garveyhu loop-harness —— 高质量自主迭代 loop 的脚手架 + harness
让一个 agent 跑很多轮、自己选最高价值的事推进、不漂移、不注水、不失控、断了能续。把「一次性做完」的任务，变成「持续累积逼近顶级」的 loop。
实证基础：一个 100 轮的自主优化 loop 跑下来，结构被验证与业界最佳实践同构——Ralph loop（文件即记忆+每轮 fresh context）+ BabyAGI（优先级与执行分离）+ Anthropic evaluator-optimizer（对抗验证）+ Reflexion（日志=言语反思记忆）。本 skill 是这套方法论的可复用封装。
1 · 何时用 / 不适用
用：一件事靠多轮累积、不可能一次做到位——持续优化某系统、审计大代码库、跑大迁移、把一条内容/产品打磨到顶级、长期调研追踪。特征：有北极星（长期目标）、有会增长的 backlog（开放项不断冒）、单轮做不完、越迭代越好。触发：「让它自己一直迭代 / 持续优化 / 建个 loop 任务 / babysit 这个」。
不适用：一次性能做完的任务（直接做，别套 loop）；目标模糊到无法定义「什么算做对了」的（先 brainstorm 出验证标准再说·见 brainstorming）；纯执行确定步骤的（写个脚本）。
2 · 两个 harness 命门（先立这两根柱子，其余都是外壳）
研究的最高结论——只保两件也能跑，缺这两件必翻车：
命门 ① · 外部客观验证门（解决 客观验证 + 诚实 + 停止判据 三件事）
每个 loop 任务必须绑一个「可执行的二元成功检查」——脚本退出码 / 测试套件 / 真测产物 / 抽帧 / API 真调 / 数值实算。agent 报这个检查说什么，不报它自己以为什么（铁律原文：「report what the script says, not what it thinks」）。
- 为什么命门：研究证明 LLM-as-judge 当唯一验证门，单个无意义 token 就能骗到 80% 假阳性。agent 评判自己的产出 = 系统性注水的温床。
- 怎么落：立项时就为北极星写一个可执行的成功判据（哪怕粗）。每轮产出跑它、贴它的真实输出。禁止以「我觉得做完了 / 应该没问题」收尾。配
verification-before-completion。
命门 ② · 进度检测驱动的停止/升级（非步数）
靠「停滞检测」判停，不靠步数上限——连续 N 轮无新进展 / 重复同一任务 2–3 次 / 本轮 state 与上轮相似度过高 → 判停滞 → 升级求人（不是默默空转）。
- 为什么命门：纯
max-iterations会让 agent 在上限内空转烧钱不报警（「你要的不是 step limit，是 progress detection」）。 - 怎么落：每轮结束自问「这轮有没有产生可验证的新进展（过了验证门的新东西 / 新发现 / 排除了一个选项）？」连续 2 轮没有 → 停下来把「卡在哪、试过什么、要什么」抛给人。
3 · 三件套文件（文件即记忆 · 每轮 fresh context）
loop 的状态全在磁盘文件，不靠 agent 记忆（每轮可以是全新上下文，靠重读文件还原）。固定三件套，放一个 loop 工作目录（如 _<任务名>/）：
| 文件 | 角色（记忆 scope） | 纪律 |
|---|---|---|
00-任务书.md |
指挥中枢·北极星 + 审视方向 + 边界铁律 + 每轮流程 + 验证门 + 停止判据（semantic memory·每轮第一必读） | 只战略级改（改它=改方向）。别让 agent 每轮重写它（反复改写=语义漂移丢真） |
01-台账.md |
backlog·开放项 + 优先级 + 依赖 + 状态 + 价值（每轮选最高优先未完成项·BabyAGI 优先级表） | 完成项打勾/归档·新发现追加·append 为主·一处「当前轮次」滚动摘要 |
02-迭代日志.md |
言语反思记忆·每轮做了什么 + 验证结果 + 坑 + 下一步（episodic memory·Reflexion） | append-only 倒序（最新在最上·用 date 取时间）·永不改写旧条目（改写=漂移） |
为什么文件驱动够用、不用上向量库/MemGPT：研究证实「文件系统当记忆 + 每轮 fresh context」对长跑足够且更稳，向量检索只在 backlog/知识超大才需要。三个 markdown 文件就是正解。
4 · 创建一个 loop 任务（scaffolding · 立项五步）
- 定北极星 + 验证门（最重要·别跳）：一句话长期目标 + 一个可执行的二元成功判据（「什么算逼近了？跑什么能客观看出来？」）。验证门定不出来 = 目标太模糊，先
brainstorming。 - 写
00-任务书.md（模板见reference/taskbook-template.md）：北极星 / 每轮审视方向（多智能体并行防片面）/ 边界铁律（不可逾越的红线·写死在 agent 改不到的位置）/ 每轮流程 / 停止判据三类（见 §6）/ 产出去哪。 - 建空
01-台账.md+02-迭代日志.md（模板见reference/）：台账先填初始 backlog（带优先级/价值）。 - 挂运行时（见 §7）：会话内连续跑用
/loop；要跨会话/云端定时用/schedule。 - 跑第一轮做样板：亲自跑一轮，把「读→选→做→验→记」走通，校准验证门真能跑、台账格式顺手，再交给 loop 自动跑。
5 · 每轮协议（per-round · 严格按序）
① 读 00-任务书 + 01-台账 → 锚定北极星 + 边界铁律 + 验证门
② 选最高优先未完成项（优先级决策 ≠ 谁执行·分离·防挑软柿子见 §6.4）
③ 派多智能体协作（建造员/审视员/对抗评估员·防片面·见 dispatching-parallel-agents）
④ 落地（改/重构/真做）→ 能力沉淀到该沉淀的地方（不散落一次性脚本）
⑤ ★过验证门（跑那个可执行检查·贴真实输出·不报自评）+ 对抗评估
⑥ 更新 01-台账（翻牌/追加）+ append 02-迭代日志（倒序·date·诚实标完成度+坑）
⑦ 进度检测（§2②）：有可验证新进展？没有连续 2 轮 → 停下求人。否则下一轮。
6 · harness 六铁律（把命门 + 防坑固化成规则）
- 外部客观验证门（命门①）：报脚本不报自评·禁「我觉得做完了」收尾。
- 进度检测停止/升级（命门②）：停滞即求人·非步数。
- append-only 防漂移：台账/日志倒序追加·永不改写旧条目/反复重写摘要（semantic drift 会逐次丢真）；单一事实源（任务书）只战略级动。
- 反挑软柿子：优先级决策独立于执行。规则——连续 N 轮回避某高价值项 → 本轮强制处理、或在日志显式记录「为何跳」（不许默默只挑容易的）。配反占位硬指令「要全实现不要占位/简化实现」。
- 诚实铁律：每项标真完成度 + 真验证结果 + 坑；做不到说做不到·不注水；负面结论（试了不成立）照实记——负面结论是有价值的 learning，不是失败。
- 停止判据三类（立项就定·写在 agent 改不到的位置）：① success stop（验证门过 + backlog 清）② failure stop（不可恢复错 / 重试 2–3 次超限 / 显式判卡住）③ budget stop（轮数/token/wall-clock 硬上限·兜底防失控烧钱）。三类缺一就有 runaway 风险。
7 · 运行时底座（本 skill 不重造调度·复用现成）
- 会话内连续跑 →
/loop（递归把 prompt 喂回去·会话关了就停）。loop 的 prompt = 「读任务书+台账 → 按每轮协议推进一项 → 更新台账+日志 → 不喊停继续」。 - 跨会话/云端定时 →
/schedule（CronCreate·云端 cron·关了会话还在跑）。注意：长跑 loop 烧 token，定时间隔别太密；budget stop 兜底。 - 停：用户喊停 / 触达停止判据 →
CronDelete撤掉定时任务（别让它继续打断）。
8 · 记忆管理（三 scope · 防漂移）
| scope | 存哪 | 例 |
|---|---|---|
| semantic（事实/偏好/边界） | 任务书边界铁律 + 项目 CLAUDE.md + 持久 memory |
「这条频道无人设·固定音色」 |
| episodic（过往轮次发生了什么） | 迭代日志（倒序 append） | 「r92 试了 X·验证门抓到 Y·撤回」 |
| procedural（学到的命令/打法） | 任务书「每轮流程」+ 沉淀进 skill | 「死帧用 freezedetect -62dB 判」 |
防 semantic drift 的两条（研究重点警告）：① 日志/台账 append-only，别反复改写同一段摘要（增量改写逐次丢真）；② 单一事实源（任务书）只在战略级改，别每轮微调。
9 · 避开的三个坑（研究实锤）
- ❌ 把 LLM-judge / 「输出 'complete' 字符串」当唯一停止或验证门——假阳性可达 80%、单 token 可骗、exact-string 公认不可靠。必须有客观可执行 gate 兜底。
- ❌ 只设步数上限、不做进度检测——会在上限内空转烧钱不报警。
- ❌ 反复改写摘要/单一事实源——semantic drift 逐次丢真。append-only + 单一事实源只战略级动。
10 · 配套 skill（组合用）
立项头脑风暴 brainstorming · 写计划 writing-plans · 多智能体并行 dispatching-parallel-agents · 子agent 驱动 subagent-driven-development · 完成前验证 verification-before-completion · 系统化调试 systematic-debugging。
模板与深档见
reference/：taskbook-template.md（任务书模板）·ledger-log-templates.md（台账+日志模板）·verification-gate.md（怎么为不同任务设可执行验证门）·field-notes.md（100 轮实战踩坑笔记）。