@asm3r96/pi-loops
为Pi智能体添加可监督、可控制的循环工作流框架。
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：@asm3r96/pi-loops。 它的用途是：为Pi智能体添加可监督、可控制的循环工作流框架。 完整的 Skill 内容见：https://321skill.com/skills/asm3r96-pi-loops/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Pi-Loops工作流来重构这段代码，先分析，然后生成重构方案，如果复杂度降低指标未达到10%，就重新分析并尝试另一种方案。” 它会启动一个监督循环，在每次LLM生成方案后，用确定性门评估复杂度降低比例，不满足条件则引导循环进入新的分析节点，直到达标或达到循环上限。
介绍
Pi-Loops 是一个可复用的 Pi 扩展，它通过在常规的 Pi 编码智能体外部包裹一个“监督循环”的框架，解决了复杂任务中需要多次迭代、条件判断和过程控制的难题。它允许开发者将任务分解为一系列受控的步骤，例如先由LLM生成代码，再通过确定性逻辑门进行质量检查，收集执行证据，并根据结果决定是继续、转向还是终止循环。
使用时，你需要将其作为扩展安装到你的 Pi 项目中。通过定义包含“有界LLM节点”（限制调用次数）、“确定性门”（基于规则的条件判断）、“转向”逻辑和“证据收集”步骤的工作流，你可以构建出比简单提示更可靠、更可控的自动化流程。例如，你可以创建一个代码审查工作流，让LLM生成修改建议，然后用门来检查关键指标是否达标，不达标则重新循环。
这个扩展非常适合需要在Pi平台上构建复杂、多步骤自动化流程的开发者，尤其是那些对任务可靠性、可解释性和过程控制有较高要求的场景，如自动化测试生成、分步代码重构、带验证的数据处理流水线等。
建议在定义工作流时，清晰规划每个节点的输入输出以及门控条件，充分利用证据收集功能来记录决策依据，便于调试和审计。注意，它增加了架构的复杂性，因此更适合中等以上复杂度的任务，简单的一次性任务可能无需使用。
核心特点
与仅提供单次调用或简单链式调用的Skill不同，Pi-Loops的核心在于提供了“有界循环”和“确定性门控”机制，允许在AI驱动的流程中嵌入严格的规则判断和循环控制，从而在保持灵活性的同时增强了流程的确定性和可靠性。
注意事项
不适合处理极其简单、无需迭代或条件分支的单次提示任务，会引入不必要的复杂性。
常见问题
Pi-Loops 和普通的 Pi 调用有什么区别？
它在普通调用外增加了循环、条件判断和过程监督的框架，适合多步骤复杂任务。
‘有界LLM节点’是什么意思？
指可以限制LLM在该节点上最大调用次数的节点，防止无限循环或成本失控。
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/asm3r96-pi-loops/raw/index.md 读取 @asm3r96/pi-loops 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/asm3r96-pi-loops/raw/index.md（查看排版版本）