Autoloom

Autoloom — 把工程治理方法嵌入 AI 编程执行链路

产品简介

Autoloom 是一款免费桌面端的 AI 编程客户端，由 GanyuanRan 团队基于 DeepSeek Harness dsh-v0.1.1-rc.2 二次开发。核心定位是把"Aegis 治理工程方法"嵌入到 Coding Agent 的执行关键节点上：任务开始时审视变更必要性，编辑前质疑假设，交付前对照需求与执行证据，从源头减少"反复提醒 Agent 调查"与"无效复杂度"。客户端以 Windows x64 Alpha 版本首发，macOS 与 Linux 已列入路线图；模型由用户自行选择并按调用计费，Autoloom 本体免费。配套官网 autoloom.codes 提供 40 秒真实任务演示与完整的用户文档。

核心功能

• 第一性原理与变更必要性：每次任务启动先审视目标、事实、现有能力与约束，明确"为什么要改"以及是否存在已有解
• 反熵与结构复杂度检查：编辑前排查重复职责、冗余分层与维护负担，杜绝为不存在的需求堆复杂度
• 反例审查与因果诊断：执行失败后要求基于观察与证据归因，禁止"看起来过了就行"
• 实现符合度与完成度复核：交付前对照任务需求、实际执行与验证材料，明确"完成"与"未验证"边界
• 可选Lancet Guard 模式（默认关闭）：高风险 bash / write / edit 调用需人在会话内确认
• 可折叠治理影响行：变更执行前展示本次任务用到的治理方法与其影响，字段跟随请求语言

特色优势

• 不绑定模型：复用 DeepSeek Harness 的 Cordis 插件机制，模型由用户在设置中自选与计费
• 内置可配置偏好：测试优先策略、代码复杂度阈值等可按项目要求在客户端调整
• 治理过程留痕：项目目标、约束、关键决策都跟项目走，决策变更以 diff 形式展示
• 自动化更新：Alpha 版本自动检测并提示重启更新，旧版 ZIP 用户可手动升级
• 双语界面：中英文 README 与官网支持，治理影响行字段跟随请求语言

应用场景

• 企业级 Agent 接入：让 Coding Agent 在多步骤重构中保留治理痕迹，方便审计
• 个人独立开发：减少"提醒 Agent 调研"的口头成本，让 Agent 主动质疑假设
• 团队协作：变更决策以 diff 形式呈现给团队 review，避免"为什么这么改"反复追问
• 教育与培训：演示"工程治理"如何在 AI 时代落地为可检查的实践方法

适用人群

• 长期使用 AI 编程工具的独立开发者与远程团队
• 软件工程团队中负责代码质量与治理的 Tech Lead
• 研究机构 / 大学计算机系，探讨 AI 辅助软件工程的边界
• 对"全自动化 AI 开发"持开放态度但要求过程可审查的产品负责人

出品方

Autoloom 由 GanyuanRan 团队出品，开发语言 JavaScript，License 为 NOASSERTION（仓库保留第三方 DeepSeek Harness 与 Cordis 的许可与版权声明）。Autoloom 自身版本号与发布节奏独立于上游，并会持续跟进上游值得纳入的改进。

更新动态

• 当前发布：Windows x64 Alpha 版本，提供完整 4 项治理方法与 Lancet Guard 可选开关
• 路线图：macOS 与 Linux 桌面客户端已在计划中，进展将在 GitHub Releases 公布
• 治理方法库Aegis 持续开源维护，方法论与具体产品解耦

官网链接

• 项目主页：https://autoloom.codes/en/
• 中文主页：https://autoloom.codes/zh-cn/
• 下载页：https://github.com/GanyuanRan/Autoloom/releases
• 用户文档：仓库 docs/README.md
• GitHub 仓库：https://github.com/GanyuanRan/Autoloom