腾讯刚开源的 LoopForge,把「交付」做成了可审批的流水线
腾讯刚开源的 LoopForge,把「交付」做成了可审批的流水线
让编码智能体"修一下这个 bug",结果完全取决于那一次运行:它可能跳过方案、忘了跑测试、自审自批,甚至中途停掉而没人发现。这对 demo 无所谓,但对"把软件交付出去"来说不够格。腾讯开源的 LoopForge(Tencent/LoopForge,MIT 协议)就是冲着这个缺口来的:一个自托管的工作流平台,把 CodeBuddy、Codex、Claude Code 等编码智能体 CLI 编排成一条带固定节点、固定检查和人工审批门禁的交付流水线——智能体干活,人来签收。
它解决了什么:角色拆分工,沙箱里干活,关键节点留给人
LoopForge 的官方定位一句话就能说清:self-hosted workflows for coding-agent delivery,即用脚本与人工审批门来编排多个编码智能体。项目用 Go 1.26 编写,持久化在 MySQL,执行依赖 Docker,./start.sh 一条命令拉起(见 README.md 与 compose.yaml):
git clone https://github.com/Tencent/LoopForge.git
cd LoopForge
./start.sh # 默认监听 0.0.0.0:8090,国内可用 MIRROR=ghcr.nju.edu.cn 拉镜像
它提供两条协作路径,README 里用一张对照表写得很直白:
- Chat with Main Bot:在聊天工作台里提需求,Main Bot 按需开一个 Docker 会话沙箱(conversation workspace),把项目里的角色当成 subagent 调用来干活,产物可以直接开 PR;
- Run an SOP:引擎按图执行 Agent、Script、Human-gate、Sub-SOP 等节点,每个节点跑在自己的沙箱里,失败可以打回到指定步骤。
两条路径追踪同一批"需求",所以无论聊天里改的还是 SOP 里跑的,都能回溯到当初提了什么要求,并计入交付与成本报表。
SOP 的节点类型在领域模型里只有四种,定义见 internal/domain/workflow.go:
type WorkflowNode struct {
ID string `json:"id"`
Name string `json:"name"`
Type string `json:"type"` // agent, script, approval, sop
...
ArtifactOutputs []ArtifactContract `json:"artifactOutputs,omitempty"`
RejectTo string `json:"rejectTo,omitempty"`
OnFailure string `json:"onFailure,omitempty"` // fail, reject
MaxReworks int `json:"maxReworks"`
}
- Agent 节点绑定一个"角色"(role):独立的 prompt、执行器、模型、规则、Skills 与 MCP 工具,同一个角色既能当 SOP 节点,也能当聊天里的 subagent;
- Script 节点跑确定性 shell/python——"不需要 AI 的地方不用 AI";
- approval 节点就是人工门禁,运行到此会挂起,等人审批或打回;
- Sub-SOP 节点把另一条 SOP 当子流程跑(嵌套上限 6 层,见 internal/engine/sop_node.go),子流程失败会连坐父运行。
执行环境也是"你的服务器、你的栈":默认 Compose 部署里,SOP 运行和会话工作区都走宿主机 Docker socket 起的沙箱容器。预置的公共沙箱镜像直接基于 node:22-bookworm,装好 git、python3 以及 Codex、Claude Code、CodeBuddy 三个 CLI(见 migrations/seed/001_public_catalog.sql)。执行器侧共支持 10 个 CLI:CodeBuddy、Codex、Claude Code、OpenCode、Cursor CLI、Antigravity、Kimi Code、Pi、DeepSeek Harness、ZCode,每个角色可以独立选执行器和模型。
平台还内置了四条开箱即用的 SOP:后端交付、前端交付、缺陷修复、产品方案。它们的节点链几乎同构,以后端为例:
每个 Agent 节点都声明了产物契约(requirement.md、design.md、implementation.md、review.md、test-report.md、delivery.md),且"独立评审"角色的 prompt 里写死了:发现阻断问题必须明确写出 REJECT,不得伪造通过结论;共享规则 public-engineering 则要求"使用项目现有构建与测试命令,报告真实结果与限制""未经任务授权不得合并主分支"。
和「让 Agent 自己跑」的区别:交付物要过人的手,不是跑完就算
"跑完就算"和"验收完才算",差距全在 approval 节点的实现里。看引擎源码 internal/engine/run_ops.go:
func (e *Engine) Approve(runID, nodeID, humanContext string, expected ...NodeExpectation) error {
...
if n == nil || n.Status != "waiting_approval" {
return fmt.Errorf("node is not waiting for approval")
}
n.Status = "succeeded"
note := recordHumanContext(&r, nodeID, "人工批准继续", humanContext)
decision := "# Approval\n\nApproved by a human gate.\n"
if note != "" { decision += "\n" + note + "\n" }
appendArtifact(&r, nodeID, n.Attempt, "decision", "decision.md", "text/markdown", []byte(decision))
e.event(&r, nodeID, "gate.approved", "人工门禁已通过")
...
}
几个值得注意的细节:
- 审批本身也是一份产物。
Approve会把审批意见固化成decision.md归档,并写入gate.approved事件流——谁在什么时刻批的、批的时候附了什么上下文,事后全部可查。 - 打回不是"重来",是精确的下游重置。
Reject会沿着rejectTo找到目标节点,把该节点及其全部后继置回pending、清空旧产物,给目标节点ReworkCount++,并检查MaxReworks上限(rework limit reached)。也就是说"人工验收 → 打回开发实现"是有限次、有账本的,不会无限返工。 - 门禁不止"人肉点按钮"。
VerificationGate(同文件域模型)支持mode: command / manual,即先用命令跑一遍客观校验(测试、构建),再交给人做最终判断;失败策略可选loop / reject / fail / human。 - 连"放行"都留痕。引擎还有
Pass操作:当脚本因环境问题卡死、重试无意义时,操作者可以人工判定该节点通过——但同样是带humanContext落盘的控制决策,而不是静默跳过。
这套"可审批交付"不是纸上谈兵。仓库里的端到端用例 e2e/api/45-delivery-model.test.mjs 跑的就是一次完整交付:四个真实模型角色 plan → implement → review,随后一个 Script 节点执行 python3 -m unittest 并 grep -q APPROVED review.md、sha256sum mathutil.py > code.sha256,然后运行停在 waiting_approval;人工批准后,最后一个 Script 节点 sha256sum -c code.sha256 校验被接受的代码在审批后没有被改动。README 里专门给了这条用例作为"we actually ran"的交付证据。
换句话说,LoopForge 回答的不是"Agent 能不能写代码",而是:同一个 SOP、同样的阶段、同样的检查、同样的签收人,第 N 次需求和第 1 次需求走的是同一条路。角色分工(planning / implementation / review / testing 各自独立,降低单一上下文里的自审偏差)、节点级产物与日志快照、失败后从任意节点重跑,都是为"可重复的交付"服务的。
为什么此刻值得看:Loop Engineering 从口号变成代码
2026 年 6 月前后,AI 圈几乎同时把注意力从"写更好的 prompt"移到了"设计更好的 loop":OpenClaw 创始人 Peter Steinberger 说"你不应该再给编程 Agent 写提示词了,你应该设计循环来提示你的 Agent",Claude Code 团队的 Boris Cherny 表达了几乎相同的观点,Google 工程师 Addy Osmani 随后把这套实践正式命名为 Loop Engineering——OpenAI、Anthropic、Google 的工程师在几周内密集发声,让这个词成了硅谷最热的关键词之一。
LoopForge 恰好是这一概念少见的"完整落地物",而不是一个提示词技巧:
- Loop 被代码化和版本化。
WorkflowDefinition携带version / revision / publishedRevision / status(draft, published, archived),另有DefinitionRevision结构用于对定义做 diff 和恢复——一条 SOP 的演化史本身是可审计的对象; - 循环控制下沉到运行时。引擎层(internal/engine,架构说明见 docs/architecture.md)负责 SOP 图调度、运行租约(lease/generation,多实例抢占互斥)、沙箱生命周期与恢复;
SOPCheckpoint会把工作流定义和节点状态冻结进运行快照,重启或换机后能"重新接上仍在运行的子 SOP"而不是从头再来。社区里多篇长文(CSDN 上 10 月以来连续数篇)正是把它解读为"超长程 Agent 任务的持久化运行时":循环结构可评估、可检查、可恢复,摆脱对进程内存的依赖; - 官方背书与社区热度同频。InfoQ 收录了其在 AICon 北京的分享《从"能写代码"到"能交付":腾讯轻量云 LoopForge 多 Agent 编排实践》,多家科技媒体也报道了"腾讯开源 AI 落地三件套"(知识库、真实浏览器、编码工作流)中的这一环。
而它目前仍处在刚被发现的阶段:星标总量约 950,但增速与近期 GitHub 热榜项目同档(README 首页挂了 Trendshift 趋势徽章,Star history 曲线陡峭)。对关注 Agent 工程的人来说,这是个成本很低的观察窗口——平台版需要 Docker + Python 3,./start.sh 起来后,demo 项目里的"平台验收 · 脚本与审批"SOP 甚至不需要任何模型 API key 就能体验完整的人工审批闭环。
不想起服务器的话,还有 LoopForge Local:
npx -y loopforge-cli@latest install claude
# 然后在 Claude Code 里运行
/start-devflow "add status filtering to the order list and cover the API with tests"
本地版把同一套交付哲学压缩进你现有的编码助手(支持 Claude Code、CodeBuddy、Codex、Cursor、Pi、DeepSeek Harness、Hermes Agent 等宿主),五条原则写在 docs/local/usage.md 里:先理解问题再动手、实现前确认边界、职责分阶段分离、展示证据而非只给 diff、中断后可从未完阶段续跑。
最后提醒两点边界,都来自仓库自身的说明:默认 Compose 部署通过宿主机 Docker socket 管理沙箱,等于把宿主机守护进程的控制权交给了运行者,官方明确这是"面向可信团队、而非不可信多租户隔离"的方案;新安装默认监听所有网卡,团队外暴露前应先阅读 docs/deployment.md 里的账户与访问模型并配置 HTTPS。
Agent 写代码的能力早已过剩,稀缺的是"交付"这件事的工程确定性。LoopForge 给出的答案是把 Loop 拆开摆上桌面:谁在哪个沙箱、按什么顺序、过什么检查、由谁签收——然后让这条流水线,替你跑一万遍同样的交付。