AgentLoop
AgentLoop est un flux de travail d'agent local qui transforme un objectif borné en code livré en exécutant de nouveaux travailleurs Codex à chaque cycle, en appliquant une grille d'évaluation critique indépendante et en utilisant les fichiers de votre projet comme mémoire durable avec une observabilité et un contrôle complets.
https://agentloop.tools/?ref=producthunt&utm_source=aipure
Informations sur le produit
Mis à jour:Jul 24, 2026
Qu'est-ce que AgentLoop
AgentLoop est un système axé sur les développeurs pour automatiser le "travail de relais" du codage itératif avec l'IA – planifier une fois, puis passer à plusieurs reprises entre l'implémentation, la révision et les corrections jusqu'à ce que vos normes soient respectées. Construit comme un projet de la semaine de construction OpenAI et publié comme un outil local (sous licence MIT), il s'exécute là où votre code réside et est conçu pour de vraies tâches logicielles comme les fonctionnalités, les migrations, les refactorisations et les passes de renforcement. Au lieu de s'appuyer sur un long contexte de chat dérivant, AgentLoop maintient l'objectif et les critères d'acceptation stables (par exemple, dans goal.md et GUIDELINES.md) et produit des journaux de cycle vérifiables afin que vous puissiez voir exactement ce qui s'est passé et arrêter ou diriger si nécessaire.
Caractéristiques principales de AgentLoop
AgentLoop est un outil de flux de travail d'agent local-first, orienté développeur, qui supprime le "relais humain" entre la planification et l'exécution en exécutant des cycles répétés travailleur→critique jusqu'à ce qu'une grille d'évaluation définie par l'utilisateur soit atteinte. Vous définissez un objectif borné et une "définition de l'achèvement" (par exemple, dans GUIDELINES.md), puis AgentLoop déploie de nouveaux travailleurs basés sur Codex à chaque cycle pour implémenter les changements directement dans votre référentiel réel, exécute des vérifications/tests, et utilise un critique indépendant pour examiner les résultats et alimenter la prochaine itération avec des corrections concrètes. Il met l'accent sur l'observabilité (tableau de bord en direct, transcriptions, verdicts, relecture), la fiabilité (contexte frais à chaque cycle + fichiers comme mémoire), et le contrôle (budgets de cycle, annulation, conditions d'arrêt basées sur la grille d'évaluation), avec une architecture qui maintient la planification séparée de l'exécution locale via MCP et vise à rester enfichable au moteur.
Nouveau travailleur à chaque cycle: Chaque itération s'exécute dans un contexte propre et frais pour réduire la dérive progressive de l'invite, tout en progressant via les fichiers du projet comme source de vérité durable.
Critique indépendant avec des verdicts basés sur la grille d'évaluation: Un critique distinct examine la sortie du travailleur par rapport à vos normes (stockées dans des fichiers comme GUIDELINES.md) et renvoie des corrections concrètes ; la boucle continue jusqu'à ce que le critique produise un verdict PASS/niveau d'expédition.
Exécution locale-first dans votre référentiel réel: S'exécute là où votre code réside (nécessite Node.js 18+, Git, CLI Codex authentifié) afin que les changements, les tests et les preuves soient produits directement dans l'environnement de projet réel – aucun espace de travail hébergé n'est requis.
Cycles d'agents observables et rejouables: Fournit un tableau de bord et des journaux pour inspecter la transcription de chaque cycle, les résultats des outils, les coûts et les transferts de fichiers, ainsi que des outils de relecture pour comprendre ce qui s'est passé et pourquoi.
Objectifs bornés, budgets et conditions d'arrêt: Vous définissez un objectif clair et des critères d'acceptation, plafonnez les itérations avec un budget de cycle et pouvez annuler les exécutions – en maintenant l'autonomie contrainte et adaptée à la production.
Limite MCP et direction enfichable au moteur: Utilise MCP pour maintenir la planification séparée de l'exécution locale et maintenir une limite claire pour l'échange/l'ajout de moteurs au fil du temps (Codex-first aujourd'hui, un support plus large implicite comme feuille de route).
Cas d'utilisation de AgentLoop
Livraison autonome de fonctionnalités dans les équipes logicielles: Livrez des fonctionnalités de bout en bout (UI + API + tests + docs) en donnant à AgentLoop un objectif borné ; les travailleurs implémentent, les critiques appliquent la qualité, et la boucle itère jusqu'à ce que la grille d'évaluation indique PASS.
Correction de bugs avec durcissement de régression: Triez et corrigez les défauts où les "tests verts" ne suffisent pas : le critique peut détecter des problèmes subtils, exiger une couverture de régression et piloter des améliorations itératives jusqu'à vérification.
Passes de durcissement de sécurité et de qualité: Exécutez un objectif de durcissement ciblé (par exemple, gestion des entrées, cas limites, robustesse) avec une révision pilotée par le critique pour s'assurer que les changements répondent à des normes explicites et ajoutez des tests pour les faiblesses découvertes.
Migrations et refactorisations de bases de code: Exécutez des refactorisations ou des migrations en plusieurs étapes qui nécessitent normalement une surveillance (modifier les fichiers, exécuter les tests, ajuster en fonction des échecs) en laissant la boucle gérer les cycles répétés et la collecte de preuves.
Productivité des développeurs pour les constructeurs solo et les startups: Remplacez de grandes quantités d'orchestration personnalisée et d'allers-retours manuels entre les outils de planification et les agents de codage par une boucle travailleur/critique reproductible et une observabilité claire.
Avantages
Fiabilité basée sur la grille d'évaluation : un critique indépendant et des normes explicites de type GUIDELINES.md aident à éviter que le "terminé" ne soit basé uniquement sur des tests réussis.
Local-first et transparent : s'exécute dans le référentiel réel avec une forte observabilité (tableau de bord, transcriptions, relecture), ce qui facilite la confiance et l'audit des changements.
Les cycles à contexte frais réduisent la dérive : le redémarrage des travailleurs à chaque cycle peut améliorer la cohérence et réduire les erreurs cumulatives sur de longues exécutions.
Inconvénients
Contraintes de configuration et de dépendances : nécessite Node.js 18+, Git et un CLI Codex authentifié ; l'utilité dépend de la mise en place de cet environnement.
Coût et temps d'itération : l'autonomie basée sur la boucle peut consommer plus de cycles (et donc de jetons/calcul) que les flux de travail en un seul passage, en particulier sur des tâches complexes.
Non idéal pour les flux de travail déterministes : les séquences fixes et prévisibles peuvent être mieux servies par des pipelines simples sans la surcharge d'une boucle d'agent.
Comment utiliser AgentLoop
1) Définir un objectif borné et des critères d'acceptation: Notez exactement ce que vous voulez qu'AgentLoop accomplisse (une fonctionnalité, une migration, une passe de renforcement, un polissage) et assurez-vous qu'il est borné. Définissez également votre "définition de terminé" comme une grille d'évaluation (ce qui doit être vrai pour un PASS). Le site AgentLoop suggère de planifier une fois (par exemple, dans ChatGPT) puis de donner à AgentLoop un objectif clair et des normes.
2) Mettez votre grille d'évaluation dans GUIDELINES.md: Créez ou mettez à jour un fichier nommé GUIDELINES.md dans votre projet (ou dans le répertoire de travail d'AgentLoop, selon la façon dont vous l'exécutez). Ce fichier est traité comme la norme persistante : il est lu à chaque cycle et utilisé par le critique pour décider PASS/FAIL (par exemple, "Tous les tests doivent passer", "Ajouter une couverture de régression pour chaque défaut", "Les documents correspondent au résultat").
3) Préparez votre environnement local: Assurez-vous d'avoir Node.js 18+, Git et un CLI Codex authentifié disponibles (les instructions locales d'AgentLoop les exigent explicitement).
4) Cloner AgentLoop: Exécutez : git clone --branch v1.1.0 --depth 1 https://github.com/aiedwardyi/AgentLoop.git
5) Entrez dans le répertoire AgentLoop: Exécutez : cd AgentLoop
6) Démarrez le démon local là où votre code réside: Exécutez le processus démon (comme indiqué dans les instructions officielles) : node src\daemon.js. Cela démarre AgentLoop localement afin qu'il puisse opérer sur les fichiers dans l'environnement de projet réel.
7) Fournissez la demande de travail (objectif) à AgentLoop: Donnez à AgentLoop un énoncé d'objectif concret (exemple du site : "Ajouter l'exportation CSV à travers l'interface utilisateur, l'API et la suite de régression."). Gardez-le borné et aligné avec la grille d'évaluation dans GUIDELINES.md afin que le critique puisse évaluer l'achèvement.
8) Définissez un budget de cycle/itération (recommandé): Configurez un petit budget de cycle afin que la boucle ne puisse pas s'exécuter indéfiniment (le site montre un exemple "budget de cycle : 3"). Cela reflète la meilleure pratique courante des boucles d'agents : plafonner les itérations/tours ou le budget pour contrôler les coûts et le temps d'exécution.
9) Laissez AgentLoop exécuter ses cycles travailleur→critique: AgentLoop va répéter : (a) envoyer l'objectif à un nouveau processus de travail, (b) faire en sorte que le travailleur modifie les fichiers locaux et exécute les commandes/tests du projet, (c) faire en sorte qu'un critique indépendant examine les résultats par rapport à GUIDELINES.md, et (d) alimenter les commentaires du critique dans le cycle suivant s'il échoue.
10) Utilisez les fichiers comme mémoire persistante entre les cycles: La conception d'AgentLoop met l'accent sur "un nouveau contexte à chaque cycle" tandis que "les fichiers font avancer le travail". Assurez-vous que le travailleur écrit des preuves dans le dépôt (modifications de code, tests, documents, journaux) afin que le cycle suivant puisse s'appuyer dessus sans dépendre d'un long historique de chat.
11) Surveillez les progrès et les sorties d'observabilité: Suivez les verdicts cycle par cycle (PASS/FAIL), les transcriptions et les coûts/reçus via les fonctionnalités de tableau de bord/relecture décrites sur le site. C'est ainsi que vous maintenez la visibilité tout en exécutant sans surveillance.
12) Arrêtez ou annulez si nécessaire: Si l'exécution dévie ou si vous souhaitez l'arrêter prématurément, annulez depuis le tableau de bord (le site mentionne explicitement l'annulation depuis le tableau de bord).
13) Confirmez l'achèvement par le verdict final du critique: Une exécution est considérée comme terminée lorsque la dernière ligne du critique indique "VERDICT : PASS" conformément à GUIDELINES.md. Le flux d'AgentLoop est explicitement basé sur la grille d'évaluation : vos normes décident de ce qui est terminé.
14) Examinez les modifications finales et livrez: Une fois PASS, examinez les modifications de code/tests/documents résultantes dans votre projet local et poursuivez votre flux de travail de livraison normal (commit, PR, release), en utilisant les journaux de cycle et les reçus du critique comme preuves à l'appui.
FAQ de AgentLoop
AgentLoop est un outil de boucle d'agent local-first (un projet OpenAI Build Week 2026) qui vous permet de définir un objectif borné et des normes d'acceptation une seule fois, puis il exécute des cycles répétés en utilisant de nouveaux travailleurs Codex et un critique indépendant pour améliorer votre projet local jusqu'à ce qu'il réponde à votre grille d'évaluation.
Vidéo de AgentLoop
Articles populaires
Atoms : Une plateforme d'IA multi-agents qui transforme les idées en produits prêts à être lancés
May 22, 2026
Nano Banana SBTI : Qu'est-ce que c'est, comment ça marche et comment l'utiliser en 2026
Apr 15, 2026
Atoms : L'outil de création de produits IA qui redéfinit la création numérique en 2026
Apr 10, 2026
Kilo Claw : Comment déployer et utiliser un véritable agent d'IA "Faites-le pour vous" (Mise à jour 2026)
Apr 3, 2026
Derniers outils d'IA similaires à AgentLoop
Gait
Gait est un outil de collaboration qui intègre la génération de code assistée par l'IA avec le contrôle de version, permettant aux équipes de suivre, comprendre et partager efficacement le contexte du code généré par l'IA.
invoices.dev
invoices.dev est une plateforme de facturation automatisée qui génère des factures directement à partir des commits Git des développeurs, avec des capacités d'intégration pour GitHub, Slack, Linear et les services Google.
EasyRFP
EasyRFP est un outil de calcul en périphérie alimenté par l'IA qui rationalise les réponses aux RFP (demande de proposition) et permet le phénotypage des champs en temps réel grâce à la technologie d'apprentissage profond.
Cart.ai
Cart.ai is an AI-powered service platform that provides comprehensive business automation solutions including coding, customer relations management, video editing, e-commerce setup, and custom AI development with 24/7 support.
Outils d'IA populaires comme AgentLoop
GitHub Copilot Chat
GitHub Copilot Chat est un assistant de codage alimenté par l'IA qui fournit des interactions en langage naturel, des suggestions de code en temps réel et un soutien contextuel directement dans les IDE pris en charge et sur GitHub.com.
CopilotForXcode
CopilotForXcode est une extension d'Éditeur de Source Xcode qui intègre GitHub Copilot, Codeium et ChatGPT pour fournir des suggestions de code alimentées par l'IA, une assistance par chat et une fonctionnalité de prompt-à-code au sein de Xcode.
BrowserAI
BrowserAI est une bibliothèque open source qui permet d'exécuter des grands modèles de langage (LLM) locaux directement dans les navigateurs Web avec l'accélération WebGPU, offrant des capacités d'IA axées sur la confidentialité sans nécessiter d'infrastructure de serveur.
OpenAI Codex CLI
OpenAI Codex CLI est un agent de codage open source léger qui s'exécute dans votre terminal, permettant aux développeurs de traduire le langage naturel en exécution de code tout en fournissant un raisonnement de niveau ChatGPT avec la possibilité d'exécuter du code, de manipuler des fichiers et d'itérer sous contrôle de version.