Loop Engineering入门Better Harness教你把AI的重复劳动变成Skill、Hook或自动化的选型指南【免费下载链接】better-harnessAn open-source Harness Engineering platform for coding agents—define harnesses as code, run controlled experiments, inspect evidence, and compare outcomes. Turn task evidence into actionable team and organization insights.项目地址: https://gitcode.com/gh_mirrors/be/better-harness你有没有发现AI 编码助手虽然快但总有一些活它每次都重新发明一遍重复的提示词、反复的验证步骤、一遍遍人工确认Better Harness 开源项目中的Loop Engineering循环工程领域正是帮你把 AI 的重复劳动识别出来并按需沉淀为Skill、Hook 或自动化的完整方法论。本文用最短的路线讲清楚如何发现重复劳动、如何做三选一的选型决策以及怎样用一张卡片把选型落成可执行的契约让你的 AI 工作流越跑越省事。1️⃣ 什么是 Loop Engineering一句话定义Loop Engineering 就是给 AI 的重复工作选对承载形式的工程实践——判断一段重复劳动应该由谁长期负责一段可复用的操作手册Skill、一个生命周期卡点Hook、还是定时/事件触发的自动化Automation。它来自 Better Harness 的 references/loop-engineering/README.md核心运营法则只有一条优先选择能解决问题的最小可控工作流只有当循环的运行时契约触发、状态、可观测、评估、护栏、停止条件明确时才升级成自主 Agent 循环或定时任务。换句话说Agent 能一直调工具不等于该让它自动循环。选型的前提是证据而不是感觉。2️⃣ 先发现AI 的重复劳动藏在哪里Loop Discovery 要求你带着有边界的证据来判断而不是翻完整会话日志。四类信号最值得看见 references/loop-engineering/loop-discovery.md重复的用户意图同一类提示词出现至少两次已有的覆盖缺口现有 Skills、Hooks、脚本、CI 并没有覆盖这件事稳定的输入每次都能从同一类 diff、日志、报告里启动本地熵信号文档过时、文件热点、验证缺失等结构性摩擦。Better Harness 的 Harness Inspector 就是为这类证据考古设计的它把用户提示、工具调用、文件编辑、提交串成一条时间线重复劳动一眼可见。上面这个示例里同一目标重新生成 feature-tree.md被反复提示了四轮——这正是 Loop Discovery 所说的Repeated intent重复意图一个典型的该沉淀了的信号。3️⃣ 选型决策Skill、Hook 还是自动化3.1 第一步判断循环的运行时形态在选载体之前先回答这是什么类型的循环loop-discovery.md 中的 Runtime-Fit Check形态特征倾向的承载Workflow loop工作流循环步骤基本已知、路径可预测命令、脚本、Hook、规则、Skill 支撑的剧本Agent loopAgent 循环需要灵活规划、工具调用、从变化证据中恢复定制 Agent / 子代理 轮次与工具边界Evaluator-optimizer评估-优化有明确评估标准多跑一遍可量化变好评估器 优化器成对出现Scheduled / Background定时/后台有节奏或事件触发、输入非交互自动化Human-gated人工闸门涉及敏感编辑、外部写入、密钥人工审批点前置Skill-shaped技能形态沉淀物是给 Agent 加载的过程性知识Skill关键判据能用确定性工作流、静态规则或人工清单 tighter control 的就不要升级成自主 Agent。3.2 三种承载物的分工Better Harness 把 Skill 与 Hook 的边界讲得非常干净agent-hooks.mdRules / AGENTS.md负责陈述项目事实与软约束Hooks是确定性卡点层在生命周期事件上拦截、审批、记录、校验返回 allow / deny / feedbackSkills负责描述安全工作流、补救路径与例外处理——它是打包的过程性知识不是调度器、不是审批系统、也不是运行时状态Scripts拥有解析、策略检查、格式化、校验逻辑CI / 策略服务是最后的兜底。由此得出实用的选型直觉选 Skill当你沉淀的是怎么做——步骤、示例、参考、验证路径且需要 Agent 在合适的时机自己加载判断。参考 references/agent-customize/skill-discovery.md。选 Hook当你需要每次都强制执行的确定性卡点——拦破坏性命令、保护敏感路径、编辑后自动 lint、停止前校验测试。不要把大段工作流描述塞进 HookHook 应调用稳定脚本并返回窄结果。⏰选自动化当触发器稳定定时/事件、输入非交互、动作可逆或有闸门、且有明确的验证与停止条件。automation-readiness.md 给了 10 项就绪门槛目标、触发、沙箱、验证、分级路径、风险边界、停止条件……缺任何一项就只建议一次性人工跟进。3.3 选型速查表你的场景推荐承载理由每次修 Bug 都先手工跑一遍复现→假设→最小修复→补回归Skill可复用过程 需要判断Skill 是最小主人AI 经常想改受保护目录 / 执行危险 shellHook需要确定性拦截不能靠提示词劝导每晚检查依赖漂移并产出报告自动化稳定节奏 非交互输入 输出进分级队列一个步骤固定、无人需要判断的格式化脚本/命令确定性提取/转换别上 Agent需要独立评审、maker/checker 分离子代理Subagent独立上下文提升证据质量跨天、跨运行、需要记住进度状态账本State见 loop-state-ledger.md更多原料级的组合规则Automation / Worktree / Skill / Plugin / Subagent / State在 references/loop-engineering/loop-primitives.md只用一个主要主人 让它可靠的辅助原语不要一上来就全家桶。4️⃣ 用 Loop Spec Card 把选型写成契约选完承载物用一张六格卡片把循环说死references/loop-engineering/loop-spec-card.mdWHEN - SEE - DO - CHECK - STOP - LEAVE格子要写清什么When真实触发器CI 失败、某报告行、某提示词簇See行动前必须查看的具体证据文件、命令、会话、日志Do最小允许动作以及明确不许做什么Check证明动作有效的验证信号没有就写缺失不许编造Stop成功条件 至少一个不成功边界不可复现、需产品决策、两轮无新证据Leave留给下一轮的持久产物补丁、报告、运行日志、风险备注参考文档里给出的完整示例Test-Driven Repair Loop就长这样When 是CI 出现可复现的失败测试Do 限定只做一个最小安全修复禁止因命名相似扩大修复范围Check 是重跑原失败测试。如果一件事填不进这张卡它大概率太宽泛或缺证据——先别沉淀。5️⃣ 五种运行模式循环跑起来之后循环被证实、主人选定后patterns/README.md 提供五种可组合的运营模式定时巡检目标应何时再被观察一次产出分级队列、摘要或无变化记录⚡事件响应发生了什么、该路由到哪里先验证来源、权限、幂等目标完成已批准的目标如何走到可验证的终点产出补丁、测试、完成报告主动发现观察到的证据是否足以干预允许输出沉默也是一种结果系统改进从运行结果反哺 Agent / Harness 自身产出评估用例与版本化变更。它们可以组合定时巡检 → 主动发现 → 人工确认 → 目标完成是团队最常见的起步链路。6️⃣ 上手让 Better Harness 替你跑一次 Loop Discovery不需要自己从头翻证据。在支持的主机Claude Code、Codex、Qoder、Cursor、GitHub Copilot 等见 README.md 的 Quick start里执行报告提示词Better Harness 会收集项目与会话证据评估 Agent Work Loop 五个维度并给出带证据、带预期产出、带验收检查的分级发现——其中就包括这段重复劳动该由 Skill / Hook / 自动化谁来做的判断报告里每条 Finding 都遵循 Loop Engineering 的证据边界原则证据缺失就明说缺失不做无支撑的推断——这一点正是新手最容易忽略、也最值得借鉴的。7️⃣ 收尾让改进本身变成可验证的循环沉淀不是终点。Better Harness 的历史视图会记录多次报告之间五个维度Task Understanding → Learning Capture的变化其中Learning Capture学习沉淀维度回答的正是本文主题下一次任务是否受益于这一次注意它的诚实声明历史记录展示的是趋势不是因果证明——只有通过可比较的后续运行才能证明循环真的改进了。这也呼应了选型指南的最后一课Skill、Hook、自动化都是一种假设验证与停止条件才是让它们成立的契约。 延伸阅读仓库内路径领域总览references/loop-engineering/README.md发现与选型门references/loop-engineering/loop-discovery.md原语地图references/loop-engineering/loop-primitives.md契约卡片references/loop-engineering/loop-spec-card.md自动化就绪门槛references/loop-engineering/automation-readiness.md五种运行模式references/loop-engineering/patterns/Skill 发现references/agent-customize/skill-discovery.mdHook 设计references/agent-customize/agent-hooks.md记住黄金法则先证据后选型先最小主人再谈自动化。把 AI 的重复劳动一次次变成 Skill、Hook 或自动化你的编码循环就会从每次重新发明变成越用越省。【免费下载链接】better-harnessAn open-source Harness Engineering platform for coding agents—define harnesses as code, run controlled experiments, inspect evidence, and compare outcomes. Turn task evidence into actionable team and organization insights.项目地址: https://gitcode.com/gh_mirrors/be/better-harness创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Loop Engineering入门：Better Harness教你把AI的重复劳动变成Skill、Hook或自动化的选型指南
Loop Engineering入门Better Harness教你把AI的重复劳动变成Skill、Hook或自动化的选型指南【免费下载链接】better-harnessAn open-source Harness Engineering platform for coding agents—define harnesses as code, run controlled experiments, inspect evidence, and compare outcomes. Turn task evidence into actionable team and organization insights.项目地址: https://gitcode.com/gh_mirrors/be/better-harness你有没有发现AI 编码助手虽然快但总有一些活它每次都重新发明一遍重复的提示词、反复的验证步骤、一遍遍人工确认Better Harness 开源项目中的Loop Engineering循环工程领域正是帮你把 AI 的重复劳动识别出来并按需沉淀为Skill、Hook 或自动化的完整方法论。本文用最短的路线讲清楚如何发现重复劳动、如何做三选一的选型决策以及怎样用一张卡片把选型落成可执行的契约让你的 AI 工作流越跑越省事。1️⃣ 什么是 Loop Engineering一句话定义Loop Engineering 就是给 AI 的重复工作选对承载形式的工程实践——判断一段重复劳动应该由谁长期负责一段可复用的操作手册Skill、一个生命周期卡点Hook、还是定时/事件触发的自动化Automation。它来自 Better Harness 的 references/loop-engineering/README.md核心运营法则只有一条优先选择能解决问题的最小可控工作流只有当循环的运行时契约触发、状态、可观测、评估、护栏、停止条件明确时才升级成自主 Agent 循环或定时任务。换句话说Agent 能一直调工具不等于该让它自动循环。选型的前提是证据而不是感觉。2️⃣ 先发现AI 的重复劳动藏在哪里Loop Discovery 要求你带着有边界的证据来判断而不是翻完整会话日志。四类信号最值得看见 references/loop-engineering/loop-discovery.md重复的用户意图同一类提示词出现至少两次已有的覆盖缺口现有 Skills、Hooks、脚本、CI 并没有覆盖这件事稳定的输入每次都能从同一类 diff、日志、报告里启动本地熵信号文档过时、文件热点、验证缺失等结构性摩擦。Better Harness 的 Harness Inspector 就是为这类证据考古设计的它把用户提示、工具调用、文件编辑、提交串成一条时间线重复劳动一眼可见。上面这个示例里同一目标重新生成 feature-tree.md被反复提示了四轮——这正是 Loop Discovery 所说的Repeated intent重复意图一个典型的该沉淀了的信号。3️⃣ 选型决策Skill、Hook 还是自动化3.1 第一步判断循环的运行时形态在选载体之前先回答这是什么类型的循环loop-discovery.md 中的 Runtime-Fit Check形态特征倾向的承载Workflow loop工作流循环步骤基本已知、路径可预测命令、脚本、Hook、规则、Skill 支撑的剧本Agent loopAgent 循环需要灵活规划、工具调用、从变化证据中恢复定制 Agent / 子代理 轮次与工具边界Evaluator-optimizer评估-优化有明确评估标准多跑一遍可量化变好评估器 优化器成对出现Scheduled / Background定时/后台有节奏或事件触发、输入非交互自动化Human-gated人工闸门涉及敏感编辑、外部写入、密钥人工审批点前置Skill-shaped技能形态沉淀物是给 Agent 加载的过程性知识Skill关键判据能用确定性工作流、静态规则或人工清单 tighter control 的就不要升级成自主 Agent。3.2 三种承载物的分工Better Harness 把 Skill 与 Hook 的边界讲得非常干净agent-hooks.mdRules / AGENTS.md负责陈述项目事实与软约束Hooks是确定性卡点层在生命周期事件上拦截、审批、记录、校验返回 allow / deny / feedbackSkills负责描述安全工作流、补救路径与例外处理——它是打包的过程性知识不是调度器、不是审批系统、也不是运行时状态Scripts拥有解析、策略检查、格式化、校验逻辑CI / 策略服务是最后的兜底。由此得出实用的选型直觉选 Skill当你沉淀的是怎么做——步骤、示例、参考、验证路径且需要 Agent 在合适的时机自己加载判断。参考 references/agent-customize/skill-discovery.md。选 Hook当你需要每次都强制执行的确定性卡点——拦破坏性命令、保护敏感路径、编辑后自动 lint、停止前校验测试。不要把大段工作流描述塞进 HookHook 应调用稳定脚本并返回窄结果。⏰选自动化当触发器稳定定时/事件、输入非交互、动作可逆或有闸门、且有明确的验证与停止条件。automation-readiness.md 给了 10 项就绪门槛目标、触发、沙箱、验证、分级路径、风险边界、停止条件……缺任何一项就只建议一次性人工跟进。3.3 选型速查表你的场景推荐承载理由每次修 Bug 都先手工跑一遍复现→假设→最小修复→补回归Skill可复用过程 需要判断Skill 是最小主人AI 经常想改受保护目录 / 执行危险 shellHook需要确定性拦截不能靠提示词劝导每晚检查依赖漂移并产出报告自动化稳定节奏 非交互输入 输出进分级队列一个步骤固定、无人需要判断的格式化脚本/命令确定性提取/转换别上 Agent需要独立评审、maker/checker 分离子代理Subagent独立上下文提升证据质量跨天、跨运行、需要记住进度状态账本State见 loop-state-ledger.md更多原料级的组合规则Automation / Worktree / Skill / Plugin / Subagent / State在 references/loop-engineering/loop-primitives.md只用一个主要主人 让它可靠的辅助原语不要一上来就全家桶。4️⃣ 用 Loop Spec Card 把选型写成契约选完承载物用一张六格卡片把循环说死references/loop-engineering/loop-spec-card.mdWHEN - SEE - DO - CHECK - STOP - LEAVE格子要写清什么When真实触发器CI 失败、某报告行、某提示词簇See行动前必须查看的具体证据文件、命令、会话、日志Do最小允许动作以及明确不许做什么Check证明动作有效的验证信号没有就写缺失不许编造Stop成功条件 至少一个不成功边界不可复现、需产品决策、两轮无新证据Leave留给下一轮的持久产物补丁、报告、运行日志、风险备注参考文档里给出的完整示例Test-Driven Repair Loop就长这样When 是CI 出现可复现的失败测试Do 限定只做一个最小安全修复禁止因命名相似扩大修复范围Check 是重跑原失败测试。如果一件事填不进这张卡它大概率太宽泛或缺证据——先别沉淀。5️⃣ 五种运行模式循环跑起来之后循环被证实、主人选定后patterns/README.md 提供五种可组合的运营模式定时巡检目标应何时再被观察一次产出分级队列、摘要或无变化记录⚡事件响应发生了什么、该路由到哪里先验证来源、权限、幂等目标完成已批准的目标如何走到可验证的终点产出补丁、测试、完成报告主动发现观察到的证据是否足以干预允许输出沉默也是一种结果系统改进从运行结果反哺 Agent / Harness 自身产出评估用例与版本化变更。它们可以组合定时巡检 → 主动发现 → 人工确认 → 目标完成是团队最常见的起步链路。6️⃣ 上手让 Better Harness 替你跑一次 Loop Discovery不需要自己从头翻证据。在支持的主机Claude Code、Codex、Qoder、Cursor、GitHub Copilot 等见 README.md 的 Quick start里执行报告提示词Better Harness 会收集项目与会话证据评估 Agent Work Loop 五个维度并给出带证据、带预期产出、带验收检查的分级发现——其中就包括这段重复劳动该由 Skill / Hook / 自动化谁来做的判断报告里每条 Finding 都遵循 Loop Engineering 的证据边界原则证据缺失就明说缺失不做无支撑的推断——这一点正是新手最容易忽略、也最值得借鉴的。7️⃣ 收尾让改进本身变成可验证的循环沉淀不是终点。Better Harness 的历史视图会记录多次报告之间五个维度Task Understanding → Learning Capture的变化其中Learning Capture学习沉淀维度回答的正是本文主题下一次任务是否受益于这一次注意它的诚实声明历史记录展示的是趋势不是因果证明——只有通过可比较的后续运行才能证明循环真的改进了。这也呼应了选型指南的最后一课Skill、Hook、自动化都是一种假设验证与停止条件才是让它们成立的契约。 延伸阅读仓库内路径领域总览references/loop-engineering/README.md发现与选型门references/loop-engineering/loop-discovery.md原语地图references/loop-engineering/loop-primitives.md契约卡片references/loop-engineering/loop-spec-card.md自动化就绪门槛references/loop-engineering/automation-readiness.md五种运行模式references/loop-engineering/patterns/Skill 发现references/agent-customize/skill-discovery.mdHook 设计references/agent-customize/agent-hooks.md记住黄金法则先证据后选型先最小主人再谈自动化。把 AI 的重复劳动一次次变成 Skill、Hook 或自动化你的编码循环就会从每次重新发明变成越用越省。【免费下载链接】better-harnessAn open-source Harness Engineering platform for coding agents—define harnesses as code, run controlled experiments, inspect evidence, and compare outcomes. Turn task evidence into actionable team and organization insights.项目地址: https://gitcode.com/gh_mirrors/be/better-harness创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考