开源项目LoopX：让AI Agent长程稳定运行200小时

让 AI 编程工具连着干上几天，麻烦就来了，跑到第二天，上下文里已经没有第一天的目标，中间改过哪些文件、当时为什么这么改，也都对不上，想复盘都复不出来。节奏也会乱，该停下来确认的时候不停，一路往下跑，没什么进展的时候又一轮一轮地空烧 token。 靠聊天记忆加一个定时器，管不住这种长周期的活。我最近翻到的开源项目 LoopX 就是专门解决这件事的，作者把一条 200 多小时的长跑记录公开放在仓库里，这篇就来盘它。 LoopX 是什么 LoopX 是一个开源的、本地优先的长程 Agent 控制面，说白了就是一个状态内核，你手里的 AI 编程工具照常用，它跑在它们上面。Codex、Claude Code、Cursor 这些宿主负责一轮一轮地干活，LoopX 负责管那些跨轮次、跨天的事，比如目标是什么、现在卡在哪、下一轮该干什么、每轮留下了什么证据、预算还剩多少。 项目在 GitHub 上已经有 5000 多 Star，纯 Python 写的，作为一款开源不久的工具，这个热度已经很了不得了。 官方给自己的定位就一句话：把会干活的 Agent，接成可管理、可复盘、可持续改进的数字员工。 功能详情 状态内核：目标、待办和证据都存在本地 LoopX 最核心的东西是一层持久状态，目标建起来以后，所有状态都存在本地文件里，范围也好、进展也好、每一轮留下的证据也好，都不走任何云服务。 这样宿主会话关了，电脑重启了，过了一个星期再打开，工作还能从上次停下的那一轮接着走，不用翻聊天记录去猜上次干到哪了。 配额机制：每轮执行前的预算检查 这是我个人最喜欢的设计，LoopX 里有一个 quota 机制，每次调度触发之前，都要先过一次 quota should-run 的检查：现在这个 Agent 该行动吗，还有预算吗，有没有实际的状态变化。 没变化就直接跳过，这一轮不花钱，空转、预检失败、试运行也都不计费。挂过定时任务跑 AI 的人应该有体会，这东西烧起 token 来没数，有这个闸门卡着，起码不会睡一觉起来发现额度没了，活还没干多少。 人类门禁：需要人工确认的地方会暂停 任务跑得久了，汇报频率其实挺难把握的，问得太勤你嫌烦，一直不问吧，又怕它在你看不到的地方走偏。LoopX 把需要人拍板的地方做成了明确的门禁，循环走到门禁就停下来，而且停下来的时候会带上一个具体的问题，比如这个改动要不要合入、这条路线还要不要继续，你答了它才往下走，不会只丢一句模糊的"等待确认"放在那。 像危险权限、对外发布、生产环境写操作这类事，最终决定权一直在人手里。LoopX 的文档里也反复强调了这一点，它不做全自动的生产控制。 个人工作台：浏览器里的本地总控面板 装好之后跑一条 loopx dashboard，浏览器里会拉起一个本地工作台。正在跑的目标、卡在等你回复的门禁都在上面，定时挂着的和已经停掉的也都能看到，扫一眼就知道现在整体是什么状态。 比如上周开始的一个目标，你这周再打开，它还停在原来的位置，当时的证据和剩下的待办都还在，接着往下做就行。它还能同时挂多个 Agent 会话，Codex 干一段，Claude Code 接着干，目标状态和证据不会丢。 多工具支持：可接入的 AI 编程工具 工具这块 LoopX 不挑，主流的 AI 编程工具基本都有现成的接入方式，Codex App、Codex CLI、Claude Code、Cursor 都覆盖了，国产的 DeepSeek Harness 也支持。如果这些你都不用，它还能接你自己写的 runner，多个 Agent 一起干活也行。 实证记录：200 多小时的公开 PR 序列 很多 Agent 项目说的长程能力，其实停留在演示视频里，跑个十几分钟的 demo 就宣布自己能长期自治。LoopX 的作者把自己作为 OpenViking 贡献者的公开 PR 序列贴了出来，从第一个 PR 到最近一次 review，时间跨度超过 200 小时，中间 issue 修复和可复用的修复知识是一起沉淀下来的。 作者还专门标注了边界：200 小时指的是项目从始至终的自然时间跨度，模型并没有连续跑 200 小时，也不代表无人值守，能把边界标到这个程度，我觉得挺难得的。 快速开始 要求 Python 3.11 以上，macOS 和 Linux 直接用，Windows 用 PowerShell 7。 我装的时候是这样的，pip 一把装完，然后装一下工作流技能，再跑个自检： python3 -m pip install --upgrade loopx loopx workflow-skills --install loopx doctor 装完重启一下你的 AI 编程工具，让它重新加载技能。然后到自己的项目目录里接上： cd /path/to/your-project loopx connect loopx status 如果项目还没初始化过，connect 会提示状态缺失，跟着引导建一个长期目标就行： loopx start-goal --guided --project . --goal-text "你的长期目标" 到这里 loopx status 应该已经能看到当前目标、等你拍板的门禁和下一个待办了。想打开工作台的话，再跑一句 loopx dashboard，整个过程没什么要配置的，它没有三方依赖，也没有遥测。 使用场景 我自己盘了一下，这几类活比较适合挂到 LoopX 上： • 要跨好几天的工程任务，比如大型重构、持续的 issue 清理，上下文和证据不能断。 • 定时巡检类的活，比如盯着某个仓库的 PR、每天跑一次日报，有配额闸门在，不会空烧钱。 • ML 实验和研究类的探索，假设、证据、淘汰掉的路线都要留痕，方便后面复盘。 • 有审批要求的项目，涉及发布或者敏感数据的改动，必须卡在人工门禁上。 • 多个 Agent 协作的场景，一个干活一个 review，所有权和交接都要说得清。 我的看法 翻完它的文档和那个 200 多小时的公开案例，说说我自己的想法。 AI 编程工具这一年的进步，大部分花在单次任务上。模型是聪明了，可实际要干的活往往不是一次能完的事，一个目标拖上几周很正常，中间会有变化，会有等待，有需要人来拍板的时候，还会换着工具接着干。LoopX 不碰模型能力，只管状态和治理，我觉得这个思路方向很好啊，这个工具大概率后面要火起来。 当然它现在还有不成熟的地方，项目还在 v0.4.x 阶段，不少高级路径是可选的、默认关闭的，有些还标着实验性。文档量很大，上手有点难度，刚开始有点懵是正常的。它更适合已经在重度使用 AI 编程工具的人，指望装完就当甩手掌柜的话，这个工具就不适合。 如果平时就在高强度地用 Claude Code 或者 Codex，也被长跑掉线、上下文丢失、定时烧 token 这些事折磨过，那这个项目就值得研究下。 注意要符合两个点：高强度使用、常跑长任务，轻度玩家没必要。 开源地址 https://github.com/huangruiteng/loopx