让 AI 编码助手”修一个 bug”人人都会,难的是让团队第一百次修 bug 的时候,走的还是同一条路:先出方案、再写码、独立审查、跑测试、人工签字,然后才合并。腾讯上周开源的 LoopForge 干的就是这件事——它不自己写代码,它管流程。我在 M4 Mac 上用它的 Local 版装进了 Codex 和 opencode,用完全免费的模型真跑通了一条从需求到知识沉淀的完整交付线,也把”多角色 SOP 到底烧多少 token”这笔账算清楚了。
LoopForge 是什么:一个管”交付”的平台
LoopForge 是腾讯开源的自托管编码 Agent 交付平台,MIT 协议(GitHub API 实查 1,511 star / 271 fork,最新稳定版 v0.3.8 于 11 月 12 日发布,11 月 14 到 16 连续三天上了 GitHub Trending)。官方称它已在腾讯内部 20 多个部门部署,每月跑 200 多个需求和例行工单。它和我之前测过的 Bernstein 解决的是两个层面的问题:Bernstein 给单个 CLI 会话加可离线验证的审计链,LoopForge 管的是从需求到合并的整条交付流水线。
它有两层形态:
- 平台版:
./start.sh起 Docker 全家桶(MySQL + 平台服务),带聊天工作台、可视化 SOP 设计器、人工审批收件箱、成本报表。同一个需求不管从聊天来还是从 SOP 来,都挂到同一条需求追踪线上。 - Local 版:不想起服务器的话,
npx loopforge-cli一条命令把内置交付工作流直接装进你已有的编码 CLI——Claude Code、Codex、CodeBuddy、Cursor 都支持。这就是我这次实测的主路径。
SOP 的节点分四类:Agent(带角色、模型、规则、Skills 的编码代理)、Script(确定性 shell 步骤,不浪费 AI)、Human gate(人工门禁,审批或打回某一步)、Sub-SOP(子流程)。思路是”小需求走快路,中大需求走全流程”——内置路由按改动量判定规模,small 直接进单人 SOLO 模式,medium/large 才起多角色编排。
动手:一条命令装进宿主,装了什么一清二楚
先交代环境:macOS 26.5.2,M4 / 16GB,Node v22.22.2,loopforge-cli 0.2.2。
# 预览要装什么,不落盘
npx -y loopforge-cli@latest plan claude
# 装进 claude 宿主(classic edition,85 个文件)
npx -y loopforge-cli@latest install claude
# 校验安装一致性,85 个文件一个不差
npx -y loopforge-cli@latest status
# 不想要了,干净卸载(我实测 removed=85,codex 的 52 个文件不受影响)
npx -y loopforge-cli@latest uninstall claudeplan 输出把 85 个文件列得明明白白:agents/ 下 7 个角色定义(架构师、开发、测试、代码审查、知识工程师、汇总员、solo 开发者),commands/ 12 个入口命令,rules/ 带了 SQL 规范和 Go 语言规范,checklists/ 是两道门禁的检查清单。装完 status 显示 files=85 changed=0 missing=0——安装器做了完整的清单校验,不是撒完文件就跑。
给 codex 宿主装是另一套精简资产(52 个文件),因为 Codex 不支持仓库级 slash command,入口换成了 $devflow-codex start <需求>,skill 通过 .agents/skills/ 软链接暴露。
SOP 资产有多重?我把三个包全数了一遍
这是官方文档没写、但装之前你最该知道的事。我用 o200k 词表统计了落盘文件:
| 包 | 文件数 | token |
|---|---|---|
| classic / claude | 85 | 174,819 |
| classic / codex | 42 | 41,583 |
| portable skills(.agents) | 10 | 15,333 |
| portable / claude | 84 | 50,787 |
claude 的 classic 包将近 17.5 万 token——这还只是躺在仓库里的静态资产,模型运行时按阶段读一部分。这个数字后面会反复出现,因为它是”免费模型能不能跑完整 SOP”的胜负手。caveman 那类省 token 工具从提示词侧省钱,而 SOP 体系的 token 花在流程结构上,省不回来。
踩坑实录:四堵墙我挨个撞了一遍
墙一:宿主必须真的能登录。 我本机的 claude CLI 是装好的,但 claude auth status 返回 loggedIn: false。Local 版不会帮你管认证,宿主登不上去,SOP 装得再漂亮也只是文件。想测的朋友先确认自己的 Claude Code / Codex 有可用登录或 Key。
墙二:新版 codex 不再吃 OpenAI 兼容接口。 我没有 Codex 订阅,走的是”codex CLI + OpenRouter 自定义 provider”的路子。配置里写 wire_api = "chat" 直接被拒:0.169.0 起只支持 "responses"。改完才能连上。
# ~/.codex/config.toml(codex-cli 0.169.0 + OpenRouter)
model_provider = "openrouter"
model = "cohere/north-mini-code:free"
[model_providers.openrouter]
name = "openrouter"
base_url = "https://openrouter.ai/api/v1"
env_key = "OPENROUTER_API_KEY"
wire_api = "responses"墙三:apply_patch 过不去。 换上 north-mini-code 后,codex 确实自己发现了 .agents/skills/devflow-codex 并开始执行——日志里能看到它在按流程探索资产目录。但它发起的 apply_patch 工具调用被 codex 的工具路由拒了(unsupported call: apply_patch),加上后续请求撞上 OpenRouter 免费档的限流,重试 5 次全 429,这次运行在 Phase 0 扫描阶段就断了。烧掉的 token 由 codex 自己报数:216,647。没有产出任何工作流产物。
墙四:OpenRouter 免费档一天 50 次请求。 官方文档(rate limits)写明了这个上限,我查 key 用量接口时看到:used: 53, limit: 50,当日额度已经爆了。这解释了为什么重试必死。
四堵墙撞下来,结论其实已经浮出来了:SOP 的”发现 + 资产读取”开销远大于普通单轮任务,弱模型加免费额度大概率撑不到阶段流转。这不是 LoopForge 的问题,是所有多角色工作流的共性成本——但我建议你在投入前先知道它值多少钱。
正戏:opencode 免费模型跑通了 SOLO 全流程
换 opencode 自带的免费模型(glm-5.3-flash-free,走 opencode zen 额度,和 OpenRouter 的 50 次墙完全独立)再跑一次。opencode 不是 LoopForge 官方支持的宿主,所以我的做法是自建 harness:直接让它读 .codex/skills/devflow-codex/SKILL.md 并严格按协议执行。效果等价于宿主原生注入 skill,这点如实告诉你。
靶子是我自己写的一个 77 行多用户待办 CLI,里面故意埋了个真 bug:add() 用 len(items)+1 生成 id,任何用户 rm 之后别的用户再 add,新条目会拿到和其他用户存活条目相同的 id。需求描述里我把 bug 机理讲清楚,要求修复并自行验证。
一次跑通。模型全程守住了协议纪律:
- Phase 0 判定
size_class=small(单文件、低风险),按路由进 SOLO,没走多角色编排; - 以 subagent 执行 7 步 SOLO 协议;
- 产出齐了:
artifacts/fix-todo-id-collision/下有 requirement-report.md(需求报告)、solo-report.md(含文件白名单和验证记录)、workflow-summary.md(交付摘要),外加一份 knowledge 目录下的知识沉淀; workflow-state.json的last_event正确走到了workflow_completed。
修复本身是教科书级的:new_id = max(现有 id, default=0) + 1,净改动 3 行。
我做了独立回归来验证模型说的都是真的——把修复前的代码从 git 历史里取出来,同一场景跑两边:
# 场景:alice、bob 各一条,alice 再来一条,bob 删掉自己的,dave 再加一条
python3 todo.py add alice A # #1
python3 todo.py add bob B # #2
python3 todo.py add alice C # #3
python3 todo.py rm bob 2
python3 todo.py add dave D| 版本 | dave 拿到的 id | 全局 id 重复 |
|---|---|---|
| 修复前(git HEAD) | #3,与 alice 存活的 #3 撞号 | 是 |
| 修复后 | #4,单调递增 | 否 |
顺手翻了会话数据库的真实账单:11 轮 assistant,input 31,062 / output 4,524 / cache read 217,600,合计约 25.3 万 token,花费 $0(免费模型)。cache read 21.7 万这个数字说明 SOP 资产被反复读取了——流程纪律换来的就是这点重复开销。
我的结论:什么人该用,什么人别碰
值得用:团队要给编码 Agent 立交付规矩的——角色分离(写码的不自审)、人工门禁、需求追踪、每次运行留痕(怎么让留痕经得起复核,可以参考 task-view 那套”能被 Git 核对的自述”),这四样单靠 prompt 堆不出来。平台版的人工审批收件箱和成本报表是 Local 版没有的,团队场景值得起 Docker。如果你已经在用审查类工具,可以配合着用:它管”交付流程是否走完”,审查工具管”代码本身有没有错”,两者不冲突,我上周实测的 open-code-review 就是后者。
别碰的场景:单人仓库小修小补,/start-devflow 的五阶段目录和状态机是纯负担,py_compile 一次能过的事犯不上 25 万 token;账号里只有免费额度的,先把宿主认证和模型配额理顺,否则你会像我一样停在 Phase 0;还有,本机没 Docker 的话平台版直接跳过,别硬装。
一个未被验证但我很在意的点:medium/large 路径的多角色编排要靠宿主的子代理机制派发(Codex 的 multi_agent_v1.spawn_agent),我没有跑通这条线,SKILL.md 里”工具不存在才允许降级内联执行”的规则在弱模型上会不会被滥用,需要真实环境确认。
未实测清单(如实列出)
- 平台版完整安装与 demo SOP(本机无 Docker)
- claude 宿主原生运行时表现(本机 claude 未登录)
- medium/large 路径:多角色派发、人工门禁审批、打回重跑
- GitHub PR/MR 交付与需求自动关联
- 平台版成本报表与 Insights 页面
LoopForge 的野心不在”帮你写代码”,在”让 Agent 写的代码可被团队接收”。Local 版五分钟就能装进你现成的 CLI,先用 small 路径感受一下流程纪律,再决定要不要为团队起平台版——这个顺序比较稳。