Appearance
continuous-agent-loop Skill 是 Everything Claude Code v1.8+ 核心循环模式，为 AI 编程助手（如 Claude Code、Codex、Cursor 等）提供带质量门控、自动评测和恢复控制的持续自主代理循环。它通过集成质量闸门、评测循环和会话持久化，显著降低“无效循环”“重复失败”“合并队列卡死”等典型自动化风险，适合需要高可靠性和可恢复性的生产级 AI 编程场景。
Everything Claude Code Continuous Agent Loop Skill：带质量门控和恢复控制的持续自主代理循环模式
在 AI 编程助手日益普及的今天，如何让 Agent 持续自主地推进复杂任务，同时确保结果质量和可恢复性，成为生产环境中的关键挑战。continuous-agent-loop Skill 正是为此而生，它是 Everything Claude Code v1.8+ 推荐的循环控制模式，全面升级了早期的 autonomous-loops Skill，并兼容原有配置。相比传统的简单循环，它引入了质量门控、自动评测和恢复控制机制，有效防止“死循环”“无效重试”“队列阻塞”等常见问题。
如果你正在使用 Claude Code 或其他支持 ECC 体系的 AI 编程插件，并希望系统性提升自动化 Agent 的稳定性和输出质量，continuous-agent-loop Skill 是不可或缺的能力模块。它不仅适用于单 Agent，也支持多 Agent 协作、DAG 分解、CI/PR 流水线等复杂场景。更多整体架构和 Agent/Skill 体系介绍可参考 Everything Claude Code 完全指南。
1. continuous-agent-loop Skill 能解决什么问题？
在没有引入 continuous-agent-loop Skill 之前，AI Agent 的自动化循环通常存在以下痛点：
- 死循环/无效推进：Agent 反复尝试但无实际进展，浪费算力和 token。
- 重复失败：同一错误反复重试，未能定位根因，导致资源浪费。
- 合并队列阻塞：多个 Agent 结果无法合并，整体流程卡住。
- 成本失控：自动化过程缺乏预算和质量控制，容易 token/cost 爆炸。
continuous-agent-loop Skill 针对上述问题，集成了如下能力：
- 质量门控（Quality Gates）：每一步输出都需通过质量检查（如 lint、test、code review）。
- 自动评测（Eval Loop）：集成 eval-harness 等自动评测，确保结果符合预期。
- 恢复控制（Recovery Controls）：支持失败冻结、范围缩小、按需重放等恢复机制。
- 会话持久化：结合 nanoclaw-repl Skill，支持中断后恢复。
2. 触发条件与循环选择流程
continuous-agent-loop Skill 适用于绝大多数需要持续自主推进、质量可控的 Agent 循环场景。典型触发条件包括：
- 需要多步自动化推进，但对每步质量有严格要求
- 需要自动检测和恢复失败，避免长时间卡死
- 需要支持复杂的多 Agent 协作、DAG 分解或 CI/PR 集成
循环模式选择流程：
text
Start
|
+-- 需要严格 CI/PR 控制？ -- yes --> continuous-pr
|
+-- 需要 RFC 分解？ -- yes --> rfc-dag
|
+-- 需要探索性并行生成？ -- yes --> infinite
|
+-- 默认 --> sequential（可选 continuous-agent-loop）在大多数生产场景下，推荐优先选择 continuous-agent-loop Skill。对于 CI/PR 流水线可用 continuous-pr，复杂 RFC 驱动可选 rfc-dag，探索性生成可选 infinite。
3. 实际项目中的使用流程（Step by Step）
步骤 1：安装与激活 Skill
确保已通过 安装配置指南 安装 Everything Claude Code，并在项目中启用 continuous-agent-loop Skill：
bash
ecc install continuous-agent-loop或在 .claude/skills.yaml 中添加：
yaml
- continuous-agent-loop步骤 2：配置推荐生产栈
官方推荐的生产级组合模式如下：
- RFC 分解：集成 ralphinho-rfc-pipeline Skill，将目标任务自动分解为可执行单元。
- 质量门控：结合 plankton-code-quality Skill 和
/quality-gate，自动 Lint、Test、Code Review。 - 自动评测：集成 eval-harness，实现每步输出的自动化评测与反馈。
- 会话持久化：结合 nanoclaw-repl，支持随时中断和恢复循环。
配置示例（.claude/skills.yaml）：
yaml
- continuous-agent-loop
- ralphinho-rfc-pipeline
- plankton-code-quality
- eval-harness
- nanoclaw-repl步骤 3：定义循环任务与质量门控
在 Agent 配置或 MCP（Multi-Component Pipeline）中，指定循环任务和质量门控参数。例如：
yaml
agent:
name: my-autonomous-agent
skills:
- continuous-agent-loop
- plankton-code-quality
- eval-harness
quality_gate:
lint: true
test: true
review: true
eval:
enabled: true
criteria: [pass_rate, coverage]步骤 4：运行循环并监控输出
启动 Agent 后，continuous-agent-loop Skill 会自动：
- 按分解任务逐步推进，每步输出自动触发质量门控和评测
- 失败时自动冻结循环、输出失败报告，并建议缩小范围或重放
- 支持通过
/harness-audit命令诊断循环瓶颈和失败原因
输出示例：
text
[continuous-agent-loop] Step 3: 单元测试未通过，已冻结循环。请检查 test_report.log。
建议操作：运行 /harness-audit 缩小范围至 failing unit 后重试。或
text
[continuous-agent-loop] 所有质量门控通过，自动推进到下一个任务单元。步骤 5：恢复与重放
遇到循环卡死、重复失败等情况时，continuous-agent-loop Skill 支持：
- 冻结当前循环，防止资源消耗失控
- 通过
/harness-audit命令定位问题单元 - 缩小范围，仅重放失败部分
- 明确设置 acceptance criteria 后重新激活循环
4. 常见配套 Agent 与协作 Skill
continuous-agent-loop Skill 通常与以下 Agent/Skill 协作使用：
- Code Reviewer Agent：自动审查每步输出，保证代码质量（详见 Code Reviewer Agent）
- Loop Operator Agent：监控循环进度，必要时手动介入（详见 Loop Operator Agent）
- plankton-code-quality Skill：自动 Lint 和修复代码
- eval-harness Skill：自动化评测与反馈
- nanoclaw-repl Skill：持久化会话，支持断点恢复
5. 典型输出示例
text
[continuous-agent-loop] Step 5: 质量门控未通过（Lint 错误），已自动回滚并重试。
[continuous-agent-loop] Step 6: 自动评测通过，推进到下一个任务。
[continuous-agent-loop] 检测到重复失败，已冻结循环。建议运行 /harness-audit 诊断根因。6. 与其他循环模式的关系
- 替代并升级了
autonomous-loopsSkill，原配置可自动兼容 - 与
continuous-pr、rfc-dag、infinite等循环模式互补，可根据场景选择 - 推荐在生产环境优先采用 continuous-agent-loop Skill，确保质量与可恢复性
FAQ
Q: continuous-agent-loop Skill 和 autonomous-loops 有什么区别？ A: continuous-agent-loop 是 v1.8+ 的标准循环模式，新增质量门控和恢复控制，原有 autonomous-loops 配置可兼容迁移。
Q: 如果循环卡死或反复失败，如何恢复？ A: Skill 会自动冻结循环，并建议运行 /harness-audit 缩小范围，或根据失败单元重放任务，确保不会无限消耗资源。
Q: 适合哪些类型的项目？ A: 适用于对自动化质量和可靠性有高要求的项目，尤其是多 Agent 协作、CI/PR 流水线、RFC 驱动开发等场景。