失败后打回到哪里,没通过就带着意见自动退回去,修完再重新走一遍。为了不陷入死循环,返工还设了轮次上限,几轮还没修好,流程就停下来等人处理。


图5 后端需求 SOP 与打回路径


SOP 也可以随团队的需要调整,每次修改都会保留历史版本,可以对比,也可以一键恢复。


流程会自己打回、自己返工,人自然会想知道:它到底干了什么?


04

看得见,才敢交给它:

可视化运行与全程留痕


来看一次真实运行。一条“审计日志按操作人筛选并导出”需求在完成开发后,被代码评审员拦了下来:导出接口缺少权限校验。评审意见随即被带回给后端研发工程师,修复、复审、测试依次完成,最终停在「负责人验收」。


负责人不必翻日志寻找进度。打开运行详情,整条链路已经铺开:绿色代表通过,红色标记失败,琥珀色表示等待确认。此时前序节点全部通过,只剩最终验收。点击任意节点,还能继续查看代码改动、工具调用、失败原因和返工记录。


图6 流程停在「负责人验收」


所有需要人工处理的事项都会进入「待我确认」。负责人可以查看验收报告并作出决定;从原始需求、SOP 版本、参与角色,到打回原因、验收人和最终 PR,整次交付都有记录可查。


05

持续迭代:

每跑一次,流程就好一点


运行结束后,可以在详情页发起「智能评测」。


AI 会回看这次运行的执行轨迹,从流程是否健康、耗时与等待、工具调用、Token 效率、失败恢复和交付完整性等维度分析这次运行。它不仅会告诉你哪里慢、返工了几轮,还会分析问题出在哪个环节。


图7 智能评测定位返工原因


智能评测进一步发现,这次问题之所以到了代码评审才暴露,是因为需求模板和评审清单里都缺少权限检查。据此,它给出两条改进建议:


  • 需求分析师:涉及查询或导出时,必须明确数据权限;

  • 代码评审员:增加越权检查和权限测试。


当然,AI 只负责提出建议,不会自动生效。负责人可以自行判断,选择合适的建议写入角色;如果涉及节点顺序或打回路径,再到设计器中调整。


下一次再遇到查询或导出类需求,权限不再依赖某个人临时想起来,而会成为需求和评审阶段的默认检查项。


图8 用数据验证改进效果


流程是不是真的变好了,也不需要凭感觉判断。在「统计」页,可以查看一次通过率、返工率、节点耗时、人工干预次数和 Token 成本,同一 SOP 的不同版本还能对比成功率、耗时和成本。有效的改进保留下来,效果不佳的规则继续调整或回退。


到这里,执行、验证、返工、验收和复盘已经连成闭环。可这一切都发生在白天,人一下班,闭环也就停了。


06

云端 7×24 小时:

人下班了,流程还在转 


(1)把工作现场留在云端


如果执行现场还留在个人电脑上,合上笔记本,Agent 停了,闭环也就断了。


LoopForge 把这个现场搬到了云端。每次 SOP 启动,平台都会在服务器上创建一个独立的 Docker 沙箱,拉取代码、准备环境、创建分支,之后的开发、评审、测试和 PR 提交都在其中完成。人走了,现场还在,流程照样往下推进。


一条需求对应一个沙箱,多条需求可以同时运行,互不干扰。流程停下来等待审批时,沙箱也不会一直占用资源:执行环境可以释放,任务现场则被完整保留;等人确认后,系统重新拉起环境,从停下的位置继续。


这些沙箱运行在团队自己的服务器或云主机上,代码和运行数据都留在团队环境内。


(2)定时任务:到点自动开工


工作现场留在云端后,还需要让任务自己开始。


LoopForge 可以定时扫描需求池,将待处理的需求交给对应 SOP。已经执行或关闭的需求会自动跳过,单次派发数量也可以设置上限,避免占用过多资源。


定时任务还可以执行提示词,例如汇总近期的运行情况,将失败、卡住和等待验收的任务整理成简报,推送到团队群里。


图9 定时任务配置与并行运行记录

END

关注+星标,获取AI前沿进展与开源一线动态

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/203547