用途：Iterative Loop 实现持续 AI 驱动的开发循环，反复执行构建—测试—修复，直到满足完成标准。核心思路是迭代优于一次完美、失败即数据、标准须可客观衡量、坚持重试。
主要能力：支持测试驱动迭代、Bug 修复迭代、覆盖率提升迭代、性能优化迭代等模式；可结合 Claude Flow 用 memory store/search 保存与检索迭代状态，用 hooks pre-task/post-task 记录任务，用 swarm init 并行多智能体迭代。
使用方式：先定义可衡量的成功标准（如 npm test 退出码 0、覆盖率 >80%、tsc --noEmit 返回 0、eslint 返回 0、性能 <100ms），再把任务拆成阶段，并设置安全机制（最大迭代次数、卡住检测、严重错误即停）。每轮读取上次状态、实现改动、运行验证、分析结果并规划下一轮，全部通过后输出完成标记。示例命令：npx --no-install ruflo memory store --key "iteration-auth" --value '{"iteration": 1, "maxIterations": 20, "criteria": "all tests pass"}' --namespace iterations。
适用场景：有明确可测成功标准的任务、TDD、可复现 Bug 修复、覆盖率提升、性能优化、lint/格式化修复。
限制：不适合需要人类判断、设计决策、模糊主观目标、一次性操作或无测试的生产调试。前置条件包括带会话管理的 Claude Code、清晰完成标准与 git 版本控制。资料未提供具体收费、价格与平台支持信息。