Home
avatar

麒麟剑

让命令行 AI 替你值夜班:Agent Autoloop 一天涨星 2400+

11 月 3 日,一个叫 agent-autoloop 的仓库在 GitHub 上创建。两天后 star 冲到 2700+,单日涨星 2145——同期新仓库里涨得最凶的之一。

它的自我介绍只有一句话,却精准戳中了所有用命令行 Agent 的人的痛点:

让你的命令行 Agent 在后台自己接活、自己跟进到底;平时不烦你,遇到拿不准的事才发卡片找你拍板。

这篇文章是中文首发解读:它到底解决了什么问题、五步闭环怎么转、以及它为什么值得被称为”Agent 值夜班”的基础设施。先声明:本文基于仓库 README 的研读,没有实际部署运行,文中凡是”据文档”的表述都请按文档口径理解。

▲ 封面图:Agent Autoloop 关键信息速览(数字截至 11 月 5 日)

Agent Autoloop 关键信息速览

一、它解决什么问题:命令行 Agent 的”人守着终端”困境

平时我们用 Claude Code、Codex 这类命令行 Agent,大多是”人守着终端用”:你输一句话,盯着它跑,等它问你下一步。一旦关掉窗口或者人走开,事情就断了。

想让它”自己干活”,过去的办法是写 cron 脚本 + 各种胶水代码:定时触发、调 Agent、等回复、发通知、处理异常……每一处都要自己接线,而且 Agent 一问问题整个流程就卡住。

Agent Autoloop 把这件事做成了一个极轻量的自动化中台:任务调度是一个零外部依赖的内核,事件来源、Agent、通知通道、甚至代码上线流水线,全部拆成可以随时插拔的插件。

作者的定位说得很克制:一台电脑、一条命令就能跑。装在你的 Mac 或 Linux 上,不用买云服务器,也不用开放公网端口。

二、五步闭环:事情是这样转起来的

▲ 图:Agent Autoloop 的五步闭环

Agent Autoloop 五步闭环

一件事从进来干到干完,按文档是五步:

  1. 新事件进来:早上 9 点的定时任务、GitHub 上新提的 Issue、业务系统报的错,都变成一条标准事件送进内核;
  2. 按规则派活:内核照你写的规则,决定交给哪个 Agent、去哪个目录干。同一件事排队时又来的消息,会合并成一轮处理,不会重复开工;
  3. 干完一轮就退出:Agent 把结果写在最后一条回复里,进程直接退出——不挂着、不烧钱;
  4. 拿不准才问你:碰到删数据、重启服务、花钱、对外发消息这类事,内核通过飞书或桌面通知发一张卡片给你。等你回复期间,它不占后台进程,也不消耗 Token;
  5. 点一下,接着干:你选完,它接上原来的对话,把剩下的活干完。

能自己搞定的事走上方的自动闭环:直接办完,或者约个时间(比如半小时后)再醒来复查,全程不打扰你。

第 4 步是整个设计最值钱的地方。传统的”Agent 一直挂着等你”是按分钟烧 Token 的;这里等你拍板时进程直接退出,等待状态存在数据库里。你三天没回,这三天就没有 Agent 进程在跑、不花 Token,只有很轻的中台在后台等着。你一回答,它接着原来的对话继续干。

三、怎么配:一份 rules.json,不写胶水代码

装起来只要一行:

curl -fsSL https://raw.githubusercontent.com/KKKKhazix/agent-autoloop/main/install.sh | sh

前置条件是 Node 24、Git、curl,以及一个你已经登录好的命令行 Agent,不需要 GitHub 账号。装好先跑一遍试跑:

agent-autoloop try

它会用你本机的 Agent 真实走一遍”提问 → 退出等回复 → 拍板 → 接着干完”,让你亲手摸到那个”挂起零消耗”的感觉。

日常配置写在 ~/.agent-autoloop/rules.json 里,不需要写胶水代码。比如每天早上 9 点写早报:

{
  "name": "早报",
  "when": { "cron": "0 9 * * *" },
  "to": "codex",
  "cwd": "~/notes",
  "prompt": "整理昨天的笔记和提交,写今天的早报。"
}

有人提新 Issue 时交给 Codex 也一样写法,还能指定并行数。保存后几秒内自动生效,跑 agent-autoloop check 检查。就算改错了,或者文件被删、读不到,系统也会继续按旧规则跑,并发卡片提醒你。

中台对 Agent 只有一个约定:在最后一条回复里交代结果。需要向你请示时,在回复末尾附一段 agent-autoloop 代码块,写清问题和选项。除了提问,还能发通知、关闭已解决的卡片、预约复查和触发新事件。

四、插件四方向 + 开箱即用的场景模板

插件分四个方向,都能自由替换:

方向内置
事件:怎么发现新活GitHub / GitLab Webhook、HTTP 接口、定时规则、Issue 轮询
Agent:谁来干活Claude Code、Codex、ACP、通用命令
通道:去哪找你拍板桌面通知(默认开启)、飞书、钉钉 / 企微 / Slack / Discord
交付:把 CI/CD 也做成插件delivery:PR 打上标签后自己跟进到上线

场景模板是开箱即用的:每日早报(默认每天 8 点整理笔记和提交)、跟进 GitHub Issue(每 5 分钟查新 Issue,在本地改代码并通知你查看;不提交、不推送、不回复 Issue)、线上告警排查(需要重启时发卡片询问)、网站巡检(每 5 分钟检查状态,持续异常不重复通知,恢复后更新原卡片)、飞书周报、PR 自动交付(审代码 → 等 CI → 合并 → 等部署 → 核对线上版本)。

“一行配置接新 Agent”也值得单独说一句:不需要 SDK、不需要改 Agent 源码,能接收提示词并打印最后一条回复的命令行工具都能接。文档里甚至列了 DeepSeek Harness、pi、OpenClaw、Hermes、Cursor、CodeBuddy 的接入命令——不过要诚实标注:这些是”整理自各家官方文档”,作者说”还没有逐个跑过”。

五、内核的四个机制:它和”写个 cron 调 Agent”的区别

内核约 1800 行代码、零运行时依赖。作者把四个计算机领域的成熟做法用到了命令行 Agent 上:

  • 挂起零消耗:上面说的,等拍板时进程退出、状态存库,不烧 Token;
  • 事件溯源:所有状态都从一条只追加的日志算出来,日志和索引在同一个事务里写进磁盘,写完才应答。进程被强杀,已确认的事不丢;任何一轮为什么跑、结果是什么,一条命令就能查清;
  • 指令数据分离:思路和 SQL 参数化一样。Issue 的标题和正文等外部文字只作为资料放进文件,不拼进提示词;用哪个 Agent、在哪个目录、什么权限,只由你本机的规则决定,事件里带这些字段会被直接拒收——这是防提示词注入的关键设计;
  • 跳数熔断:思路和网络包的 TTL 一样。Agent 交回的事件会再派给 Agent,层数一路累加,经过人工提问和定时复查也不清零,Agent 自己改不了;超过 8 层就只记录、不再派活,并发一张卡片告诉你。

实测性能(作者在 Apple M5 Pro、24GB、Node 24.21.0 上跑的):冷启动 88.78ms、空闲内存 59.94MB、派活 p99 1.82ms、持久化写入 2394 条/秒。轻是真的轻。

六、它没告诉你的三件事

第一,Windows 版还没来。

作者在 README 里坦承:现在只支持 macOS 和 Linux,Windows 版待定——“我现在人在外面出差,手边没有 Windows 电脑,没法真机开发和测试”,计划 11 月 7、8 号回家后开发。Windows 用户先收藏,等周末。

第二,部分能力只在模拟环境验证过。

文档里写得很诚实:四种 Webhook 模板只在本地模拟服务上验证过,GitLab Webhook 没连过真实 GitLab;反馈处理、网站巡检、飞书摘要的”脚本和回执只用本地 HTTP 与假飞书 CLI 验证过,没有在真实账号上跑过完整业务”。Claude Code、Codex、ACP 和飞书发送/按钮回调倒是真机跑通了。

第三,历史变大后会变慢。

作者自己写了:历史变大后状态汇总会变慢,格式变化后的首次启动要从日志全量重建,110 万条事实时要 43.1 秒。这是事件溯源架构的固有代价,个人和小型团队的量级基本碰不到,但心里要有数。

另外合规上也说清楚了:中台直接调用你本机已经安装并登录好的命令行工具,不会读取或转存你的账号凭据;模型调用消耗算在你自己的账号名下;高频自动化场景下,厂商更建议用 API Key 而不是个人订阅额度;项目本身是独立开源项目,与各家厂商无隶属关系。

七、谁应该现在就去试

  • 个人开发者:每天早上 9 点的早报、GitHub Issue 跟进、网站巡检——“值夜班”的活交给它,你只负责拍板;
  • 开源项目维护者:新 Issue 自动 triage、PR 交付流水线,省掉大量机械劳动;
  • 小团队:线上告警排查 + 发卡片确认重启,比半夜爬起来开终端体面得多。

安装命令再贴一次,仓库地址 github.com/KKKKhazix/agent-autoloop,MIT 协议。

最后多说一句:从 stack-diagram(一句话画架构图)、craft-anything(指着软件重造)到 agent-autoloop(命令行 Agent 值夜班),11 月初这波爆发的开源项目有个共同点——它们都不训练模型,只是把”让 AI 干活”这件事的流程做扎实。Agent 的能力已经够了,缺的是让它”在没人看着的时候也能可靠干活”的基础设施。agent-autoloop 就是往这个方向钉下的一颗钉子。

Agent Autoloop Claude Code Codex AI Agent 自动化