你的智能体循环在运行中途添加任务时是否也会崩溃?
摘要
一位开发者介绍了 Lauren,这是一个开源工具,能让智能体循环在运行期间动态编辑,允许用户在不停循环的情况下添加、优化或合并任务。
Ralph 风格的循环在你知道确切想要构建什么时非常有用。你把待办列表交给智能体,它执行完列表,你稍后再回来。搞定。但实际使用中,我经常遇到这样的情况:我启动了一个包含 5 个任务的循环,20 分钟后有了新想法,想添加第 6 个任务,或者发现任务 #3 错了,又或者 #4 和 #5 应该合并成一个。唯一的调整方法是停止循环、编辑文件、重新启动。这就完全失去了“一劳永逸”的意义。所以我构建了 Lauren。它遵循相同的总体思路(一个自主持续执行任务的循环),但任务列表是一个**实时**队列。当智能体正在处理任务 #1 时,你可以:
- 添加新任务(“对了,顺便重构一下 auth 中间件”)。
- 优化待处理任务(“对于任务 #3,使用 Zod 而不是 Joi”)。
- 合并重叠的任务。
- 完全替换待处理任务。
- 取消某些任务。
你无需暂停任何操作。一个“大脑”智能体会读取你的请求,查看待处理任务,然后决定是追加、合并、优化还是替换。实现循环会并行持续消耗队列。一旦我开始每天使用它,一些其他方面也变得重要起来:
- 分阶段智能体路由。默认情况下,Claude 负责实现,Codex 负责审查,Claude 负责修复。
- 每个任务使用工作树(worktrees)。
- 决策记录。(直接受 Thariq 推文的启发)
我已经在自己的项目上运行了几周。对我来说最大的行为变化是:我不再事先规划冗长的任务列表。我只是把 1-2 项任务丢进队列,然后根据返回的结果再添加更多内容。循环永不停止,我的计划不断演进。
诚实地说明一下:这是我个人项目,最初是为了满足自己的需求而创建的,我觉得应该开源出来。链接在评论区。很高兴回答任何问题。
相似文章
IntiDev AgentLoops: 代理工作流的反馈循环
IntiDev AgentLoops 是一个开源工具,为代理工作流提供反馈循环,托管于 GitHub。
智能体循环很棒,直到它们从你最糟糕的代码中学习
本文讨论了AI编码智能体循环如何在不经意间从现有代码库中学习并传播已弃用的代码模式,导致技术债务,尽管表面看起来很成功。
当你的智能体批准计划后,它实际遵循计划的频率有多高?
一位开发者讨论了AI智能体在多步骤工作流程中偏离已批准计划的常见问题,寻求缩小计划与执行之间差距的建议。
你的“自主代理”不断循环的隐秘原因(对代理底层记忆的深度剖析)
对 CrewAI 和 AutoGen 等多代理框架底层信息路由方式的技术剖析,揭示它们本质上是自动化的提示链式循环。本文解释了代理因上下文窗口膨胀和缺少确定性停止条件而陷入无限循环的原因,并为开发者提供了实用建议:将代理视为函数式编程函数,而非人类协作者。
@cellinlab: https://x.com/cellinlab/status/2064144608242679822
这篇文章介绍了 Loop Engineering 的概念——不再直接给 AI agent 写 prompt,而是设计一个系统(loop)来递归地让 agent 迭代工作,直到任务完成。文章详细对比了 Claude Code 和 Codex 在 automations、worktrees、skills、sub-agents 等五个构建块上的实现,认为这可能是未来与 coding agent 协作的趋势,但仍需警惕 token 成本和 AI slop 问题。