loop-coding 是一个用于编排实现密集型编码工作的技能,主要面向迁移、大型重构、重写、多文件功能开发、认证/API 改造和系统重建等任务。(资料中部分专有名词和流程名称保持原文。)
主要用途:把大型编码任务拆成严格顺序的七个阶段——研究、审计、规划、实现、评审、修复循环、交付。每阶段产出独立工件并更新进度条。
主要能力:脚本优先,凡是能形式化为 shell/python 脚本的步骤就写成脚本而非调用 AI;AI 只负责生成子代理提示、读取合并工件、做判断、写代码和评审代码。模型分工为研究阶段并行使用 Sonar 与 Sonnet,审计与规划仅用 Codex GPT-5.5,实现与修复用 Opus 子代理,评审是唯一的双模型并行阶段(Codex + Opus),脚本合并输出并把分歧标为风险。内置 GitHub 与 skills.sh 选型、外部技能安全扫描与租用、子技能自动生成、测试策略等。修复循环最多 3 轮,未收敛则升级;部署 staging 自动、生产需显式批准。
使用方式:每次调用创建 run 目录 ~/.claude/loop-coding-runs/{YYYY-MM-DD}-{task-slug}/,命令示例:RUN_DIR=$(bash scripts/init-run.sh "cognee-migration"),bash scripts/phase-1-research.sh "$RUN_DIR" "migrate to Cognee graph RAG",bash scripts/parallel-review.sh audit "$RUN_DIR"。
适用场景:迁移、重写、跨文件大功能、认证/API 改造、系统重建等。单个 bug 修复、拼写纠正、单文件编辑、仅规划讨论、文档更新不触发;小任务 50-300 行/1-3 文件/单子系统可用 fast-loop-coding。
限制:资料未提供具体的价格、平台支持范围或效果数据;脚本与路径以本地 ~/.claude/ 目录为前提。