English | 中文 | Español | Français | Deutsch | 日本語 | 한국어 | Português | 翻訳に協力する
> **Loop Engineering** のための、実装志向のキュレーションリストです。Loop Engineering は prompt、context、harness engineering の上位レイヤーとして、繰り返し実行される AI-agent システムを設計します。 Prompt engineering はモデルに何を依頼するかを改善します。Context engineering はモデルが何を見られるかを改善します。Harness engineering は 1 回の agent 実行を取り巻くツール、権限、sandbox、検証を改善します。**Loop Engineering はその上位にあります**。agent を起動し、監督し、結果を検証し、状態を保存し、再実行するシステムを設計する実践です。 Loop は作業を発見し、1 つ以上の agents に委任し、結果を確認し、状態を記録し、次の行動を決め、一定の cadence または検証可能な目標に到達するまで再実行されます。 このリポジトリは AI agents / coding agents における新しい意味の Loop Engineering に限定しています。software event loop、制御理論、growth loop、一般的な workflow automation、非 AI の feedback loop は対象外です。 ## メンタルモデル - Prompt engineering: モデルに何を言うべきか？ - Context engineering: モデルはどの状態や知識を見るべきか？ - Harness engineering: agent の周囲にどのツール、権限、テスト、sandbox、feedback を置くべきか？ - Loop engineering: 人間が内側のループから離れたとき、どの反復システムが作業を発見し、agent に委任し、結果を検証し、状態を永続化し、次の行動を決め、再実行するべきか？ Prompt、context、harness engineering は 1 回の実行を良くします。Loop Engineering は agent の仕事を時間をまたいで反復可能、観測可能、統治可能にします。 ## Loop Contract 有用な loop には通常、次の要素が必要です。 | 要素 | 設計上の問い | 一般的な成果物 | | ----------------- | --------------------------------------------- | ----------------------------------------------------------- | | Objective | loop は何を最適化するのか？ | Goal, issue, PRD, runbook | | Trigger | いつ実行されるのか？ | Schedule, webhook, `/loop`, `/goal`, automation | | Discover / Intake | どのように作業を発見するのか？ | GitHub query, Linear filter, CI failure, feedback stream | | Workspace | agent はどこで安全に行動できるのか？ | Worktree, sandbox, branch, container | | Context | どの永続的な知識を読み込むのか？ | `AGENTS.md`, `CLAUDE.md`, `SKILL.md`, docs | | Delegation | どの agent が何を担当するのか？ | Explorer, implementer, reviewer, judge | | Verification | 何が成功または失敗を判断するのか？ | Tests, typecheck, lint, evals, trace graders | | State | 次回の実行に何を残すのか？ | Progress file, checkpoint, trace, issue comment | | Budget | いつ消費を止めるのか？ | Max turns, max retries, token budget, time box | | Escalation | いつ人間に引き継ぐのか？ | PR, issue, Slack alert, triage inbox | | Exit | loop はどう完了を判断するのか？ | Acceptance criteria, passing checks, no work found | ## 成熟度モデル | レベル | 名称 | 説明 | | ------ | -------------------------- | -------------------------------------------------------------------------------------------- | | 0 | Manual prompting | 人間が状態を読み、次の prompt を書く。 | | 1 | Scripted retry | script がエラーを agent に戻す。 | | 2 | Scheduled loop | agent が一定の cadence で実行され、結果を報告する。 | | 3 | Stateful loop | ファイル、issue、checkpoint、trace によって進捗が残る。 | | 4 | Self-verifying loop | 決定的な check や evaluator agent が誤った完了を防ぐ。 | | 5 | Multi-agent loop | 専門 agents が discovery、implementation、review、judgment を分担する。 | | 6 | Production-supervised loop | observability、budget、approval、rollback、人間への escalation が一級の要素になる。 | ## はじめに読むもの 完全なリソース一覧は英語の canonical README にあります: [README.md](README.md)。 おすすめの入口: - [Loop Engineering](https://addyosmani.com/blog/loop-engineering/) - 手動 prompt から、prompt・検証・継続を行うシステム設計への移行を定義します。 - [Run long horizon tasks with Codex](https://developers.openai.com/blog/run-long-horizon-tasks-with-codex) - plan-edit-test-observe-repair-document-repeat の実践的な runbook。 - [Run prompts on a schedule](https://code.claude.com/docs/en/scheduled-tasks) - `/loop`、scheduled tasks、recurring prompts の公式メカニクス。 - [Building Effective Agents](https://www.anthropic.com/engineering/building-effective-agents) - workflow と agents の composable patterns。 ## 貢献 Pull request は歓迎です。まず [CONTRIBUTING.md](CONTRIBUTING.md) を読んでください。 最短手順: 1. そのリソースが AI/coding-agent 文脈の Loop Engineering、またはその直接的な基盤であることを確認する。 1. README を検索して重複を避ける。 1. 最も具体的なカテゴリを選ぶ。 1. 次の形式で 1 行追加する。 ```md - 📄 **Paper** [Title](https://example.com) - One sentence explaining the resource's contribution to Loop Engineering. ``` 1. PR で関連性、カテゴリ、リソース種別、builders にとっての価値を説明する。 ## 翻訳 新しい言語を追加または維持したい場合は [TRANSLATIONS.md](TRANSLATIONS.md) を読んでください。翻訳では scope boundary を守り、event loop、growth loop、一般的な automation を混ぜないでください。