Looper 是一个面向 Claude Code 的“智能体循环设计层”工具，用于在真正执行自动化任务前，把模糊的 AI Agent 工作流设计成可审查、可终止、可复用的循环规范。它通过 `/looper` 命令引导用户明确目标、上下文、验证方式、评审模型、停止条件和预算限制，并生成 `RUN_IN_SESSION.md`、`loop.yaml`、`loop.resolved.json`、`run-loop.py` 等文件。它不是生产级调度器或持久化编排系统，而是帮助开发者先把 Agent Loop 设计清楚，再交给 Claude Code 当前会话、Python runner、`/goal`、`/loop` 或其他编排器执行。
适用领域
AI Agent 工作流设计 / Claude Code 扩展 / LLM 自动化 / 代码审查与评审门禁 / 多模型协作 / 开发者工具 / 提示词工程 / 自动化流程规范化
配置难度
中等。对于已经熟悉 Claude Code、LLM CLI 和基本 Python 的开发者，上手较快；但要设计高质量 Agent Loop，需要理解目标定义、验证门禁、上下文隔离、多模型评审和终止条件。普通用户可以通过 `/looper` 交互式流程使用，高级用户则需要阅读和修改生成的 `loop.yaml`、`RUN_IN_SESSION.md`、`run-loop.py`。
商业价值
未知
01
技术亮点
- 强调设计优先，而不是直接执行，可以降低 AI Agent 失控或目标模糊带来的风险。
- 内置 goal coaching，会帮助用户把模糊目标转化为更可验证的目标。
- 支持 programmatic check、model judge、human review 等多种验证方式。
- 默认推荐使用不同模型家族作为 reviewer 或 judge，减少单模型自我评估的盲点。
- 生成 `loop.yaml` 和 `loop.resolved.json`，便于版本控制、审查和复用。
- 提供 `RUN_IN_SESSION.md`，可以让 Claude Code 当前会话直接接手执行。
- 包含计划门禁、交付门禁、最大迭代次数、修订上限、无进展检测和预算上限等控制点。
- 用 ASCII flow preview 在执行前展示循环结构，适合终端环境。
- MIT 许可证，适合个人和商业项目使用。
- 定位清晰：不冒充生产级编排器，而是作为 Agent Loop 的设计与预检工具。
02
目标用户
- 使用 Claude Code 的开发者
- 希望设计可靠 Agent Loop 的 AI 工程师
- 需要让 AI 自动完成代码、文档、分析任务但担心失控的团队
- 希望引入跨模型评审或人工审核门禁的开发团队
- 构建内部 AI 自动化流程的技术负责人
- 想把一次性提示词沉淀成可版本化规范的开发者
03
配置要求
- 需要 Claude Code 支持个人 skill 和 slash command。
- 需要将 Looper 安装到真实用户主目录下的 `.claude/skills/looper`，并将命令文件放到 `.claude/commands/looper.md`。
- Python runner 需要 Python 3 环境。
- 辅助编译器依赖 `PyYAML`，安装脚本通常会自动安装。
- 如果使用跨模型 reviewer 或 judge，需要对应模型 CLI 或服务可用，例如其他云端模型 CLI、本地模型如 Ollama 等。
- 如果把项目上下文发送给非 Claude 模型，需要配置好相关 API Key、CLI 登录状态或本地模型环境。
- 建议在运行循环前明确上下文范围、可修改文件范围、预算限制、最大迭代次数、最大修订次数和 no-progress 停止条件。
- 如果用于敏感代码库，需要配置或人工确认 redaction、上下文裁剪和跨供应商发送权限。
04
适用场景
- 在让 Claude Code 修改代码前，先设计一个包含目标、计划、审核、交付、评审和终止条件的循环
- 为代码重构、文档生成、测试补全、需求分析等任务建立 review-gated agent loop
- 使用另一个模型或本地模型作为 reviewer/judge，避免同一个模型自我评估
- 把复杂 AI 自动化流程输出为 `loop.yaml`，方便团队审查、版本管理和复用
- 为客户交付、内部流程梳理、AI workflow mapping 等任务生成可检查的循环执行方案
- 在 Claude Code 当前会话中直接运行设计好的循环，或之后通过 Python runner 执行
- 为需要明确停止条件、预算上限、最大迭代次数的 Agent 任务做预检设计
05
部署与配置
- 确保已经安装并能够使用 Claude Code。
- macOS/Linux 快速安装：执行 `curl -fsSL https://raw.githubusercontent.com/ksimback/looper/main/install.sh | bash`。
- Windows PowerShell 快速安装：执行 `irm https://raw.githubusercontent.com/ksimback/looper/main/install.ps1 | iex`。
- 手动安装方式：将仓库克隆到 `$HOME/.claude/skills/looper` 或 Windows 的 `$env:USERPROFILE\.claude\skills\looper`。
- 将 `commands/looper.md` 复制到 `$HOME/.claude/commands/looper.md` 或 Windows 的 `$env:USERPROFILE\.claude\commands\looper.md`。
- 安装脚本会在 skill 目录中创建私有 `.venv`，并安装 `PyYAML` 用于解析 `loop.yaml`。
- 在 Claude Code 中输入 `/looper` 启动交互式设计流程。
- 如果要指定输出目录，可以使用 `/looper client-onboarding-loop` 这样的形式。
- 生成后可选择在当前 Claude Code 会话中运行，也可以之后执行 `python3 ./looper-output/run-loop.py` 使用外部 Python runner。
06
风险与注意事项
- 项目依赖 Claude Code 生态，如果团队不用 Claude Code，价值会明显下降。
- 它不是 durable orchestrator，不提供生产级任务调度、持久重试、并发控制、运行历史存储或子 Agent 生命周期管理。
- 跨模型评审可能会把项目上下文发送给第三方模型供应商，存在隐私、合规和代码泄露风险。
- 预算上限中的 token 或 USD 限制主要是操作可见的 advisory limit，除非用户自己接入精确计费，否则不一定能强制执行。
- 生成的 `run-loop.py` 是轻量 runner，需要用户理解并可能自行修改，不适合直接当作企业级自动化平台。
- 如果目标、验证标准或 reviewer 配置仍然不合理，Looper 只能降低风险，不能保证最终结果正确。
- 仓库星标数量中等，生态成熟度和长期维护稳定性需要继续观察。
- 安装脚本通过远程 shell 执行，安全敏感环境建议先审查脚本再运行。
2026-06-25
第15名
新收录 · github_search
