Agent-Loop-Skills
一套可复用的智能体循环技能模板库
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Agent-Loop-Skills。 它的用途是：一套可复用的智能体循环技能模板库 完整的 Skill 内容见：https://321skill.com/skills/agent-loop-skills/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“使用 tournament-autoresearch 循环模板，目标是优化我的CIFAR-10模型验证准确率，初始准确率是0.734，反馈信号是5个epoch后的验证集准确率。” 它会引导你设置环境，然后启动一个循环：AI会提出修改建议（如调整超参数），在你的环境中运行并计算新的准确率，只有准确率提升的修改才会被保留并进入下一轮迭代，直到达到预设的终止条件（如迭代次数或准确率阈值）。
介绍
Agent-Loop-Skills 是一个技能模板仓库，旨在解决智能体（AI Agent）在复杂任务中因单次推理失败率高、缺乏持续验证而产出质量不稳定的问题。它提供了一套基于“循环迭代”的通用技能框架，将“程序、产出物、反馈信号、运行记录、终止条件”封装成可复用的技能。
使用时，你需要将具体的任务（如优化一段代码、分析数据）绑定到这些通用循环模板上。智能体会根据模板，在你的环境中执行任务、生成产物、根据真实的反馈信号（如测试结果、性能指标、校准后的评判）进行评分，只保留改进的版本，并循环此过程直至满足终止条件。
它非常适合希望利用AI进行自动化研究、代码优化、数据分析、科学写作或红蓝队测试的开发者、研究员和技术团队。他们需要一个能持续验证、防止AI“空转”或产出垃圾结果的可靠自动化流程。
与市面上大多数提供具体、一次性指令的Skill不同，该仓库的核心贡献在于“循环”这一方法论。它不提供解决特定问题的具体指令，而是提供一套如何让AI通过迭代和验证来解决各类问题的通用“程序”模板。这类似于提供了可编程的“元技能”，而非静态的“技能”。
核心特点
核心区别在于它提供的是“可编程的循环模板”，而非静态的指令集。用户需要绑定自己的具体任务和反馈信号，AI将基于此模板进行多次迭代和验证，确保每一步改进都是真实有效的，而非一次性、无验证的生成。
注意事项
不适合需要快速、一次性答案的简单查询任务，也不适合没有明确、可量化反馈信号的任务场景。
常见问题
Agent-Loop-Skills 是直接可用的Skill吗？
不是，它是一个技能模板库，你需要选择模板并绑定自己的具体任务来使用。
它支持哪些AI平台？
基于开放的Agent Skill标准，理论上支持所有兼容该标准的平台，如Claude Code等。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/agent-loop-skills/raw/index.md 读取 Agent-Loop-Skills 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/agent-loop-skills/raw/index.md（查看排版版本）