loop-engineering
一套用于设计、审计和优化AI智能体工作流循环的工程化工具集。
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：loop-engineering。 它的用途是：一套用于设计、审计和优化AI智能体工作流循环的工程化工具集。 完整的 Skill 内容见：https://321skill.com/skills/loop-engineering/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
“帮我初始化一个每日问题排查（daily-triage）的智能体工作流，使用Claude模型。”，它会执行 `npx @cobusgreyling/loop init . --pattern daily-triage --tool claude`，生成全套配置文件并给出初始的Loop Ready评分和改进建议。接着，你可以运行 `npx @cobusgreyling/loop doctor .` 来获取针对当前项目状态的下三个最佳优化行动。
介绍
Loop Engineering 旨在解决AI智能体开发中“人肉提示”的低效问题。它提供了一套完整的工具链，让你从手动编写提示词，转向设计和工程化智能体的工作流循环（Loop）。通过定义技能、状态和预算，系统能自动生成和优化提示，让智能体在预设的循环中自主运行。
使用方式非常直接。开发者可以通过一个统一的入口命令 npx @cobusgreyling/loop init 来初始化项目，它会根据指定的模式（如 daily-triage）和AI工具（如 grok, claude）自动生成技能、状态管理等基础文件，并立即给出一个“Loop Ready”评分，指导你如何改进。后续的 loop doctor 命令则能提供审计、同步和文件检查，给出下一步行动建议。
这套工具非常适合希望将AI智能体从零散的对话互动，升级为可预测、可管理、可复用工作流的开发者。无论是构建自动化客服、数据分析管道还是内容生成流水线，Loop Engineering 都能提供工程化的框架。
建议初学者从官方提供的模式（如 daily-triage）开始，快速体验从初始化到获得高分的完整流程。对于高级用户，可以利用其模块化的工具（如 loop-audit, loop-sync）进行深度定制，甚至结合 harness-foundry 来构建可组合的运行时栈。
核心特点
与单一提示词优化工具不同，Loop Engineering 提供了一套完整的“系统设计”框架，通过量化评分（Loop Ready Score）和自动化审计来驱动工作流循环的持续改进，而非仅仅优化单次交互。
注意事项
不适合只需要简单、一次性AI对话或快速脚本任务的场景，其价值在于复杂、重复性智能体工作流的系统化构建。
常见问题
Loop Engineering 和普通的提示词工程有什么区别？
它不止于优化单条提示，而是设计整个智能体自主运行的循环系统，包含状态管理、技能编排和成本控制。
上手需要什么前提？
需要基本的Node.js环境和对AI智能体开发的概念理解，但官方提供了快速启动命令和模式模板降低门槛。
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/loop-engineering/raw/index.md 读取 loop-engineering 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/loop-engineering/raw/index.md（查看排版版本）