企业官网建设流程全解析

Loop Engineering入门：Better Harness教你把AI的重复劳动变成Skill、Hook或自动化的选型指南

【免费下载链接】better-harnessAn open-source Harness Engineering platform for coding agents—define harnesses as code, run controlled experiments, inspect evidence, and compare outcomes. Turn task evidence into actionable team and organization insights.项目地址: https://gitcode.com/gh_mirrors/be/better-harness

你有没有发现，AI 编码助手虽然快，但总有一些活它每次都"重新发明一遍"：重复的提示词、反复的验证步骤、一遍遍人工确认？Better Harness 开源项目中的Loop Engineering（循环工程）领域，正是帮你把 AI 的重复劳动识别出来，并按需沉淀为Skill、Hook 或自动化的完整方法论。本文用最短的路线讲清楚：如何发现重复劳动、如何做"三选一"的选型决策，以及怎样用一张卡片把选型落成可执行的契约，让你的 AI 工作流越跑越省事。

1️⃣ 什么是 Loop Engineering？

一句话定义：Loop Engineering 就是给 AI 的重复工作"选对承载形式"的工程实践——判断一段重复劳动应该由谁长期负责：一段可复用的操作手册（Skill）、一个生命周期卡点（Hook）、还是定时/事件触发的自动化（Automation）。

它来自 Better Harness 的 references/loop-engineering/README.md，核心运营法则只有一条：

优先选择能解决问题的最小可控工作流，只有当循环的运行时契约（触发、状态、可观测、评估、护栏、停止条件）明确时，才升级成自主 Agent 循环或定时任务。

换句话说："Agent 能一直调工具"不等于"该让它自动循环"。选型的前提是证据，而不是感觉。

2️⃣ 先发现：AI 的重复劳动藏在哪里？

Loop Discovery 要求你带着"有边界的证据"来判断，而不是翻完整会话日志。四类信号最值得看（见 references/loop-engineering/loop-discovery.md）：

• 重复的用户意图：同一类提示词出现至少两次；
• 已有的覆盖缺口：现有 Skills、Hooks、脚本、CI 并没有覆盖这件事；
• 稳定的输入：每次都能从同一类 diff、日志、报告里启动；
• 本地熵信号：文档过时、文件热点、验证缺失等结构性摩擦。

Better Harness 的 Harness Inspector 就是为这类"证据考古"设计的：它把用户提示、工具调用、文件编辑、提交串成一条时间线，重复劳动一眼可见。

上面这个示例里，同一目标"重新生成 feature-tree.md"被反复提示了四轮——这正是 Loop Discovery 所说的Repeated intent（重复意图）：一个典型的"该沉淀了"的信号。

3️⃣ 选型决策：Skill、Hook 还是自动化？

3.1 第一步：判断循环的"运行时形态"

在选载体之前，先回答"这是什么类型的循环"（loop-discovery.md 中的 Runtime-Fit Check）：

关键判据：能用确定性工作流、静态规则或人工清单 tighter control 的，就不要升级成自主 Agent。

3.2 三种承载物的"分工"

Better Harness 把 Skill 与 Hook 的边界讲得非常干净（agent-hooks.md）：

• Rules / AGENTS.md负责"陈述项目事实与软约束"；
• Hooks是确定性卡点层：在生命周期事件上拦截、审批、记录、校验，返回 allow / deny / feedback；
• Skills负责"描述安全工作流、补救路径与例外处理"——它是打包的过程性知识，不是调度器、不是审批系统、也不是运行时状态；
• Scripts拥有解析、策略检查、格式化、校验逻辑；
• CI / 策略服务是最后的兜底。

由此得出实用的选型直觉：

• 🧩选 Skill：当你沉淀的是"怎么做"——步骤、示例、参考、验证路径，且需要 Agent 在合适的时机自己加载判断。参考 references/agent-customize/skill-discovery.md。
• 🪝选 Hook：当你需要"每次都强制执行"的确定性卡点——拦破坏性命令、保护敏感路径、编辑后自动 lint、停止前校验测试。不要把大段工作流描述塞进 Hook，Hook 应调用稳定脚本并返回窄结果。
• ⏰选自动化：当触发器稳定（定时/事件）、输入非交互、动作可逆或有闸门、且有明确的验证与停止条件。automation-readiness.md 给了 10 项就绪门槛（目标、触发、沙箱、验证、分级路径、风险边界、停止条件……），缺任何一项就只建议"一次性人工跟进"。

3.3 选型速查表

更多"原料级"的组合规则（Automation / Worktree / Skill / Plugin / Subagent / State）在 references/loop-engineering/loop-primitives.md：只用一个主要主人 + 让它可靠的辅助原语，不要一上来就全家桶。

4️⃣ 用 Loop Spec Card 把选型写成契约

选完承载物，用一张六格卡片把循环说死（references/loop-engineering/loop-spec-card.md）：

WHEN -> SEE -> DO -> CHECK -> STOP -> LEAVE

参考文档里给出的完整示例"Test-Driven Repair Loop"就长这样：When 是"CI 出现可复现的失败测试"，Do 限定"只做一个最小安全修复，禁止因命名相似扩大修复范围"，Check 是"重跑原失败测试"。如果一件事填不进这张卡，它大概率太宽泛或缺证据——先别沉淀。

5️⃣ 五种运行模式：循环跑起来之后

循环被证实、主人选定后，patterns/README.md 提供五种可组合的运营模式：

• 📅定时巡检：目标应何时再被观察一次？产出分级队列、摘要或"无变化"记录；
• ⚡事件响应：发生了什么、该路由到哪里？先验证来源、权限、幂等；
• 🎯目标完成：已批准的目标如何走到"可验证的终点"？产出补丁、测试、完成报告；
• 🔍主动发现：观察到的证据是否足以干预？允许输出"沉默"也是一种结果；
• 🧬系统改进：从运行结果反哺 Agent / Harness 自身，产出评估用例与版本化变更。

它们可以组合：定时巡检 → 主动发现 → 人工确认 → 目标完成，是团队最常见的起步链路。

6️⃣ 上手：让 Better Harness 替你跑一次 Loop Discovery

不需要自己从头翻证据。在支持的主机（Claude Code、Codex、Qoder、Cursor、GitHub Copilot 等，见 README.md 的 Quick start）里执行报告提示词，Better Harness 会收集项目与会话证据，评估 Agent Work Loop 五个维度，并给出带证据、带预期产出、带验收检查的分级发现——其中就包括"这段重复劳动该由 Skill / Hook / 自动化谁来做"的判断：

报告里每条 Finding 都遵循 Loop Engineering 的"证据边界"原则：证据缺失就明说缺失，不做无支撑的推断——这一点正是新手最容易忽略、也最值得借鉴的。

7️⃣ 收尾：让"改进"本身变成可验证的循环

沉淀不是终点。Better Harness 的历史视图会记录多次报告之间五个维度（Task Understanding → Learning Capture）的变化，其中Learning Capture（学习沉淀）维度回答的正是本文主题："下一次任务是否受益于这一次"：

注意它的诚实声明：历史记录展示的是趋势，不是因果证明——只有通过可比较的后续运行，才能证明循环真的改进了。这也呼应了选型指南的最后一课：Skill、Hook、自动化都是一种假设，验证与停止条件才是让它们成立的契约。

📚 延伸阅读（仓库内路径）

• 领域总览：references/loop-engineering/README.md
• 发现与选型门：references/loop-engineering/loop-discovery.md
• 原语地图：references/loop-engineering/loop-primitives.md
• 契约卡片：references/loop-engineering/loop-spec-card.md
• 自动化就绪门槛：references/loop-engineering/automation-readiness.md
• 五种运行模式：references/loop-engineering/patterns/
• Skill 发现：references/agent-customize/skill-discovery.md
• Hook 设计：references/agent-customize/agent-hooks.md

记住黄金法则：先证据，后选型；先最小主人，再谈自动化。把 AI 的重复劳动一次次变成 Skill、Hook 或自动化，你的编码循环就会从"每次重新发明"变成"越用越省"。

【免费下载链接】better-harnessAn open-source Harness Engineering platform for coding agents—define harnesses as code, run controlled experiments, inspect evidence, and compare outcomes. Turn task evidence into actionable team and organization insights.项目地址: https://gitcode.com/gh_mirrors/be/better-harness