Xudong Han(@Xudong07452910):很多 Agent 单轮任务做得不错，一旦工作跨过几天、多个会话和多个 Agent，真正麻烦的事情才开始出现：目标变了，证据过期了，任务没人接，scheduler 却还在继续烧额度。最近看到的 LoopX，就是专门处理这类问题的开源项目。它在 Codex、Claude Code、Cursor、Pi 等 Agent 外面加了一层本地控制面。Agent 每次负责执行一个有边界的小任务，LoopX 则保存目标、Todo、权限门、证据、额度和交接状态，并决定下一轮应该继续、等待，还是停下来请人判断。多个 Agent 也可以认领不同任务，通过 ownership、lease 和 handoff 协作，同时避免彼此重复修改或无限运行。它更像是一块面向长时 Agent 的「可执行看板」，让项目跨轮次依然可恢复、可审查、可接力。项目还展示了跨越 200 多小时自然时间的代码修复和机器学习实验轨迹。这里指的是项目从开始到最新进展的真实时间跨度，并非模型连续自主运行了 200 小时。长时 Agent 的难点，可能从来都不只是让模型一直运行。它还包括每一轮结束后，目标、证据、责任和下一步还能不能完整留下来。项目链接：

2026.08.07 00:40

很多 Agent 单轮任务做得不错，一旦工作跨过几天、多个会话和多个 Agent，真正麻烦的事情才开始出现：目标变了，证据过期了，任务没人接，scheduler 却还在继续烧额度。最近看到的 LoopX，就是专门处理这类问题的开源项目。它在 Codex、Claude Code、Cursor、Pi 等 Agent 外面加了一层本地控制面。Agent 每次负责执行一个有边界的小任务，LoopX 则保存目标、Todo、权限门、证据、额度和交接状态，并决定下一轮应该继续、等待，还是停下来请人判断。多个 Agent 也可以认领不同任务，通过 ownership、lease 和 handoff 协作，同时避免彼此重复修改或无限运行。它更像是一块面向长时 Agent 的「可执行看板」，让项目跨轮次依然可恢复、可审查、可接力。项目还展示了跨越 200 多小时自然时间的代码修复和机器学习实验轨迹。这里指的是项目从开始到最新进展的真实时间跨度，并非模型连续自主运行了 200 小时。长时 Agent 的难点，可能从来都不只是让模型一直运行。它还包括每一轮结束后，目标、证据、责任和下一步还能不能完整留下来。项目链接：