跳到正文
meng shao· @shao__meng · X·· 5 天前AI 评分62
AI 导读

腾讯开源 LoopForge,用于把 Coding Agents 纳入团队研发流程,实际编码仍交给 CodeBuddy、Codex、Claude Code、Cursor CLI 等工具,LoopForge 负责角色分工、Docker 沙箱、流程检查点和运行记录。

正文 · 原文

腾讯开源 LoopForge:让 Coding Agents 按流程交付,再用评测改进流程

LoopForge 关注的不是让 AI 多写几行代码,是让 Coding Agents 进入团队研发:有人分工、有测试和评审、失败可以返工,整个过程能够追溯。

开源地址:
https://github.com/Tencent/LoopForge

不替代编程助手,做组织交付

实际编码交给 CodeBuddy、Codex、Claude Code、Cursor CLI 等现有工具,LoopForge 负责角色、Docker 沙箱、流程检查点和运行记录。

用户既可以与 Main Bot 对话,让它分派工作,也可以执行标准操作流程(SOP)。流程由 Agent、脚本、人工审批、子流程等节点组成,按依赖推进,并支持并行分支。规划、开发、测试和评审因此不再只靠提示词提醒,而能成为明确的执行步骤。

两层循环:修好当前任务,改进下次流程

第一层发生在任务执行中。脚本和检查节点根据执行结果判断是否通过;失败后可以定向修复或重新执行,并受最大尝试次数、返工次数限制。人也可以补充信息、批准结果,或退回指定步骤。

第二层发生在运行结束后。runeval 模块把运行轨迹整理成结构化事实,再由模型从控制流、耗时、工具浪费、Token 效率、错误恢复和交付完整性六方面评分。

它还能提出流程补丁,例如调整重试策略、增删角色检查规则、补充角色提示词。建议先处于待应用状态,并非评测结束就自动修改流程。 当前提示词还禁止整份重写 SOP、修改连线或删除节点。

因此,这里的“自进化”主要是根据执行反馈改进流程和角色规则,不是训练模型,也不等于系统会无人干预地持续变强。

有验证记录,但不是效果基准

仓库的验收文档记录了一次真实模型用例:CodeBuddy 配合 deepseek-v4.1-flash,完成规划、Python 修复、独立评审、三项测试、人工批准和最终评测。

对 LoopForge 的一点感受

它值得研究的,是如何把 Coding Agents 的一次性执行,变成可审批、可复盘、可复用的团队流程。比起接入多少模型,这套失败处理和流程改进机制更有参考价值。

但开源代码不包含内部生产环境的完整流程;部分辅助功能和运行评测仍绑定 CodeBuddy,Local 版也尚不能独立执行平台导出的 SOP。适合把它作为团队 Agent 工程化的参考与试点基础,不能直接视为成熟的无人研发系统。

来源:meng shao · x.com