Awesome Loop Engineering
English | 中文 | Español | Français | Deutsch | 日本語 | 한국어 | Português | Beim Übersetzen helfen
Eine kuratierte, umsetzungsorientierte Liste für Loop Engineering: die Ebene oberhalb von Prompt Engineering, Context Engineering und Harness Engineering zum Entwerfen wiederkehrender KI-Agenten-Systeme.
Prompt Engineering verbessert, was man dem Modell sagt. Context Engineering verbessert, was das Modell sehen kann. Harness Engineering verbessert Werkzeuge, Berechtigungen, Sandboxes und Prüfungen rund um einen einzelnen Agentenlauf. Loop Engineering liegt über allen drei Ebenen: Es entwirft Systeme, die Agenten auslösen, überwachen, Ergebnisse prüfen, Zustand speichern und erneut laufen.
Ein Loop entdeckt Arbeit, übergibt sie an einen oder mehrere Agenten, prüft das Ergebnis, speichert Zustand, entscheidet den nächsten Schritt und läuft erneut nach Zeitplan oder bis ein überprüfbares Ziel erreicht ist.
Dieses Repository behandelt die neue Bedeutung von Loop Engineering im Kontext von KI-Agenten und Coding Agents. Es geht nicht um Software-Event-Loops, Regelungstechnik, Growth Loops, generische Automatisierung oder nicht-KI-bezogene Feedback-Loops.
Mentales Modell
- Prompt Engineering fragt: Was soll ich dem Modell sagen?
- Context Engineering fragt: Welchen Zustand und welches Wissen soll das Modell sehen?
- Harness Engineering fragt: Welche Werkzeuge, Berechtigungen, Tests, Sandboxes und Feedback-Signale sollen den Agenten umgeben?
- Loop Engineering fragt: Welches wiederkehrende System soll Arbeit entdecken, an Agenten delegieren, Ergebnisse prüfen, Zustand speichern, nächste Aktionen entscheiden und erneut laufen?
Prompt, Context und Harness Engineering verbessern einen einzelnen Lauf. Loop Engineering macht Agentenarbeit über Zeit wiederholbar, beobachtbar und steuerbar.
Loop Contract
Ein nützlicher Loop macht normalerweise diese Bestandteile sichtbar:
| Teil | Designfrage | Typisches Artefakt |
|---|---|---|
| Objective | Was soll der Loop optimieren? | Goal, issue, PRD, runbook |
| Trigger | Wann läuft der Loop? | Schedule, webhook, /loop, /goal, automation |
| Discover / Intake | Wie findet der Loop Arbeit? | GitHub query, Linear filter, CI failure, feedback stream |
| Workspace | Wo kann der Agent sicher handeln? | Worktree, sandbox, branch, container |
| Context | Welches dauerhafte Wissen wird geladen? | AGENTS.md, CLAUDE.md, SKILL.md, docs |
| Delegation | Welcher Agent übernimmt welche Aufgabe? | Explorer, implementer, reviewer, judge |
| Verification | Was entscheidet über Erfolg oder Fehler? | Tests, typecheck, lint, evals, trace graders |
| State | Was bleibt für den nächsten Lauf erhalten? | Progress file, checkpoint, trace, issue comment |
| Budget | Wann soll der Loop aufhören zu verbrauchen? | Max turns, max retries, token budget, time box |
| Escalation | Wann übernimmt ein Mensch? | PR, issue, Slack alert, triage inbox |
| Exit | Woher weiß der Loop, dass er fertig ist? | Acceptance criteria, passing checks, no work found |
Reifegradmodell
| Stufe | Name | Beschreibung |
|---|---|---|
| 0 | Manual prompting | Ein Mensch liest den Zustand und schreibt den nächsten Prompt. |
| 1 | Scripted retry | Ein Skript gibt Fehler an den Agenten zurück. |
| 2 | Scheduled loop | Der Agent läuft nach Zeitplan und berichtet Ergebnisse. |
| 3 | Stateful loop | Fortschritt bleibt über Dateien, Issues, Checkpoints oder Traces erhalten. |
| 4 | Self-verifying loop | Deterministische Checks oder Evaluator-Agenten blockieren falsche Abschlüsse. |
| 5 | Multi-agent loop | Spezialisierte Agenten teilen Discovery, Implementierung, Review und Urteil auf. |
| 6 | Production-supervised loop | Observability, Budgets, Freigaben, Rollback und menschliche Eskalation sind zentral. |
Erste Lektüre
Die vollständige Ressourcenliste bleibt im kanonischen englischen README: README.md.
Empfohlene Einstiege:
- Loop Engineering - Direkte Definition des Wechsels von manuellem Prompting zu Systemen, die prompten, prüfen und fortsetzen.
- Run long horizon tasks with Codex - Praktischer Leitfaden für plan-edit-test-observe-repair-document-repeat.
- Run prompts on a schedule - Offizielle Mechanik für
/loop, geplante Aufgaben und wiederkehrende Prompts. - Building Effective Agents - Komponierbare Patterns für Workflows und Agenten.
Beitragen
Beiträge sind willkommen. Bitte lies CONTRIBUTING.md, bevor du einen Pull Request öffnest.
Schneller Ablauf:
- Prüfe, ob die Ressource Loop Engineering für KI-Agenten/Coding Agents oder eine direkte Grundlage dafür behandelt.
- Suche im README, um Duplikate zu vermeiden.
- Wähle die spezifischste Kategorie.
- Füge einen Eintrag in diesem Format hinzu:
- 📄 **Paper** [Title](https://example.com) - One sentence explaining the resource's contribution to Loop Engineering.
- Erkläre im PR Relevanz, Kategorie, Ressourcentyp und Nutzen für Builders.
Übersetzungen
Wenn du eine Sprache pflegen oder hinzufügen möchtest, lies TRANSLATIONS.md. Übersetzungen müssen den engen Scope bewahren und dürfen Event Loops, Growth Loops oder generische Automatisierung nicht in den Umfang ziehen.