推文

@wei_wang · 2026-10-13 20:13

LoopX 本身不跑模型，也不写代码，只管长任务的状态：目标是什么，做到哪一步，下一步轮到谁，什么时候该停下来问人。仓库 10 月 11 日有 6,200 多颗星，1.4.0 的 GitHub release 当天发布。下面按 README、文档和项目自己发的跑分页面拆一下，哪些数字有出处，哪些只是项目自己的口径。 它要解决的是多天任务。Agent 一次会话做完一个任务没问题，任务拖到几天，上下文压缩会丢关键信息，换一个会话要重新交代，定时器只负责唤醒，不管这一轮该不该跑。LoopX 把这些状态放到 Agent 外面的一层本地控制层，Codex、Claude Code 照常干活，它负责记账。 状态存在本地，不放在聊天记录里，分五类： 1. 目标和验收条件。一个待办做完不等于目标做完，每次收尾都要对照最初的验收条件 2. 待办和归属。多个 Agent 靠认领和租约（claim、lease）分任务，没有固定的主 Agent 3. 闸门（Gate）。需要人拍板的事记成具体的一条，这一条卡住，其他不相干的任务照常往下做 4. 证据和回写。每一轮跑完要写验证结果，下一轮从记录接着做，不靠聊天记录回忆 5. 额度。每个目标有一份本地算力额度，quota should-run 判断这一轮该不该跑，空转、预检失败、试运行都不扣额度 接入方式：先 python3 -m pip install --upgrade loopx，再 loopx workflow-skills --install。Codex 里在项目线程输入 $loopx 加任务描述，Claude Code 用 /loopx。OpenCode、Pi、Kiro CLI、Cursor 和自写脚本也有接入说明。要求 Python 3.11+ 和 Node.js 22.22.3+。README 里的核心循环只有五条命令：quota should-run、todo claim、todo update、refresh-state、quota spend-slot。 跑分来自 LHTB（Long-Horizon Terminal-Bench），46 个长程终端任务。三种跑法都用 GPT-5.6 Sol、最高推理强度、关掉联网搜索。平均得分：Plain Codex 0.4218，Codex 原生 Goal 0.4475，LoopX 1.0.3 Heartbeat 0.4948，比 Plain 高 17.3%，比原生 Goal 高 10.6%。这组平均分要和下面四条限定条件一起看： 1. 每个任务每种模式只跑一次，没有重复，没有置信区间。对 Plain 是 17 胜 13 平 16 负，严格通过（得分 ≥ 0.95）的任务都是 7 个。对原生 Goal 是 23 胜 13 平 10 负，严格通过 7 个对 4 个 2. 预算不一样。LoopX 约 5.05 亿 token、551.73 美元，Plain 约 2.52 亿 token、212.97 美元，LoopX 的费用是运行时记录，另外两个是估算，口径不完全相同。部分 LoopX 的重跑用了更长的时限 3. 提升集中在少数任务。tabular 那题从 0 到 0.743，sokoban 从 0.271 到 0.890。DuckDB 优化那题 Plain 和 LoopX 都是 0，原生 Goal 是 0.77。逐任务差值的中位数，对 Plain 是 0 4. 这是项目自己做的研究，不是 LHTB 官方榜单，测的也是 1.0.3，不是现在的版本。页面自己的结论是值得继续查，还不能证明同等预算下稳定提升 项目 10 月 7 日的研究笔记里还有一组 EdgeBench 的 Lean 证明数据。180 分钟时，早期版本得分 0.1103，当前版本 0.3478。这是新旧版本自己比，提示词和运行器也一起改了。360 分钟时，历史上的原生 Goal 是 0.6477，当前 LoopX 是 0.4919，中途被超过。笔记里把这条当作反例列出来。 项目本身的情况：Apache-2.0 协议（0.4.8 起，之前是 MIT），5 月 31 日第一个提交，到现在 10,691 个提交，其中合并提交 2,471 个，非合并 8,220 个。创建者的几个署名合计约 7,700 个（含合并提交），项目自己的 LoopX Agent 账号 850 多个，提交署名一共 138 个，同一个人可能有多个身份。作者在 X 上说这是靠自己 3 个 Codex 订阅维护的个人业余项目，有 100 多位贡献者。另外 1.4.0 的 release 说明里写着发布验证还在进行，PyPI 上目前最新是 1.3.1。默认开着匿名使用统计，只有随机 ID 和命令计数，不含内容，关掉用 loopx usage-ping disable。 和本地模型的关系，目前只能说一半。LoopX 接的是 Agent 外壳，不绑模型，仓库文档里没有 Ollama、vLLM、llama.cpp 的接入说明，跑分脚本只要求自备一个 OpenAI 兼容端点。公开的跑分都是 GPT-5.6 Sol，LHTB 官方榜上最好的模型平均也只有 0.51，长程任务对模型本身要求很高。GLM-5.3-Flash 接 OpenCode 或 Pi 以后，能不能让 LoopX 跑通几轮任务，我没找到公开数据。TensorFold 的服务器有 OpenAI 兼容接口，OpenCode 和 Pi 可以直接指过去，能不能跑通 LoopX，测完再说。

曝光 30 · 评论 0 · 点赞 0 · 书签 0