Loop Library：61 条现成的 AI Agent 循环，拿来就用

2026 年 6 月 12 日，Forward Future 发布了 loop-library——一个 AI Agent 可复用循环模式的公开目录，上线 11 天就收获了 1222 stars、99 forks、0 open issues。

如果说 cobusgreyling/loop-engineering 是 Loop Engineering 的 方法论教科书 ，那么 Forward-Future/loop-library 就是 循环模式的乐高库——61 条现成循环，从 AI 安全审核到产品评测，每个都含完整 prompt、验证步骤和停止条件。

loop-library 由两部分构成，彼此独立又互相配合：

地址：https://signals.forwardfuture.ai/loop-library/

一个纯前端可浏览的循环目录，任何人、任何 Agent 都可以进去看、复制 prompt，无需安装任何东西。Catalog 以 JSON 格式持续发布，版本号 schemaVersion: 2，截至 6 月 22 日更新，收录 61 条循环。

可选安装，给你的 AI coding agent（Codex / Cursor / Claude Code）一个 对话式循环发现与设计助手。

安装一条命令搞定：

npx skills add Forward-Future/loop-library --skill loop-library -g

装完后 Agent 可以做 5 件事：

路径	做什么	示例
Discover	扫描代码库 + 对话历史，把重复性工作转成循环	“ 分析这个 repo 里做过两次以上的工作 ”
Find	从目录里搜 3 条最匹配的已发布循环	“ 找一个保持文档最新的循环 ”
Loop Doctor	审计你给的循环，只修有问题的部分	“ 审计这条循环，只改真正有问题的地方 ”
Adapt	把已发布循环适配到你项目	“ 把 overnight docs sweep 适配到这个 repo”
Design	对话式问答，从零设计一条新循环	“ 帮我设计一个把用户反馈转成已验证修复的循环 ”

重要设计决策 ：Skill 只推荐循环、审计循环、设计循环—— 不会主动执行，不会悄悄建 schedule、改生产环境、发消息，这些动作依然需要正常的权限审批。这是整个项目安全设计的核心之一。

loop-library 给循环定义了一个非常精炼的四问题框架——一条好循环必须回答四个问题：

Agent 想完成什么？（目标是什么）
怎么判断最新一次尝试有效？（验证标准）
从结果中学会了什么？下一步做什么？（反馈机制）
什么时候停止或请求帮助？（停止条件）

这个框架直接区分了 ” 循环 ” 和 ” 一次性 prompt”：

	一次性 prompt	循环
回答 ” 做什么 ”	✅	✅
回答 ” 做得好不好 ”	❌ 往往缺失	✅ 必须有验证步骤
“ 失败后下次怎么做 ”	❌ 从头来	✅ 从上次结果继续
“ 什么时候停手 ”	❌ 通常没有	✅ 有明确停止条件
可复用	弱（每次要重写）	强（同样的场景可以直接跑）

一个生动的例子：

一次性：” 让这个网站变快。”
循环：” 找到最慢的页面，做一个聚焦优化，再测一次。保留改有效的，持续重复直到所有页面达标或后续优化不再有显著提升。”

循环的价值不是让 Agent 跑得更快，而是让它 跑得聪明——通过每次迭代的反馈，逐步收敛到目标。

截至 6 月 22 日，目录覆盖 5 大类：

最丰富的一类，覆盖日常 AI coding agent 的核心场景：

循环	一句话描述
Overnight Docs Sweep	代码变了，文档没更新？overnight 跑一遍，打开 PR 让人审
Architecture Satisfaction Loop	小步重构 + 即时测试 + 提交，把烂架构改到你满意为止
Sub-50ms Page-Load Loop	逐页优化，直到所有页面稳定低于 50ms
Production Error Sweep	扫描线上错误日志，只修复可行动的，不碰不清楚的
100% Test Coverage Loop	加测试直到达到 100% 覆盖，有意义的测试不是凑数
Exhaustive Logging Coverage Loop	每条关键路径都有可验证日志，缺少就补
Nightly Changelog Sweep	每天自动起草变更日志，次日开 PR 让人审

循环	一句话描述
Quality Streak Loop	测真实场景，失败就补回归 + 基准，直到连续 N 次通过
Full Product Evaluation Loop	本地重建生产环境，测试每个用户接触点，修完后全量重跑
Bug Triage Loop	自动对 bug 分类打标，按影响范围排优先级
Performance Regression Loop	对比基准与当前性能，回滚或优化，记录决策依据

循环	一句话描述
SEO/GEO Visibility Loop	扫 SEO/GEO 缺口，修最高杠杆的问题，重新跑 benchmark，直到无高优先级缺口

日常运维自动化循环，覆盖依赖管理、CI 清洁、安全扫描等。

UI/UX 设计审查和优化循环。

loop-library 和 cobusgreyling/loop-engineering 是同一棵树的两个分支：

维度	cobusgreyling/loop-engineering	Forward-Future/loop-library
定位	方法论 + 工程框架（工具箱）	循环模式目录（循环本身）
产出	6 个基础构件 / 7 条生产模式 / 3 个 CLI 工具	61 条可直接复用的循环 prompt
使用方式	自己根据方法论设计和搭建循环	找到已有循环 → 复制 → 适配
作者	Cobus Greyling	Matthew Berman + Peter Steinberger 等
Stars	704	1222
Fork	90	99
在线目录	❌ 没有独立网站	✅ signals.forwardfuture.ai
Agent Skill	❌ 方法论本身可当 skill	✅ 5 条路径（Discover/Find/Loop Doctor/Adapt/Design）
创建时间	2026-06-09	2026-06-12
社区规模	中等（年轻但增长快）	更大（更多 stars + 更多作者参与）
成熟度	方法论文档为主	已积累 61 条有作者署名、有版本历史的循环

简单说：loop-engineering 教你 ” 怎么做 ”，loop-library 给你 ” 用什么做 ”。 两者互补，前者提供框架，后者提供素材。Forward-Future 团队自己也明确说过深受 Addy Osmani 和 Boris Cherny 的 ” 循环工程 ” 理念影响，loop-library 就是他们在该方向上落地的一个更大社区协作版本。

每一条循环的 catalog.json 条目都是一个标准化 JSON 对象：

{
  "number": "001",
  "slug": "overnight-docs-sweep",
  "title": "The docs sweep",
  "author": "Matthew Berman",
  "category": "engineering",
  "description": "...",
  "useWhen": "Use this whenever implementation changes may have left READMEs...",
  "prompt": "Whenever a documentation pass is needed, review the codebase...",
  "verification": {
    "title": "Documentation matches the current implementation.",
    "detail": "Finish with a reviewable pull request."
  },
  "steps": ["Step 1...", "Step 2...", "Step 3...", "Step 4..."],
  "why": "The loop ties documentation to the implementation...",
  "keywords": ["AI coding agent", "documentation audit", "..."]
}

四个关键字段的意义：

useWhen：什么时候用这条循环（匹配条件）
prompt：给 Agent 的具体指令
verification：怎么判断 ” 做对了 ”（停止条件）
steps：执行步骤（如果 Agent 需要更详细的引导）

同一个目录，四种格式满足不同读取方式：

格式	URL	用途
网页	`loop-library/`	人工浏览
JSON	`catalog.json`	Agent 解析 / 程序调用
Markdown	`catalog.md`	版本控制 / Git review
纯文本	`catalog.txt`	`llms.txt` 兼容（AI 搜索索引）

多格式分发意味着 AI 搜索引擎和 Agent 系统可以直接索引循环内容——这本身就是一种 GEO 策略。

Skill 明确承诺 ” 只推荐，不执行 ”。它把循环发现 / 审计 / 设计这些 思考类工作 留给自己，把 ” 是否执行 ” 这个决策权交还给人类。这与 loop-engineering 的 maker/checker 分离理念完全一致。

# 单个 agent
npx skills add Forward-Future/loop-library --skill loop-library -g

# Codex + Cursor + Claude Code 同时装
npx skills add Forward-Future/loop-library \
  --skill loop-library \
  --agent codex --agent cursor --agent agent claude-code \
  -g -y

# Claude Code / Cursor
/loop-library Find a loop for improving test reliability.

# Codex
$loop-library Audit this loop and repair material problems: [paste]

Agent 可以直接读取：

llms.txt：https://signals.forwardfuture.ai/loop-library/llms.txt
catalog.json：https://signals.forwardfuture.ai/loop-library/catalog.json
agents/ 页面：https://signals.forwardfuture.ai/loop-library/agents/

即用性强：61 条循环都有作者署名、版本历史、验证标准，拿来就能跑
在线目录：人有网站看，Agent 有 JSON/catalog.txt 读，不需要 clone repo
Skill 5 条路径覆盖循环全生命周期（发现→查找→审计→适配→设计）
多 Agent 支持：Codex / Cursor / Claude Code 一条命令全覆盖
0 open issues：维护状态极好
多格式分发本身就是 GEO 实践：目录内容会被 AI 搜索索引
双作者背书：Matthew Berman（AI 内容创作者）+ Peter Steinberger（OpenClaw 创始人）

项目仍然很新（2026-06-12 创建），61 条循环的真实大规模生产验证尚少
Matthew Berman 贡献了大多数循环——社区贡献者生态仍在培育中
循环是英文语境写的：主要面向北美英语技术团队，中文项目可能需要适配
Skill 只是推荐器：审计和适配能力如何，依赖 Agent 的理解质量
SEO/GEO 那条循环值得关注：如果飞熊要搭自己的循环体系，这是可以直接参考的对象

Forward-Future/loop-library 做了 loop-engineering 领域一件重要的事：把 ” 循环 ” 从方法论变成了可分发、可索引、可复用的公共资产。

61 条循环不是 61 篇博客——它们是带验证步骤、停止条件、执行顺序的 可运行 prompt。在线目录 + JSON catalog + 四种分发格式 + 5 条 Agent 路径，整个体系非常完整。

对于已经在用 AI coding agent 的团队，最高的杠杆动作是：装 Skill → 跑 Discover 路径 → 从你项目里找出 2-3 个重复性工作 → 把它变成循环。

而对于已经在写 Loop Engineering 文章的飞熊，loop-library 的 SEO/GEO Visibility Loop 是直接相关的——那条循环的每一步都跟 GEO 优化完全重叠，值得在写 GEO 系列时引作案例。

一句话：loop-library 让 ” 找一条循环来用 ” 这个动作，从几小时变成了几秒钟。

本文基于 GitHub README、公开目录 catalog.json 和官网内容整理。

Loop Library：61 条现成的 AI Agent 循环，拿来就用

一、它是什么

① 在线目录（网站）

② Agent 技能包（Skill）

二、循环到底是什么

三、61 条循环的分类全览

Engineering（工程类）

Evaluation（评估类）

Content（内容类）

Operations（运维类）

Design（设计类）

四、与 loop-engineering 的关系

五、目录的工程亮点

① 每条循环都是四元组

② 多格式分发

③ Skill 安全设计

六、安装和使用

安装

在 Agent 里用

不装 skill 也能用

七、优势与风险

✅ 优势

⚠️ 风险和局限

八、总结

近期文章

近期评论