Autoloom最新版

Autoloom 是面向 Coding Agent 的开源工程治理工具，核心目标是让AI每一次代码改动都有据可查，把工程判断嵌入AI开发执行流程。

• 官网：https://autoloom.codes
• GitHub：https://github.com/GanyuanRan/Autoloom

项目基于 DeepSeek Harness（dsh-v0.1.1-rc.2）开发，沿用Cordis插件机制，集成Aegis开源AI工程方法包。在AI执行代码修改前、中、后增加多层校验，不再需要开发者反复提醒AI考虑改动必要性、控制复杂度、留存验证证据，当前处于Beta阶段。客户端免费，模型调用费用由用户自行向模型服务商支付。

内置的工程治理流程

Autoloom在Agent执行任务的各个节点自动注入工程方法，并且维护任务前置校验顺序、留存完整过程记录：

1. 第一性原理与变更必要性：任务启动时，基于目标、现有能力、约束条件判断改动是否真的必要，评估是否已有现成方案。
2. 反熵与复杂度检查：修改代码前，识别重复职责、多余抽象层级，保证新增复杂度对应真实业务问题。
3. 反证与因果诊断：修改前预判方案失效条件；任务失败后，要求基于现象和证据定位根因。
4. 实施一致性与交付复核：交付前对照需求、执行日志、验证材料，梳理完成项与未验证部分。

项目的目标、约束、关键决策会持久保存在项目空间；当修改这些规则时，会展示变更差异供人工审核。用户还可以自定义测试偏好、代码复杂度阈值，适配项目规范。对话界面可折叠查看本次操作对应的“治理影响”，过程记录完整可回溯。

底层与产品定位

Autoloom 复用DeepSeek Harness的Cordis插件体系，但拥有独立版本号和迭代节奏，会选择性吸收Harness官方后续版本的可靠性修复，产品方向聚焦AI开发过程治理，目标是打造可信赖的全自动AI软件开发平台，平衡开发成本、速度与质量，降低无效试错、上下文冗余和返工成本。

客户端与环境支持

• 当前可用：Windows x64安装包；
• 规划开发：macOS、Linux桌面客户端，进度在GitHub仓库同步；
• 项目接入：支持本地项目，也支持SSH连接远端Linux x64项目；
• 工作台能力：查看文件、代码diff、命令日志、预览页面、内置停靠终端；
• 内置MCP公共搜索服务（Parallel/Exa），无需额外配置搜索API Key，自带网页读取能力，上游搜索存在额度限制。
• 更新机制：安装包自带后台更新检测，下载更新后重启生效；ZIP解压旧版用户需要手动安装新版安装包。

上手步骤

1. 在仓库Releases页面下载Windows x64安装包；
2. 安装启动，在设置页填入模型服务商API密钥，选择默认模型；
3. 使用有备份的测试项目，从范围较小的代码改动任务开始测试。