🚀 LoopX удерживает ИИ-агента в одной задаче более 200 часов
🚀 LoopX удерживает ИИ-агента в одной задаче более 200 часов Главная проблема долгих агентных сценариев - ограниченный контекст. Модель забывает решения, теряет цель, повторяет работу и не понимает, что делать после ожидания, ревью или смены сессии. LoopX выносит состояние за пределы LLM и хранит его в отдельной контрольной плоскости: - цель и ограничения; - текущие задачи и ответственных; - решения, требующие участия человека; - доказательства выполненной работы; - квоты и расписание запусков; - handoff для восстановления после смены модели, сессии или хоста. Каждый запуск агента ограничен конкретным шагом. После выполнения он записывает результат, доказательства и следующую задачу. Затем LoopX решает: продолжать, ждать внешнего события или запросить решение человека. В открытых демонстрациях циклы исправления Issue/PR в OpenViking и AutoML-эксперимента сохраняли состояние более 200 часов. Это время всей траектории с ожиданием, ревью и повторными запусками, а не непрерывная работа модели. По сути, LoopX - это Kanban-доска, превращённая в систему выполнения для агентов. Её состояние напрямую определяет следующий допустимый шаг. Поддерживаются Codex, Claude Code, Cursor, OpenCode и собственные рантаймы. Проект распространяется по лицензии MIT. https://github.com/huangruiteng/loopx #AI #AIAgents #OpenSource #Codex #ClaudeCode #Automation
Канал в каталоге Максиметера
1 221 подписчиков · IT и технологии