LoopX

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。

核心理念：可执行的看板

可以将 LoopX 理解为一个面向长程 Agent 的可执行看板。

• 状态即事实：看板上的卡片只是投影（Projection），LoopX 维护的 State 才是唯一的事实源。每张卡片拥有稳定的身份、权限、证据和延续性（Continuation）。
• 类型化操作符：移动卡片并非随意拖拽，而是必须经过 Claim（认领）、Gate（门禁）、Monitor（监控）、Validate（验证）和 Writeback（回写）等严格的类型化操作。
• 平级 Agent 协作：注册的 Agent 彼此平级，没有长期拥有全局权限的“Leader”。下一步由谁执行，取决于 Todo Claim、Lease（租约）、任务边界和能力门（Capability Gate）的共同决策。

为什么需要 LoopX？

1. 治理长程复杂性：解决目标变化、用户决策介入、证据过期以及 Scheduler 无效空转的问题。
2. 保持关键判断在人手中：让 Loop 持续向前推进繁琐的执行，但将安全、发布、私有数据 Gate 和最终 Ownership 留给人类。
3. 支持平级团队交接：通过 Ownership、Lease 和 Handoff 机制，实现多个 Agent 间的无缝协作与责任转移。
4. 清晰的进展呈现：为非技术用户（如创作者、运营）提供清晰的进展、阻塞点和反馈入口。

真实轨迹验证：200+ 小时的持续演进

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：

• 开源 Issue Fix：在 OpenViking 项目中，LoopX 辅助完成了跨越 200+ 小时自然时长的 Issue-to-PR 修复。它有效管理了 Rolling Repository Context、带版本控制的修复知识以及 Reviewer 偏好，确保了 PR 交付的质量与一致性。
• Auto ML Experiment：在机器学习实验中，LoopX 记录了超过 200 小时的决策谱系。从假设提出、证据匹配、无效谱系剔除到 Promote/Stop Gate 的判断，所有关键节点均被完整保留，形成了可追溯的实验轨迹。

快速上手

LoopX 的安装极其简便，无需 Git，仅依赖 Python 标准库。

1. 安装与诊断

curl -fsSL https://raw.githubusercontent.com/huangruiteng/loopx/main/scripts/install-from-github.sh | bash
export PATH="$HOME/.local/bin:$PATH"
loopx doctor

2. 连接项目

进入你的项目根目录并连接 LoopX：

cd /path/to/your-project
loopx connect
loopx status

3. 启动目标

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"

4. 集成现有 Agent

LoopX 支持与多种主流 Agent 宿主集成：

• Codex App/CLI：使用 $loopx <复杂任务> 或 /skills 中的 loopx 技能。
• Claude Code：安装 opt-in adapter 后，运行 /loopx <任务> 及 /loop。
• Cursor/Shell：通过 loopx doctor 诊断后手动连接或由 Runner 调用。