Architect Loop 今日发布
AI 编程助手的多 Agent 软件工厂工作流
Architect Loop 简介
Architect Loop 是一款面向 Claude Code 和 Codex 的多 Agent 软件工厂工作流框架,通过「规划 → 构建 → 审查 → 修复」的自动化闭环,让 AI 编程助手从单点执行工具升级为能够自主完成完整功能模块的智能工厂。与传统 AI 辅助编程的单次调用不同,Architect Loop 将复杂任务拆解为多个阶段,每个阶段由专门化的 Agent 负责,并通过确定性门禁(deterministic gates)验证质量后才进入下一阶段。
核心能力
三段式工作流:
- /architect-research:探索主题并撰写答案优先型研究报告,适合需求调研和技术预研阶段
- /architect-fast:快速通道处理小型bounded变更,适合紧急修bug或简单功能
- /architect:完整工厂模式,处理需要数小时的多步骤复杂功能开发
多 Agent 专业化分工:主 Orchestrator Agent 负责任务分发,一个 Fresh-Context Strategist Agent 负责研究和技术方案,一个 Builder Agent 负责代码实现,分工明确、各司其职。
确定性门禁验证:每个阶段输出必须通过预设的检查规则(如测试通过、类型检查、lint 干净)才能流入下一阶段,避免 AI 幻觉导致的连环错误。
Token 成本大幅优化:通过 fresh-context 机制,每个子 Agent 获得干净的项目上下文而非累积的全会话历史,相比传统方式可节省 40%~70% 的 Token 消耗。
输出结果可控:最终产物可以是单个 PR(Pull Request)或本地完成的 finish record,关闭 final-review 后工具只输出 GREEN/RED 及必要修复说明,无多余内容。
GitHub Issue 与 Markdown 双轨追踪:既可对接 GitHub Issue 系统,也支持纯本地 Markdown 管理(无需 GitHub 远程仓库),适合重视隐私的团队。
安装配置
方式一:npm 全局安装(推荐)
npm install -g architect-loop
./install.sh
Windows 用户:
./install.ps1
方式二:按项目安装
./install.sh --project # 安装到当前仓库而非用户目录
方式三:手动配置技能 如已安装 Claude Code 或 Codex CLI,可手动将 skills/ 目录复制到对应技能目录。
使用步骤
第一步:安装依赖
git clone https://github.com/DanMcInerney/architect-loop
cd architect-loop
./install.sh
第二步:启动研究模式
/architect-research
获取深入的技术调研报告,了解技术选型的利弊权衡。
第三步:执行完整功能开发
/architect 3h
告知 Orchestrator 目标功能和时间预算(小时数),让 Agent 工厂自主运行。
第四步:审查修复 若 final-review 输出 RED,按返回的修复规格执行修正,修复将复用同一套 Builder Agent 波次。
适用场景
场景一:大型功能模块的完整交付 当需要 AI 辅助开发一个完整功能模块(如支付系统、认证流程)而非单个函数时,Architect Loop 的端到端自动化显著优于反复单点调用。
场景二:需要研究验证的技术决策 在引入新技术栈或做架构调整前,用 /architect-research 快速获取有据可查的决策报告。
场景三:快速修 Bug 并确保不引入新问题 /architect-fast 适用于bounded的小改动,自动门禁确保修改后测试仍然通过。
场景四:团队级 AI 编码规范落地 通过配置固定的 stage-skill 库(codebase-design、to-spec、adversarial-review、to-issues、frozen-checks、tdd、final-review),让不同成员调用时遵循统一的开发流程。
适用人群
需要 AI 编程助手完成复杂任务的团队 lead、关注 AI 编程质量控制的工程管理者,以及希望将 AI 编程从单点辅助升级为系统化流水线的技术团队。
工作原理
Architect Loop 的核心是一个状态机驱动的 Orchestrator。当用户发起 /architect 请求时,Orchestrator 首先拆分任务为独立的 Stage(阶段),每个 Stage 对应一个专门的子 Agent。Strategist Agent 在干净上下文中进行技术研究,输出研究报告;Builder Agent 接收研究结论和规格说明,执行代码实现。每个 Stage 输出必须通过 Deterministic Gates(确定性门禁)—— 也就是预定义的质量检查,如测试套件是否全绿、类型检查是否通过、Lint 是否有报错。通过门禁后,结果流入下一 Stage;未通过时,Builder Agent 根据审查意见进行修正并重新提交检查。整个流程的状态记录在 docs/runs//manifest.md 中,可随时追溯。
官方链接
评论与建议
登录 后参与评论或提建议