LifeOS `/loop` 迭代改进循环：用多轮 Algorithm 周期把目标精炼到理想状态

LifeOS/loop迭代改进循环用多轮 Algorithm 周期把目标精炼到理想状态【免费下载链接】LifeOS⛰️ The Life Operating System — an intent engineering platform that moves you from your current state to your ideal state, in life and work.项目地址: https://gitcode.com/GitHub_Trending/pe/LifeOS导读本文讲解 LifeOS 中的/loop命令——一个以同一目标为中心、连续运行多个完整 Algorithm 周期OBSERVE→LEARN的迭代精炼工具。它适用于技能、提示词、流程图、文本等一次跑不完、跑多轮才显著变好的工作通过 ISC 标准的逐轮演化、死胡同台账Dead Ends ledger和人类审阅节点让每一轮都从上一轮结束的地方继续。读完本文你将掌握/loop的完整参数、autoresearch 自主迭代模式、MAD 置信度判据以及它与/optimize的根本差异并理解其在 ISA 中的落地机制。什么是/loop把 Algorithm 当循环跑的迭代原语/loop是 LifeOS 技能体系skills/Loop/SKILL.md中用于迭代改进的入口。它将 Algorithm 以循环方式运行对同一个目标执行多次完整的 Algorithm 周期articulate → climb → verify → learn每一次迭代都建立在上一次的基础上。它与/optimize的关键区别在于/optimize是自主突变循环——在一个可度量的分数驱动下自动执行 HYPOTHESIZE → MUTATE → MEASURE → DECIDE → COMMIT-OR-REVERT 的内层实验循环见 archive/modes/optimize.md/loop跑的是完整的 Algorithm 周期并且在周期之间保留人工审阅/转向的缝隙——默认模式下每一轮之间由人来确认或重定向除非显式开启 autoresearch 模式。从更深的架构看/loop在 Algorithm 历史上被定义为Algorithm 延续行为 强制目标锚点的统一迭代原语见 archive/modes/loop.mdAlgorithm 本身就是迭代体Loop 只是给它加上了继续跑下去直到停机条件的行为。要解决的问题为什么一轮跑不完、手跑又会丢线索有些工作不是一次完整周期就能做完的。一个技能、一个提示词、一张图、一篇写作每次完整跑一轮都会变得更好——但前提是每一轮都记得上一轮学到了什么、已经试过什么。如果手工跑这些周期线程就会断掉你会重新探索已经证明走不通的死路你会忘记哪些方案已经被否决你没有任何记录来确认分数是否真的在移动。/loop把ISC 标准和死胡同台账跨迭代地携带下来保证每一轮都从上一轮结束的地方起步。ISCIteration Success Criteria迭代成功标准会在迭代之间演化——上一轮的学习成果直接塑造下一轮的脚手架ISAIteration State Artifact迭代状态工件则跟踪迭代次数与累计改进量。工作原理每一轮都是完整的 Algorithm 周期/loop的每次迭代都是一个完整的 Algorithm 周期articulate → climb → verify → learn并伴随以下机制ISC 标准在迭代之间演化——每轮的 learn 结果进入下一轮的脚手架scaffoldISA 跟踪迭代次数与累计改进——iteration字段记录周期数人类在迭代之间批准或重定向——除非启用了 autoresearch 模式。在 Algorithm v8 的语境下见 v8.20.2.md一个运行run就是 Loop 应用一次ISA 既是那座山也是测量工具——它以断言claims的形式表达理想状态每个 claim 都命名一个能证伪它的工具探针于是规格本身就是测试套件证据就是海拔。/loop则是在这个基础上把run重复应用多次且每次重新进入 Algorithm 时都携带此前迭代累积的上下文。命令调用与完整参数说明基本调用/loop --target path/to/target --iterations 5 /loop --target ~/.claude/skills/Art/Workflows/TechnicalDiagrams.md --goal make diagrams more consistent /loop --resume # 恢复上一次 loop /loop --status # 显示迭代历史参数一览参数必填默认值说明--target PATH是要改进的对象文件、目录、技能--goal TEXT否推断对这个目标而言更好意味着什么--iterations N否3Algorithm 周期的最大轮数--resume否恢复上一次 loop--status否显示迭代历史--autoresearch否off自主模式需显式开启——见下文参数设计要点--target是唯一必填项--goal缺省时由系统推断--iterations默认只有 3 轮因为每轮都是完整的 Algorithm 周期成本可观见注意事项。--resume与--status让 loop 具备可恢复性——尤其对长周期或中断后的继续运行至关重要。Algorithm 集成iteration字段与mode:的退役在 ISA 中/loop通过iteration字段追踪周期数。需要特别强调的是mode:字段已退役永远不要在新 ISA 中写入它。这一约定在 ISA 格式文档中有明确依据ISAFormat.md 的字段规则中mode、effort、algorithm_config等均被标记为retired退役不再写入新 ISA。iteration字段的规则是首次运行时不写第一次续跑时设为2之后每次续跑递增由 hook 在 reopen 时负责写入。当前 Algorithm v8 是单一自适应格式不再有 mode 分层系统所有工作走同一种 ISA 形状/loop通过命令入口显式触发而非通过 ISA 上的mode标记路由。作为历史参考在 2026-05-13 的 mode 体系现已退役存档中loop 曾通过 ISA frontmatter 的loop_config:块声明停机条件、上下文纪律、运行基板与监督方式并配套## Iteration History节记录每一轮的开/闭 claim 与增量摘要详见 archive/modes/loop.md。这些设计仍以存档形式保留在LIFEOS/ALGORITHM/archive/目录中对理解/loop的底层意图有参考价值。Autoresearch 模式可选的自主迭代--autoresearch将/loop从受监督的多轮改进切换为自主迭代借用了开源项目 pi-autoresearchdavebcn87MIT 协议的三个模式1. 轮次之间无人工审阅每轮迭代的 LEARN 阶段直接馈入下一轮的 OBSERVE。循环持续运行直到达到--iterations上限、目标达成或被显式中断。2. 死胡同台账Dead Ends ledgerISA 维护一个## Dead Ends小节。每轮失败的迭代追加一行记录被否决的方案与原因。恢复resume时读取该台账避免重试已被否决的路径——这正是解决手工循环会重新探索死路问题的机制。3. 迭代分数的 MAD 置信度判据如果目标有可测量的分数则每轮计算|delta| / MAD(iteration_scores)MAD 为中位数绝对偏差median absolute deviation。当该比值 1.0×即相对分数波动中位水平而言变化过小时将该轮标记为处于噪声底线noise-floor记为marginal不更新基线——避免把随机波动误判为真实改进。此判据对应 optimize-loop.md 中已存档的 Confidence Gating 思想。调用示例/loop --target path --goal X --iterations 20 --autoresearch注意默认/loop行为完全不变——autoresearch 只是 opt-in。它面向人工逐轮审阅太慢的场景典型用途是过夜批量运行让机器在一夜之间自动迭代 20 轮次日早晨由人来审阅最终结果。实战示例/loop --target ~/.claude/skills/Research --goal improve output quality --iterations 5 /loop --target prompts/summarize.md --goal more concise, less filler第一个示例改进整个技能目录跨多文件、多工作流的系统性改进第二个示例针对单个提示词文件做收敛式精炼更简洁、少废话这类质量标准正好适合逐轮让 ISC 标准朝更精确的质量定义演化。迭代之间发生了什么ISA 的延续机制要让每一轮从上一轮结束处继续真正成立ISA 必须承载跨迭代的状态。从历史 loop 设计archive/modes/loop.md与 ISAFormat.md 可以梳理出如下机制## Iteration History节每轮追加一条有界摘要——本轮关闭/仍然打开的 ISC、增量如 2 ISCs passing、约 80 token 的摘要。恢复运行时读取最近 1-2 条条目即可而不必重读完整转录停机条件halt conditions历史上通过loop_config声明多种停机方式——迭代次数上限count、可求值的完成谓词condition如所有 ISC 通过、无改进检测asymptote参照/loop --autoresearch的 MAD 方式检测 delta 低于阈值、时间/轮次预算budget、以及始终开启的用户中断user_halt。当前实现中--iterations即是迭代上限--resume/--status提供历史读取能力ISA 不变性无论是一次性 Algorithm、受监督 Loop 还是自主 LoopRunnerISA 都是同一个工件——同一路径、同一结构Loop 的添加物迭代计数、历史节都是纯增量不替换、不分支。ISC ID 跨迭代保持稳定绝不复编号目标锚点的不可变principal_stated_goal在第一轮锁定后续迭代不能改动它目标漂移必须由用户显式修订。注意事项Gotchas每轮都是完整的 Algorithm 周期。每轮是一次完整的 OBSERVE→LEARN 通路在时间和 token 上都相当昂贵。--iterations默认只有 3是有意为之的保守值。设定清晰的退出条件。没有退出条件的循环可能无限运行。通过--iterations设上限或让目标本身具备可判定的完成标准。轮次之间的人工审阅不要跳过。审阅环节就是反馈机制——默认模式下它是保证改进方向正确的关键。只有当审阅成为瓶颈如过夜运行时才考虑 opt-in 的--autoresearch。延伸阅读技能定义与元数据skills/Loop/SKILL.mdAlgorithm 当前核心文档The Loop、ISA 作为山与工具、run 完成条件v8.20.2.mdLoop 模式历史存档loop_config、Iteration History、停机条件、fresh-context 基板archive/modes/loop.mdOptimize 模式存档与/loop对比、参数预设archive/modes/optimize.mdLLM-as-Judge 评估指南ISC 标准编写、3 问测试、突变分类学eval-guide.mdISA 字段规则与格式iteration字段、退役字段清单ISAFormat.md【免费下载链接】LifeOS⛰️ The Life Operating System — an intent engineering platform that moves you from your current state to your ideal state, in life and work.项目地址: https://gitcode.com/GitHub_Trending/pe/LifeOS创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考