← 返回首页

Ein anfängerfreundliches Tutorial zu Loop Engineering: Starten Sie Ihren ersten KI-Agenten-Loop mit einem einzigen Befehl

Dieser Leitfaden erklärt, wie Loop Engineering einmalige KI-Prompts in wiederholbare Agenten-Workflows verwandelt. Die Grundidee besteht darin, Zeitplan, Zustand, Tools, Verifizierung und den Prozess der menschlichen Prüfung festzulegen, bevor man einem Agenten vertraut, wiederholt zu handeln. Für den ersten Durchlauf ist `daily-triage` der sicherste Ausgangspunkt. Erstellen Sie das Grundgerüst des Loops, schätzen Sie die Token-Kosten, prüfen Sie die Einsatzbereitschaft und belassen Sie die erste Woche im reinen Berichtsmodus. Die größere Erkenntnis ist nicht, dass Menschen aus der Entwicklung verschwinden. Agenten können innerhalb von Loops schneller arbeiten, aber Produkturteil, Sicherheitsgrenzen und die Definition von „fertig“ hängen weiterhin von Menschen ab. **Der beste erste Loop ist nicht der autonomste. Es ist der, den Sie überprüfen, dem Sie vertrauen und den Sie verbessern können.**

发布于 2026年7月5日•general•GEO 评分: 0•8 次阅读
Loop EngineeringKI-Agenten-Looploop-initloop-auditloop-costKI-Coding-AgentenClaude-Code-LoopCodex-LoopGrok-LoopOpenCode-LoopAgenten-WorkflowKI-AutomatisierungGitHub Loop EngineeringAndrew-Ng-Produktschleifenagentischer Coding-Loop

选择语言

العربيةDeutschEnglishEspañolFrançaisItaliano日本語한국어PortuguêsРусский中文
Das Bild ist das Titelbild des Tutorials „Loop Engineering Tutorial“. Links befindet sich ein Unendlichkeitszeichen mit violett-blauem Farbverlauf, das „Loop“ kennzeichnet; darunter stehen die Wörter „Engineering“ und „Tutorial“. Rechts ist ein Flussdiagramm zu sehen, das den Ablauf eines AI Agent Loop zeigt, darunter die Auslösung mit einem Blitzsymbol, die KI-Verarbeitung mit einem Gehirnsymbol, die menschliche Beteiligung mit einem Personensymbol, die Sicherheitsverifizierung mit einem Schlüsselsymbol, die Datenspeicherung mit einem Datenbanksymbol und der Informationsversand mit einem Briefumschlagsymbol. Das Bild passt zum im Dokument vorgestellten Loop-Engineering-Tutorial und veranschaulicht Thema und Ablauf des Tutorials anschaulich.

Ein anfängerfreundliches Loop-Engineering-Tutorial: Starte deinen ersten KI-Agenten-Loop mit einem einzigen Befehl

Einführung

Wenn du schon gehört hast, wie Menschen über „Loop Engineering“ sprechen, aber noch nicht genau weißt, wo du anfangen sollst, bietet dir dieser Leitfaden einen praktischen Einstieg.

Anstatt immer wieder Prompts zu schreiben und jeden Schritt manuell zu überprüfen, ermöglicht ein Loop einem KI-Agenten, nach einem Zeitplan auf ein kleines Ziel hinzuarbeiten. Das System kann die Aufgabe zuweisen, den aktuellen Zustand lesen, den Agenten ausführen, das Ergebnis überprüfen und einen Menschen wieder einbeziehen, wenn eine Bewertung erforderlich ist.

Der ursprüngliche Bericht stellte ein Open-Source-Framework für Loop Engineering von Cobus Greyling vor. Zum Zeitpunkt des Berichts hatte das Projekt rund 4,5 Tsd. GitHub-Sterne erhalten. Das Repository kann inzwischen eine andere Sternezahl anzeigen, da es weiter gewachsen ist.

Das Bild zeigt die GitHub-Repository-Seite von Cobus Greylings Loop Engineering. Links befindet sich die Repository-Navigation mit Tabs wie Code, Issues und Pull requests sowie mehreren Ordnern und Dateien im main-Branch, darunter docs, examples und patterns. Rechts steht die Repository-Beschreibung, die es als System mit praktischen Mustern, CLI-Einstiegstools und weiteren Ressourcen für KI-Code-Design beschreibt. Außerdem sind relevante Tags wie automation und mcp aufgeführt. Das Bild steht im Zusammenhang mit der Vorstellung des Loop-Engineering-Frameworks im Dokument und zeigt anschaulich die Struktur des GitHub-Repositorys.

Kurz gesagt: Es geht nicht mehr nur darum, bessere Prompts zu schreiben. Es geht darum, einen zuverlässigen Loop zu entwerfen, der mit klaren Grenzen prompten, prüfen und iterieren kann.

Das Bild zeigt einen Text im Code-Stil auf dunklem Hintergrund. Der Text lautet „Stop prompting. Design the loop. Get a score.“, wobei „Get a score.“ grün hervorgehoben ist. Darunter stehen codeartige Ausdrücke wie „loop - init → loop - audit“ und „10 → 70 → 100“. Das Bild steht im Zusammenhang mit dem oben beschriebenen Loop Engineering und betont den Ablauf vom Beenden des bloßen Promptens über das Entwerfen des Loops bis hin zum Erhalten einer Bewertung. Es veranschaulicht die Schritte des Loop-Designs und die Veränderung der Bewertung und hilft so, die Kernidee des Loop Engineering zu verstehen.

Was ist Loop Engineering?

Loop Engineering ist eine Methode, wiederholbare Workflows für KI-Agenten zu entwerfen. Ein Loop ist nicht einfach nur ein einzelner Prompt. Er ist ein kleines Betriebssystem rund um einen Agenten: Er legt fest, wann der Agent läuft, welchen Kontext er liest, was er ändern darf, wie das Ergebnis geprüft wird und wann ein Mensch das Ergebnis überprüfen muss.

Ein typischer Loop kann für Aufgaben wie diese genutzt werden:

  • tägliche Projekt-Triage;
  • Überwachung von Pull Requests;
  • Bereinigung von CI-Fehlern;
  • Scannen von Abhängigkeiten;
  • Sortieren von Issues;
  • Aufräumen nach Merges;
  • Entwerfen von Changelogs.

Diese Aufgaben sind nicht immer schwierig, aber sie wiederholen sich. Sie erfordern Aufmerksamkeit, Kontext und einen konsistenten Standard. Genau bei dieser Art von Arbeit kann ein gut gestalteter Loop helfen.

Warum dieses Framework Aufmerksamkeit erhält

Das im ursprünglichen Artikel beschriebene Open-Source-Framework vereint praktische Loop-Muster, Starter-Vorlagen und Kommandozeilen-Tools. Es ist für KI-Coding-Agenten konzipiert und unterstützt Workflows rund um Tools wie Claude Code, Codex, Grok und OpenCode.

Das Framework umfasst:

  • sieben sofort nutzbare Loop-Muster;
  • Starter-Vorlagen für häufige Szenarien;
  • loop-init zum Gerüsten eines Loops;
  • loop-cost zur Schätzung der Token-Kosten;
  • loop-audit zur Überprüfung der Loop-Bereitschaft;
  • Zustands- und Budgetdateien für länger laufende Workflows;
  • Unterstützung für sicherere menschliche Überprüfung und schrittweise Einführung.

Die Kernaussage ist einfach:

Hör auf, nur zu prompten. Entwirf den Loop.

Das bedeutet nicht, dass Prompts verschwinden. Es bedeutet, dass Prompts Teil eines größeren Systems werden, das Arbeit wiederholen, den Zustand verfolgen und Ergebnisse überprüfen kann.

Schnell starten: Ein Befehl

Der schnellste Einstieg besteht darin, loop-init innerhalb eines Git-Projekts auszuführen.

Hinweis: Einige erneut veröffentlichte Versionen des ursprünglichen Artikels zeigen Kommandozeilen-Flags mit einem langen Gedankenstrich. In einem echten Terminal solltest du den unten gezeigten standardmäßigen doppelten Bindestrich -- verwenden.

npx @cobusgreyling/loop-init . --pattern daily-triage --tool claude

Dieser Befehl erstellt die Loop-Struktur in deinem aktuellen Projekt. Du kannst claude je nach Workflow, den du testen möchtest, durch ein anderes unterstütztes Tool wie grok, codex oder opencode ersetzen.

Das Muster daily-triage ist ein guter Ausgangspunkt für Anfänger, weil es ein geringeres Risiko als hochfrequente Automatisierung hat. Es konzentriert sich darauf, den aktuellen Projektzustand zu scannen und einen Bericht zu erstellen, bevor automatische Änderungen zugelassen werden.

Anfängerfreundliches Loop-Tutorial

Loop Engineering mag zunächst abstrakt klingen, aber das Framework zerlegt es in einige konkrete Bausteine.

Die fünf Bausteine plus Gedächtnis

Grundsätzlich besteht ein Loop aus fünf Hauptteilen sowie Gedächtnis und Zustand.

Das Bild zeigt die fünf zentralen Bausteine des Loop Engineering: Automatisierung/Planung, Worktrees, Skills, Plugins und Konnektoren (MCP), Sub-Agenten (Maker/Checker) sowie Gedächtnis/Zustand. Jeder Baustein wird mit Symbol und Text dargestellt, zum Beispiel ein Kalender für Automatisierung/Planung, ein Baum für Worktrees, ein Buch für Skills, eine Person für Sub-Agenten und eine Festplatte für Gedächtnis/Zustand. Diese Bausteine sind durch Pfeile miteinander verbunden und bilden gemeinsam ein Loop-System. Dadurch werden die Wechselwirkungen und Beziehungen zwischen den einzelnen Teilen des Loop-Engineering-Frameworks veranschaulicht.

Baustein Was er im Loop macht
Automatisierung / Planung Führt den Loop in einem bestimmten Rhythmus aus, zum Beispiel täglich, stündlich oder alle paar Minuten.
Worktrees Erstellt isolierte Arbeitsumgebungen, damit mehrere Agenten einander nicht überschreiben.
Skills Speichert wiederverwendbares Projektwissen, Regeln und Aufgabenanweisungen.
Plugins & Konnektoren Verbindet den Loop über Systeme wie MCP, GitHub, Linear oder Slack mit realen Tools.
Sub-Agenten Trennt die Rolle des Erstellers von der Rolle des Prüfers, damit derselbe Agent nicht seine eigene Arbeit freigibt.
Gedächtnis / Zustand Hält dauerhaften Kontext außerhalb des

Chat, üblicherweise über Dateien wie STATE.md. |

Diese Struktur macht die Schleife leichter nachvollziehbar. Du bittest das Modell nicht, „einfach alles zu erledigen“. Du gibst ihm eine definierte Umgebung, einen Zeitplan, eine Zustandsdatei, einen Verifikationspfad und eine Regel für die Übergabe an Menschen.

Sieben sofort einsetzbare Produktionsmuster

Das Framework enthält außerdem sieben produktionsorientierte Muster. Jedes Muster hat einen anderen Rhythmus, ein anderes Risikoniveau und einen anderen optimalen Anwendungsfall.

Das Bild zeigt die 7 Produktionsmuster des Loop-Frameworks. Jedes Muster wird als Karte dargestellt und enthält den Namen des Musters, typische Anwendungsfälle, den empfohlenen Startmodus und die Risikostufe. Daily Triage eignet sich beispielsweise zum Scannen des Projektstatus, von Issues usw.; der Startmodus ist L1 report-only, die Risikostufe LOW. PR Babysitter eignet sich zur Betreuung von PRs; der Startmodus ist L1 watch, die Risikostufe HIGH. Rechts befindet sich außerdem eine Karte mit grünem Rahmen mit dem Hinweis „Not sure? Try the interactive picker“, die bei Unsicherheit zur Nutzung eines interaktiven Auswahlassistenten auffordert.

Muster Typischer Anwendungsfall Empfohlener Startmodus
Daily Triage Projektstatus, Issues, CI und Commits scannen. L1 report-only
PR Babysitter Pull Requests durch Review, CI, Rebase und Merge begleiten. L1 watch
CI Sweeper Fehlgeschlagene Checks beobachten und kleine Korrekturen vorschlagen oder anwenden. L2 cautious
Dependency Sweeper Veraltete Abhängigkeiten und Sicherheitsupdates prüfen. L2 patch-only
Issue Triage Eingehende Issues deduplizieren, bewerten und mit Labels versehen. L1 propose-only
Post-Merge Cleanup TODOs, kleinere technische Schulden und Folgearbeiten nach Merges bereinigen. L1 off-peak
Changelog Drafter Release Notes aus Commits und gemergten Änderungen entwerfen. L1 draft

Der praktische Rat lautet: Beginne mit einer risikoarmen Schleife. Daily Triage ist in der Regel leichter zu vertrauen, weil dabei nicht sofort Code geändert werden muss.

Interaktiver Muster-Auswähler

Das Projekt stellt außerdem einen interaktiven Auswähler bereit. Statt ein Muster manuell auszuwählen, kannst du von einem konkreten Schmerzpunkt ausgehen, etwa „PRs bleiben ständig hängen“, „CI schlägt ständig fehl“ oder „Issues sind zu unübersichtlich“.

Der Auswähler empfiehlt dann ein Loop-Muster und liefert dir einen Startbefehl. Das ist hilfreich, wenn du das Problem kennst, aber nicht sicher bist, welche Schleife es übernehmen sollte.

Deine erste Schleife ausführen

Hier ist eine einsteigerfreundliche Methode, die erste Schleife auszuführen und dabei das Risiko unter Kontrolle zu halten.

Schritt 1: Ein Muster auswählen

Beginne mit daily-triage, wenn du dies zum ersten Mal machst. Es ist ein risikoarmes Muster und eine gute Möglichkeit zu verstehen, wie die Schleife den Projektzustand liest, Notizen schreibt und Arbeit für einen Menschen vorbereitet.

Schritt 2: Die Schleife einrichten

Führe den Initialisierungsbefehl im Stammverzeichnis deines Git-Projekts aus.

npx @cobusgreyling/loop-init . --pattern daily-triage --tool claude

Du kannst den Tool-Namen austauschen, wenn du einen anderen KI-Coding-Agent verwendest.

npx @cobusgreyling/loop-init . --pattern daily-triage --tool grok
npx @cobusgreyling/loop-init . --pattern daily-triage --tool codex
npx @cobusgreyling/loop-init . --pattern daily-triage --tool opencode

Du kannst daily-triage auch durch ein anderes unterstütztes Muster ersetzen, sobald du den grundlegenden Ablauf verstanden hast.

Schritt 3: Token-Kosten schätzen

Hochfrequente Schleifen können viele Tokens verbrauchen, insbesondere wenn sie Sub-Agents, langen Kontext oder wiederholte Verifikation nutzen. Schätze die Kosten, bevor du eine Schleife zu häufig ausführst.

npx @cobusgreyling/loop-cost --pattern daily-triage --level L1

Belasse die Schleife für frühe Tests auf L1 und vermeide aggressive Zeitpläne.

Schritt 4: Loop-Bereitschaft prüfen

Bevor du der Schleife vertraust, führe ein Audit aus. Das Audit gibt dem Projekt einen Bereitschaftswert von 0 bis 100 und schlägt Verbesserungen vor.

npx @cobusgreyling/loop-audit . --suggest

Wenn dein Projekt noch nicht bereit ist, behebe zuerst die fehlenden Teile. Häufige Lücken sind eine fehlende Zustandsdatei, ein fehlender Verifikationsschritt, ein unklarer Scope, fehlende Budgetgrenzen oder schwache Regeln für die Übergabe an Menschen.

Wenn das Projekt ein gutes Bereitschaftsniveau erreicht, kannst du außerdem ein Loop-Ready-Badge für deine README generieren.

npx @cobusgreyling/loop-audit . --badge

Schritt 5: Im Report-Only-Modus starten

Lass die Schleife am ersten Tag keinen Produktionscode verändern. Starte im Report-Only-Modus und prüfe die Ausgabe anschließend manuell.

Für einen Loop-Befehl im Grok-Stil kann der erste Lauf so aussehen:

/loop 1d Run loop-triage. Update STATE.md. No auto-fix in week one.

Dies weist die Schleife an, eine Triage durchzuführen, den Zustand zu schreiben und in der ersten Woche automatische Korrekturen zu vermeiden.

Schritt 6: Die Ausgabe lesen

Öffne STATE.md und prüfe, was die Schleife gefunden hat. Diese Datei dient als Gedächtnis außerhalb der Unterhaltung. Sie sollte zeigen, was die Schleife gesehen hat, was sie getan hat, was sie übersprungen hat und was menschliche Aufmerksamkeit benötigt.

Wenn die Ausgabe zu verrauscht oder falsch ist, passe die Schleife an, bevor du die Autonomie erhöhst. Eine nützliche Schleife sollte langweilig, vorhersehbar und überprüfbar werden.

Loop-Reifegrad: L1 bis L3

Loop Engineering sollte schrittweise eingeführt werden. Die Reifegrade helfen dir zu vermeiden, zu früh zu viel Freiheit zu gewähren.

Stufe Bedeutung Empfohlene Verwendung
L1 Die Schleife meldet Erkenntnisse und aktualisiert den Zustand, ändert aber keinen Code. Am besten für erste Läufe und eine risikoarme Einführung.
L2 Die Schleife kann kleine Änderungen mit einem Verifier und menschlichem Review vornehmen. Nützlich, nachdem das Team der Ausgabe der Schleife vertraut.
L3 Die Schleife kann über längere Zeiträume mit begrenzter unbeaufsichtigter Ausführung laufen. Nur geeignet, wenn Scope, Sicherheit, Kosten und Verifikation ausgereift sind.

Ein gutes erstes Ziel ist nicht vollständige Autonomie. Ein gutes erstes Ziel ist eine zuverlässige L1-Schleife, die dir nützliche Informationen liefert, ohne

zusätzlichen Bereinigungsaufwand verursachen.

Der Standard-Loop-Prozess

Ein vollständiger Loop hat eine klare Abfolge. Der ursprüngliche Artikel beschrieb ihn als achtstufigen Prozess:

  1. geplanter Auslöser;
  2. Aufgaben-Triage;
  3. aktuellen Zustand lesen;
  4. isolierten Arbeitsbereich erstellen;
  5. den Agenten ausführen lassen;
  6. Prüfer-Checks ausführen;
  7. mit Git- oder Ticketsystemen verbinden;
  8. bei Bedarf menschliche Bestätigung einholen.

Das Bild zeigt die Anatomie eines Loops und betont, dass das System nach einmaligem Design anstoßen, verifizieren und iterieren kann. Es wird als Flussdiagramm dargestellt und enthält Schritte wie Schedule, Triage, STATE, Worktree, Implement, Verify, MCP/PR und Human gate. Die einzelnen Schritte sind mit unterschiedlich farbigen Rahmen markiert, etwa Schedule mit einem grünen Rahmen und Triage mit einem blauen Rahmen. Der Verify-Schritt enthält ein Häkchen-Symbol, der MCP/PR-Schritt ein Schlüssel-Icon, und der Human-gate-Schritt ist mit einem gelben Rahmen sowie den Worten „approve/escalate“ versehen. Das Bild steht in engem Zusammenhang mit dem Kontext und veranschaulicht den oben erwähnten vollständigen achtstufigen Loop-Prozess.

Das ist der Hauptunterschied zwischen einem beiläufigen Prompt und einem echten Loop. Der Agent „macht“ nicht einfach nur Dinge. Er arbeitet innerhalb eines kontrollierten Prozesses mit Zustand, Isolation, Prüfungen und Übergabe.

Andrew Ng: Produktentwicklung braucht drei Loops

Der ursprüngliche Artikel stellte Loop Engineering außerdem in Zusammenhang mit Andrew Ngs Diskussion über Produktentwicklung. Der zentrale Punkt ist: Software mit KI zu bauen, besteht nicht nur aus einem einzigen Loop. Für ein echtes Produkt gibt es mehrere Loops, die sich mit unterschiedlichen Geschwindigkeiten bewegen.

Das Bild ist ein Screenshot eines Tweets von Andrew Ng. Darin wird erwähnt, dass „Loop Engineering“ schnell in den sozialen Medien populär wurde, nachdem Boris Cherry und Peter Steinberger darauf hingewiesen hatten, und zu einem wichtigen Bestandteil dafür wurde, KI-Agenten Software iterativ erstellen zu lassen. Andrew Ng teilt in seinem Schreiben drei zentrale Loops beim Aufbau eines 0-zu-1-Produkts: den inneren Coding-Loop, den mittleren Entwickler-Feedback-Loop und den äußeren Nutzer-Feedback-Loop. Diese Loops steuern nicht nur den Aufbau von Software, sondern bestimmen auch, welche Software gebaut werden sollte. Das Bild steht in engem Zusammenhang mit dem Kontext und erläutert das darin erwähnte Konzept des „Loop Engineering“.

1. Agentischer Coding-Loop

Der innerste Loop ist der Coding-Loop. Ein Mensch gibt dem Agenten eine Produktspezifikation und Bewertungskriterien. Der Agent schreibt Code, testet ihn, behebt Probleme und iteriert weiter.

Dieser Loop kann schnell sein. In manchen Fällen kann er alle paar Minuten eine neue Version erzeugen.

2. Entwickler-Feedback-Loop

Die nächste Ebene ist der Entwickler-Feedback-Loop. Der Agent kann testen und überarbeiten, aber der Entwickler prüft weiterhin, ob sich das Ergebnis richtig anfühlt, zur Produktrichtung passt und das tatsächliche Nutzerproblem löst.

Dieser Loop ist langsamer. Je nach Produkt und Komplexität der Änderungen kann er alle paar Dutzend Minuten oder alle paar Stunden ablaufen.

3. Externer Feedback-Loop

Die äußere Ebene ist der Nutzer-Feedback-Loop. Sobald das Produkt Freunde, Alpha-Tester oder echte Nutzer erreicht, beginnt das Team, aus Feedback, Nutzungsdaten und Experimenten zu lernen.

Dieser Loop ist nochmals langsamer. Er kann Stunden, Tage oder Wochen dauern.

Das Bild zeigt die drei zentralen Loops in der Produktentwicklung: Agentic Coding Loop, Developer Feedback Loop und External Feedback Loop. Jeder Loop ist durch Pfeile verbunden und bildet einen geschlossenen Kreis. Der Agentic Coding Loop besteht aus Coding agent und Product spec/evals und hat einen Zeitraum von wenigen Minuten. Der Developer Feedback Loop umfasst Developer vision und External feedback und hat einen Zyklus von mehreren Stunden. Der External Feedback Loop bezieht External feedback ein und hat einen Zyklus von mehreren Tagen. Das Bild steht in engem Zusammenhang mit dem Kontext und veranschaulicht die im Text erwähnten drei Produktentwicklungs-Loops sowie ihre zeitlichen Eigenschaften.

Zusammen bilden die drei Loops eine praktische Kette für den Produktaufbau: Der Agent hilft dabei, schnell Versionen zu erzeugen, der Entwickler entscheidet, wohin sich das Produkt entwickeln soll, und die Nutzer zeigen, ob es sich lohnt, diese Richtung weiterzuverfolgen.

Warum menschliches Urteilsvermögen weiterhin wichtig ist

Loop Engineering entfernt Menschen nicht aus der Softwareentwicklung. Es verändert die Rolle des Menschen.

Der Agent kann wiederholte Ausführung übernehmen, benötigt aber weiterhin klare Grenzen, starke Verifikation und Produkturteil. Der Mensch versteht weiterhin den Kontext: was Nutzer brauchen, welche Kompromisse wichtig sind, was nicht automatisiert werden sollte und was „gut genug“ wirklich bedeutet.

Deshalb kann ein Loop zwar mit einem einzigen Befehl installiert werden, doch die Definition von „fertig“ gehört weiterhin den Menschen, die das Produkt bauen.

Quellenhinweis

Ursprüngliche Quelle: BAAI-Hub-Artikel, übernommen von QbitAI / WeChat. Der Artikel verwies außerdem auf das Loop-Engineering-GitHub-Repository und Andrew Ngs öffentlichen Beitrag auf X.

Bildhinweis: Das einleitende Meme-Bild und das abschließende QR-/Kontakt-Werbebanner der Quellseite wurden ausgelassen, da sie für das Verständnis des Tutorials nicht erforderlich sind. Die verbleibenden Bilder werden nur dort eingebunden, wo sie die technische Erklärung unterstützen.

FAQ

Was ist Loop Engineering?

Loop Engineering ist eine Methode, wiederholbare Workflows für KI-Agenten zu entwerfen. Anstatt den Agenten für jede kleine Aufgabe manuell zu prompten, definiert man einen Loop mit Zeitplanung, Zustand, Tools, Verifikation und menschlicher Übergabe.

Wie starte ich ein Loop-Engineering-Projekt?

Der schnellste Einstieg besteht darin, npx @cobusgreyling/loop-init . --pattern daily-triage --tool claude innerhalb eines Git-Projekts auszuführen. Für Einsteiger ist daily-triage in der Regel sicherer als hochfrequente Loops, da es im reinen Berichtsmodus starten kann.

Warum verwendet Loop Engineering STATE.md?

STATE.md gibt dem Loop dauerhaften Speicher außerhalb der Chat-Sitzung. Es hilft dem Loop, frühere Erkenntnisse, letzte Aktionen, ungelöste Punkte und menschliche Overrides im Gedächtnis zu behalten.

Was ist der Loop-Ready-Score?

Der Loop-Ready-Score ist ein von loop-audit erzeugtes Audit-Ergebnis. Er prüft, ob das Projekt über genügend Struktur, Zustand, Verifikation, Kostenlimits und Sicherheitskontrollen verfügt, um einen Loop verantwortungsvoll auszuführen.

Kann ein KI-Agenten-Loop unbeaufsichtigt laufen?

Es

kann, aber sie sollte nicht so beginnen. Ein sichererer Weg ist zunächst L1 im reinen Berichtsmodus, dann L2 mit unterstützten Korrekturen und Verifizierung, und erst später L3 mit unbeaufsichtigten Läufen, wenn Umfang, Sicherheit und Kostenkontrollen ausgereift sind.

Warum sollte ich die Token-Kosten schätzen, bevor ich eine Schleife ausführe?

Schleifen können teuer werden, wenn sie häufig laufen, langen Kontext verwenden oder mehrere Sub-Agenten starten. loop-cost hilft dir, die Nutzung abzuschätzen, bevor ein hochfrequenter Workflow das Budget aufbraucht.

Wie hängt Andrew Ngs Drei-Schleifen-Idee damit zusammen?

Die Engineering-Schleife hilft Agenten, Software schnell zu erstellen und zu überarbeiten. Entwicklerfeedback und Nutzerfeedback sind langsamere Schleifen, die entscheiden, ob das Produkt nützlich, benutzbar und eine Weiterentwicklung wert ist.

Verwandte Tools

  • Loop Engineering: Open-Source-Muster, Starter und CLI-Tools zum Entwerfen von KI-Agentenschleifen.
  • Loop Engineering Showcase: Interaktive Übersicht mit Mustern, Grundbausteinen und einem Bereitschaftssimulator.
  • Node.js: Laufzeitumgebung, die für die Nutzung von npx-basierten CLI-Tools benötigt wird.
  • npm: Paket-Ökosystem, das verwendet wird, um die Loop-Engineering-CLI-Befehle über npx auszuführen.
  • Git: Versionskontrollsystem, das für Repositories und Worktree-basierte isolierte Ausführung verwendet wird.
  • GitHub Actions: Automatisierungsplattform, die geplante Prüfungen und Workflows zur Schleifenvalidierung unterstützen kann.
  • Model Context Protocol: Protokoll zur Verbindung von KI-Systemen mit externen Tools und Datenquellen.

Verwandte Links

Zusammenfassung

Dieser Leitfaden erklärt, wie Loop Engineering einmalige KI-Prompts in wiederholbare Agenten-Workflows verwandelt. Die Grundidee besteht darin, Zeitplan, Zustand, Tools, Verifizierung und den Prozess der menschlichen Prüfung festzulegen, bevor man einem Agenten vertraut, wiederholt zu handeln.

Für einen ersten Lauf ist daily-triage der sicherste Ausgangspunkt. Erstelle das Gerüst der Schleife, schätze die Token-Kosten, prüfe die Bereitschaft und belasse die erste Woche im reinen Berichtsmodus.

Die größere Erkenntnis ist nicht, dass Menschen aus der Entwicklung verschwinden. Agenten können sich innerhalb von Schleifen schneller bewegen, aber Produkturteil, Sicherheitsgrenzen und die Definition von „fertig“ hängen weiterhin von Menschen ab.

Die beste erste Schleife ist nicht die autonomste. Es ist diejenige, die du überprüfen, der du vertrauen und die du verbessern kannst.