Quality Loop 是一套迭代式写作系统，通过“评审人格”施加反向压力，借助系统化素材收集、钩子优先起草和多轮质量门控来产出高质量内容。它面向所有公开内容，按内容类型触发不同模式：Newsletter、深度文章、播客博客在发布前使用完整 5 评审模式；LinkedIn、X、Instagram、Facebook 等社交帖在排期前使用精简 3 评审模式。
流程为：素材 → 钩子 → 草稿 → 评审 → 迭代。第一阶段先汇总素材，优先检索专有内容，再查内容库，最后做外部研究；无直接覆盖时扩展到相关主题。第二阶段先提出 4-6 个钩子方案，经用户确认后再起草；系列内容需保证结构差异化。第三阶段按风格指南完成草稿，包含标题选项、元描述、URL 与评审备注。
完整 5 评审模式依次为：Human Detector（阻断）、Accuracy Checker（阻断）、OpenEd Voice（阻断）、Reader Advocate（阻断）、SEO Advisor（建议）。精简 3 评审模式为：AI-Tell Judge（阻断）、Voice Judge（阻断）、Platform Judge（建议）。任一阻断评审不通过，需修复后仅重跑该评审，通过后再继续。
系统还提供 AI 写作痕迹规避清单，包括禁用关联句式、特定词汇与短语、戏剧化对比揭示、断奏与三重形容词等模式，并规定用带空格的连字符而非长破折号、正文不用 emoji、文章不用加粗强调。项目按 sources、drafts 与 TRACKING.md 组织，跟踪表记录每篇的素材、钩子、草稿及各评审状态。具体安装与运行命令暂未提供。