
ERNIE Evolve
百度发布 ERNIE Evolve,一套面向 AI 训练、推理代码优化的自动研究智能体系统。给定代码仓库、优化目标与评估标准,系统可以自主选定研究方向、修改代码、执行实验,依靠隐藏评估器与独立审查者过滤无效或作弊的改动,只保留有效的优化方案。该系统定位为递归自我改进(RSI)的落地方案,目前为闭源,仅公开实验结果与运行日志。
在当前的 AI 编程助手中,单次会话内的任务执行已日趋成熟。然而,当面对跨越数天甚至数周的复杂工程、研究或实验目标时,传统的聊天记忆和定时器往往显得力不从心:目标会漂移、证据会过期、Agent 之间的交接缺乏上下文,且难以进行有效的状态恢复与复盘。

LoopX 是一个轻量级的 state kernel,也是 agent-agnostic(代理无关)的本地 Loop Engineering 控制面。LoopX 不替代 Codex、Claude Code 或 Cursor 等 Agent Runtime,而是作为它们的“大脑皮层”,让跨轮次、跨工具、跨 Agent 的工作变得可审阅、可恢复、可接力。
可以将 LoopX 理解为一个面向长程 Agent 的可执行看板。
LoopX 的能力并非停留在单轮 Demo,而是经过了真实长程任务的验证:
LoopX 的安装极其简便,无需 Git,仅依赖 Python 标准库。
curl -fsSL https://raw.githubusercontent.com/huangruiteng/loopx/main/scripts/install-from-github.sh | bash
export PATH="$HOME/.local/bin:$PATH"
loopx doctor
进入你的项目根目录并连接 LoopX:
cd /path/to/your-project
loopx connect
loopx status
如果项目尚未初始化,可以通过引导模式设定长程目标:
loopx start-goal --guided --project . --goal-text "你的长程目标"
LoopX 支持与多种主流 Agent 宿主集成:
$loopx <复杂任务> 或 /skills 中的 loopx 技能。/loopx <任务> 及 /loop。loopx doctor 诊断后手动连接或由 Runner 调用。






