Loop Engineering 如何让 AI 智能体真正把活干完，我们在 Octo 中的回路设计与实践

Claude Code的开发者Boris Cherny前段时间说过一句话他已经不再给Claude写提示词了而是设计一个个运行着的循环让模型自主迭代。Loop Engineering这个概念由此传开核心是把单次指令调用变成包含目标定义、上下文管理、工具调用、结果评估和停止条件的迭代闭环。但目前大部分讨论停留在单Agent层面一个模型在沙箱里反复迭代直到输出达标解决的是个体效率问题。现实工作中的任务往往需要多个角色协作完成从需求到交付涉及多个环节、不同能力组合单Agent循环无法处理循环之间的上下文传递和任务编排。我们在Octo中设计的回路Loop功能针对的正是这个问题把循环工程从单Agent推向多Agent协作和组织级协同。回路解决的核心问题IM适合沟通不适合追踪长任务Octo本身是一个为人和AI协作设计的即时通讯工作台一下智能体就能开始工作这个模式在简单场景下足够直接但当任务复杂度上升后几个问题无法回避。长任务在聊天窗口中执行时人需要持续等待回复几分钟没有反馈就无法判断智能体是在正常运行还是已经中断同一个讨论串里的新消息可能打断正在执行的任务流多个智能体并行工作时终端和聊天窗口同时输出日志人的注意力被严重稀释同时团队中缺少可以共享的专家智能体由业务熟手配置好的能力无法被其他人直接复用。基于这些实际问题我们在IM通讯层之上设计了独立的回路层把沟通和执行分开通讯层负责把意图聊清楚回路层负责任务的派发、执行、追踪和验收两者通过异步通知连接。助理和专家两类智能体的角色分离回路设计的一个核心判断是必须区分两类智能体角色。助理是个人的持有长期记忆理解使用者的工作习惯和项目上下文存在于IM界面中负责理解意图、生成任务说明、跟进进度、在关键节点推送结果。专家是执行者不持有长期记忆每次执行上下文干净跑在指定运行时上由系统提示词定义角色边界并挂载特定技能组合存在于回路中专职接单执行。干净的执行上下文避免了多人共用导致记忆污染和输出质量下降的问题多个专家可以组成专家团Squad通过编排协作处理跨领域复杂任务。专家支持配置可见范围可以个人私有也可以在工作区内共享为团队级公共智能体提供了基础。任务从派单到验收的完整流程人在IM中和助理对话聊清楚需求后助理由对话上下文生成结构化任务说明Brief包含背景、目标和验收标准在回路中创建任务并指派给专家或专家团。专家接单后开始执行过程中支持Agent间多轮协作执行结果通过Webhook回传IM助理先做要点提炼再推送给人人在关键节点验收后可以通过、打回或追加要求反馈记录沉淀为后续经验优化的素材。几个关键设计选择任务说明由助理基于对话自动生成而非人工填写人工描述容易遗漏验收标准助理在对话中积累的上下文可以生成更完整的Brief每个专家挂载技能不超过十个且角色定义明确跨领域任务通过专家团组合而非堆砌到单个通用专家上工作流通过系统提示词定义而非拖拽式节点编排使流程具备根据执行状态动态调整的弹性同时在确定性环节保持严格的阶段控制。在我们研发团队的实际使用中一个涉及前后端修改的中等规模功能开发需求确认后由助理生成Brief指派开发专家专家自行完成方案设计、代码编写、测试和提交审查未通过时自动获取意见修复重提人只在方案评审和最终验收两个节点介入人工投入时间大约十分钟左右。异步通知与运行时技能体系长任务在回路中运行时IM界面不阻塞Webhook监听任务状态变化待接单、执行中、待审核、已完成、被阻塞推送到对应讨论串并相关人或助理结合GROUP.md配置文件定义助理对不同状态通知的处理规则执行中日志不推送待审核和已完成时提炼要点通知人被阻塞时高亮提醒原因助理成为人和回路之间的信息缓冲层。运行时管理支持个人电脑、内部云虚拟机和第三方服务器接入目前兼容macOS和Linux。技能支持从外部导入或本地一键拉取本质是结构化提示词加配套脚本定义工具调用方式同时支持MCP协议和CLI连接外部系统。运行时、技能和系统提示词三层组合构成可执行的专家实例。经验沉淀与三层循环框架人在验收过程中的反馈包含大量判断标准和偏好信息Octo的经验Preference机制自动从执行和验收记录中提取这些偏好沉淀后反向强化给助理使后续任务派发时自动带上已验证的标准和规范。团队层面的经验沉淀形成可复用的组织知识资产。Loop Engineering可以分为三个层次单Agent内部的迭代循环解决个体执行效率多Agent之间的协作循环解决任务编排和上下文流转人与Agent网络共同构成的组织级循环在关键节点引入人的方向性判断使整个协作网络持续进化。目前明略科技内部已有超过1400名员工和2900余个智能体在Octo上进行日常业务协作当数千个Agent同时运行并需要交换上下文和传递产出时单Agent层面的循环设计无法满足需求必须在网络层面解决编排和调度。Octo的完整代码已经在GitHub开源MININGLAMP TECHNOLOGY · GitHub支持私有部署可以接入OpenClaw、Codex、ClaudeCode等主流编码智能体作为运行时。