Loopy：将单次 Prompt 升级为带反馈的循环体，让 AI 工作流真正可累积

你用 AI 写代码时，有没有遇到这种情况：让它「优化这个网站」，它跑了一遍然后说完成了，但你一看——它根本没测、没比较、没判断是不是真的变快了。

问题不在 AI 笨，而在于你给的 prompt 本身就是一锤子买卖。大多数真正值得自动化的 AI 工作，根本不是一次能搞定的。

Loopy 就是来解决这个的。

它做了什么改变？

传统 prompt 像是这样：

「让网站变快。」

Loopy 风格的循环 prompt 像是这样：

「找到最慢的那个页面，做一个针对性优化，再测一遍。有改善就保留，没改善就回退。直到所有页面都达标，或者下一轮优化已经带不来有意义的变化为止。」

多了反馈循环，多了停止条件，多了「怎么判断做没做对」。

九个工作流，覆盖完整生命周期

装上 Loopy 之后，你的 AI 编程助手可以走九条不同的路：

• Discover：扫描代码库和对话历史，找到反复出现的同类工作，封装成循环。
• Find：去官方库搜索已发布的循环，推荐最多三个适合你当前需求的。
• Loop Doctor：审计一个现有循环，找出实质性弱点，只修复问题不乱改设计。
• Adapt：拿一个现成循环，改造成你真实工具链和阈值的样子。
• Craft：对话式访谈，一步一步帮你把一个目标设计成完整循环。
• Run：在受控范围内执行循环，每次 pass 都生成带证据的运行收据。
• Debrief：复盘运行结果，诊断哪一步有效哪一步卡住，提出最小改进。
• Save：把你认可的一个循环存进项目 LOOPS.md，下次直接复用。
• Publish：质量检查 + 查重，准备发布预览，必须你点了批准才正式提交。

为什么这个思路值得注意

Loopy 的核心洞察很简单：AI agent 的工作单元不应该是 prompt，而应该是 loop——带反馈的循环体。

循环体回答四个问题：做什么、怎么判断做成了、学会了什么下一步干嘛、什么时候该停。最后这条尤其重要——Loopy 明确说，循环不是让 AI 无限跑下去的工具，它的设计里有明确的停止条件和人工审批节点。

这把 AI 从一个「执行一次就走」的帮手，变成了一个「有判断标准、可追踪结果、边界清晰」的工作搭子。

支持哪些平台？

Claude Code、Codex CLI、Cursor 都能装。一个命令搞定：

npx skills add Forward-Future/loopy --skill loopy --agent claude-code -g -y

GitHub 目前 2,820+ stars，MIT 协议，代码全开放可审查。官方还有一个配套的 Loop Library 网站，不需要安装就能直接浏览已发布的循环目录。

如果你的日常工作流里有大量「试了改、改了测、测完再试」的循环场景，Loopy 是今年值得关注的一个开源项目。

GitHub → Forward-Future/loopy

GitHub: https://github.com/Forward-Future/loopy