LoopX: управление AI-агентами на протяжении сотен часов
LoopX — лёгкое ядро состояний для долгоживущих AI-агентов. Совместим с Codex, Claude Code, Cursor. Цели, квоты, доказательства и передача задач.
LoopX: управление AI-агентами на протяжении сотен часов
На GitHub появился открытый проект LoopX — компактное ядро состояний (state kernel) для долгоживущих AI-агентов. Инструмент решает одну из главных проблем современного loop engineering: как удержать цели, доказательства и контроль над агентом, когда задача длится не минуты, а дни и даже недели. Реальные траектории работы уже превысили 200+ часов непрерывного elapsed-времени.
Что такое loop engineering и зачем нужен LoopX
Loop engineering — это практика построения систем, которые сами промптят AI-агентов, а не человек вручную. Термин появился в июне 2026 года и представляет собой следующую эволюцию после prompt engineering для агентной эпохи.
К середине 2026 года AI-агенты научились работать автономно достаточно долго — и восстанавливаться после собственных ошибок — так что узким местом стала уже не мощность модели, а организация цикла. Когда один прогон агента может длиться час и затрагивать десятки файлов, самое ценное — это спроектировать петлю, которая держит агента продуктивным, проверенным и ориентированным на цель.
LoopX — это лёгкое ядро состояний и агентно-независимая локальная control plane (плоскость управления) для loop engineering: инструмент делает долгоживущую работу проверяемой, перезапускаемой и легко передаваемой между поворотами, инструментами и агентами. При этом он не заменяет ваш агентный runtime.
Как работает LoopX
Архитектура инструмента строится вокруг пяти ключевых вопросов, на которые он всегда должен знать ответ:
| Вопрос | Что LoopX хранит |
|---|---|
| Какова цель? | Активный goal, явный scope и текущие полномочия |
| Что происходит дальше? | Упорядоченные todos агента и пользователя, ownership, claims, leases |
| Что требует решения человека? | Конкретные user gates вместо размытого «ждём владельца» |
| Что изменилось в доказательствах? | История запусков, валидация, блокеры и принятые writeback |
| Может ли цикл продолжаться? | Квота, capabilities, safe fallback, scheduler hints, условия остановки |
Центральный тик максимально минимален — вот весь цикл управления:
loopx quota should-run # должен ли этот агент действовать сейчас?
loopx todo claim # кто владеет этим слотом?
loopx todo update # что изменилось?
loopx refresh-state # что должен видеть следующий поворот?
loopx quota spend-slot # зафиксировать завершённый валидированный слот
flowchart TD
A[Objective / Issue / Project] --> B[LoopX State\nobjective + gates + todos + evidence + quota]
B --> C{Нужно решение\nчеловека?}
C -- Да --> D[Задать конкретный вопрос\nи ждать]
C -- Нет --> E[Запустить ограниченный\nагентный слот]
E --> F[Codex / Claude Code / Cursor\nвыполняет один поворот]
F --> G[Записать доказательства +\nhandoff + следующий todo]
G --> B
Поддерживаемые агенты и интеграции
LoopX — лёгкое ядро состояний для долгоживущих команд AI-агентов, агностичное к loop-рантайму: поддерживаются Codex, Claude Code и другие coding-агенты с устойчивыми целями, quota-aware auto-wake, исполняемыми todos, журналами доказательств и верифицируемыми передачами задач.
Инструмент работает с несколькими хостами:
- Codex App — рекомендуемый старт с автоматизацией heartbeat
- Claude Code — нативная интеграция через
/loopxи/loop - Codex CLI — подключение через
/skills - OpenCode — статический фасад команд с опциональным goal bridge
- Cursor, shell, custom runner — ручное подключение или вызов из своего runner
Для установки не нужен git — достаточно Python 3.11+, curl и bash:
curl -fsSL https://raw.githubusercontent.com/huangruiteng/loopx/main/scripts/install-from-github.sh | bash
export PATH="$HOME/.local/bin:$PATH"
loopx doctor
Затем из корня проекта: loopx connect и loopx status.
Реальные доказательства: 200+ часов в продакшене
Автор проекта — разработчик Ruiteng Huang, выпускник Tsinghua EE, бывший сотрудник ByteDance AML и контрибьютор OpenViking. Две реальные агентные траектории уже непрерывно работают 220,7 и 272,9 часа.
Долгоживущие агенты нуждаются в памяти и управлении: OpenViking даёт агентам устойчивый контекст, а LoopX поддерживает согласованность целей, gates и возобновления на протяжении 200+ часов. Вместе память делает управление умнее, а управление превращает память в устойчивый прогресс.
Проект демонстрирует три траектории:
- Open-Source Issue Fix — дуга вклада в публичный репозиторий: PR и знания о фиксах развиваются вместе
- Auto ML Experiment — гипотезы, доказательства, невалидные ветки, запущенные реплики и gates promote/stop
- Auto Research — агенты-предложитель, исполнитель и оценщик итерируют параллельно
Контекст и значение для отрасли
К июлю 2026 года каждая крупная лаборатория выпускает как портфолио моделей, так и агентный harness: модель обеспечивает суждение, а harness — инструменты, разрешения, параллельных воркеров, персистентность и среду выполнения.
Интеллект модели доминирует на коротких, чистых задачах. Архитектура harness доминирует на длинных, запутанных. Именно в этот зазор и метит LoopX — он не конкурирует с Codex или Claude Code, а дополняет их слоем управляемого состояния.
«Keep the loop moving. Keep the judgment human» — ключевой принцип LoopX, разделяющий автономию агента и ответственность человека.
LoopX появился в правильное время: для команд разработки урок становится всё очевиднее — сложная часть AI-assisted разработки смещается на уровень выше. Разработчики по-прежнему должны писать спецификации, понимать архитектуру, оценивать результаты и принимать продуктовые решения. Но всё чаще они делают это, проектируя системы, которые держат агентов в движении через циклы работы.
Проект доступен на GitHub, полностью написан на Python без внешних зависимостей, и не требует клонирования репозитория для начала работы.