一个专门负责 loop engineering 的开源仓库（大家猜猜下一轮的xx Engineering的新名词是啥？🐶）

Loop Engineering：把 AI coding agent 从“单次提示”升级成可运行的工作循环

Loop Engineering 是一个面向 Grok、Claude Code、Codex、Cursor、Opencode 等 AI coding agents 的方法论和参考仓库。它的核心观点是：开发者不该一直手写 prompt 驱动 agent，而应该设计一套能持续运行、能读写状态、能验证结果、能在必要时升级给人的循环系统。

它把一个 loop 拆成几个构件：定时自动化负责发现和分诊，worktrees 负责隔离并行执行，skills 保存项目知识，MCP / connectors 连接真实工具，sub-agents 做 maker / checker 分工，memory / state 作为跨会话的持久脊柱。仓库里用 LOOP.md、STATE.md、pattern registry、starter kits 和 GitHub Actions，把这个理念做成了可复制的工程结构。

项目提供了几组 npm CLI：

- loop-init：给项目生成 skills、state、预算文件，并输出 Loop Ready score。
- loop-audit：给 loop 成熟度评分，可输出建议和 README badge。
- loop-cost：估算不同 pattern / cadence 的 token 成本。
- loop-sync：检查 STATE.md 和 LOOP.md 之间是否漂移。
- loop-context：做长时间运行的状态管理和 circuit breaker。
- loop-mcp-server：给 MCP host 提供 pattern、skill、state 的运行时查询。

仓库还整理了 7 个生产模式：Daily Triage、PR Babysitter、CI Sweeper、Dependency Sweeper、Changelog Drafter、Post-Merge Cleanup、Issue Triage。每个模式都有建议 cadence、starter、第一周运行级别和 token 成本，用来避免一上来就把 agent 放进无人值守模式里乱跑。

我的判断：它真正有用的地方不是“又一套 agent 术语”，而是把 agent 使用从技巧层推进到运维层。prompt 是一次性指令，loop 是可审计、可恢复、可限权、可计费的工作系统。对我们这种已经在做多 agent、日报、投资监控、发帖队列的人来说，它更像一面镜子：真正难的不是让 agent 做事，而是让它在状态、成本、安全和验证之间长期不失控。

🔗 链接：http://t.cn/AXSyCRk1
🌐 Interactive showcase：http://t.cn/AXojznsZ
📄 Essay：http://t.cn/AXojznsw
📄 Addy Osmani 文章：http://t.cn/AXobdswN
#HOW I AI# #ai生活指南# #agent#