大家好，我是何三，独立开发者
现在的 AI 编程 Agent，一个比一个聪明。你让 Codex 写个函数，它能顺手把你整个项目重构了。可问题是——聪明归聪明，没人管得住它跑偏。
LoopX 这个 1.5k Star 的项目偏偏反着来。不卷智商，卷制度。它不教 Agent 变得更聪明，而是给 Agent 装了一个"考勤机 + 项目管理板"，专门治长期任务跑飞这种病。
先说说我自己的惨痛经历
前阵子我让一个 Agent 挂机修 bug，第二天早上起来一看，好家伙，它对着同一个报错重试了 47 次，token 烧掉几十块，问题纹丝不动。
这东西，怎么说呢，就是……就是那种"看起来在干活，其实在空转"的状态。
单次任务 Agent 没问题，一拉长就完蛋：目标自己改、决策没人拍板、干过的活没留证据、交给下一个 Agent 说不清楚。聊天记录 + 定时器，根本管不住。
LoopX 干的其实特别朴素。它把长期任务的状态，浓缩成一层"控制面"，Agent 每次想动一下，都得先过五道关：
- 目标是什么（objective / scope / authority）
- 下一步谁干（todos、认领、租约）
- 哪些事必须人来拍板（concrete user gates）
- 干完的活留没留证据（evidence、writeback）
- 还能不能继续烧钱跑（quota、scheduler hint）
说白了，它不是让 AI 更聪明，是让 AI 更守规矩。
打个比方你就懂了
你雇了一个特别能干的实习生，能力强到爆，但没人管它的话，它能一晚上把公司服务器全格式化。LoopX 就是那个"考勤机 + 日报制度"：它不教实习生怎么干活，它只管记考勤、审日报、卡预算、留交接记录。
远程办公最怕什么？最怕人"在线但不在岗"。Agent 也是，最怕"在跑但没进展"。LoopX 的 quota 机制就是干这个的：每次 Agent 跑完一轮，要拿证据来换额度，没有有效进展就自动安静下来。这个设计我真的吹爆。
这让我想起以前公司的考勤制度，打卡机一响，全员演技上线。Agent 不会演，它只会老老实实把证据写进日志里，这一点比人强多了。
上手，一分钟的事
装它不费劲，Python 3.11+，一条命令：
curl -fsSL https://raw.githubusercontent.com/huangruiteng/loopx/main/scripts/install-from-github.sh | bash
export PATH="$HOME/.local/bin:$PATH"
loopx doctor
然后进你的项目，接上：
cd /path/to/your-project
loopx connect
loopx status
跑起来之后，日常维持秩序就靠这几个命令：
loopx quota should-run # 该不该跑？
loopx todo claim # 这块谁认领？
loopx todo update # 改了什么？
loopx refresh-state # 下一轮该看什么？
loopx quota spend-slot # 干完了，记一笔
说实话，这套设计我已经看懂了七八成，剩下两成——为什么 quota 判定要搞那么细？别问我，问作者去。
最打动我的是它拿真实案例当证据
作者在 OpenViking 这个开源项目上，用 LoopX 跑了一条 200+ 小时的公开贡献轨迹：从提 PR、到 reviewer 反馈、再到修知识库，全程状态没断过。还放出了 200+ 小时的 Auto ML 实验、多 Agent 并行做 Auto Research 的截图。
能拿自己 200 小时的公开轨迹出来当 demo，这个作者是真的狠。
它跟 Codex、Claude Code 是什么关系
顺带说一句，LoopX 不是来替代它们的。Codex、Claude Code 是"干活的人"，LoopX 是"管人的那层"，两边还能配合着用。
你要是刚开始玩 Agent，装不装都行，看你自己。但如果你有跑了好几天的长期任务，或者好几个 Agent 一起干活，这玩意儿值得一试。
觉得 Agent 工程有意思？我上次还写过《AI 编程 Agent 的失控瞬间》，点这里去看看。
仓库地址
https://github.com/huangruiteng/loopx
一句话总结：大家都让 Agent 更聪明，LoopX 让 Agent 更靠谱。 长期任务跑飞、烧钱、没人复盘的朋友，建议装上试试，反正零依赖，装错了也不心疼。
本文使用 MGO 编辑并发布
关注"何三笔记"，回复"mgo" 免费下载使用
