observedobserver /
Looperators是一个loop-native的Agent Workspace + + 下载： 在让 AI 处理复杂的编程任务时，很多人已经在同时用多个 AI Agent：让不同的模型各自出方案、互相讨论，或者让一个 Agent 写代码、另一个做多轮 Code Review。但这些 Agent 各自活在独立的窗口里，中间来回传话的是人——把 A 的输出贴给 B，把 B 的意见带回 A，每一轮都要人来跑腿。Agent 越多、轮次越多，…
Looperators是一个loop-native的Agent Workspace + + 下载： 在让 AI 处理复杂的编程任务时，很多人已经在同时用多个 AI Agent：让不同的模型各自出方案、互相讨论，或者让一个 Agent 写代码、另一个做多轮 Code Review。但这些 Agent 各自活在独立的窗口里，中间来回传话的是人——把 A 的输出贴给 B，把 B 的意见带回 A，每一轮都要人来跑腿。Agent 越多、轮次越多，人就越像一个疲于复制粘贴的中间件。 looperators 的解法是把传话这件事交给图。Agent 铺在一张画布上，Agent 之间可以连线——这些线不是示意图，是真的会执行：上游 Agent 跑完，输出沿着线自动交给下游；下游的结论自动送回上游，并把它唤醒继续干活。谁触发谁、传什么、什么时候停，都定义在线上。人不用再守在中间传话，只需要在开局把关系和停止条件定好。 而这张图不需要人拖拽搭建——looperators 不是一个低代码工具。你还是像平时一样跟 Agent 自然对话，对话中 Agent 用到的任何 loop 结构，都会自动在右侧生成对应的图；生成之后可以随意编辑。想自己设计 loop 的重度用户也一样轻：用对话把你要的结构说出来就行，不用在图纸上一笔一笔画。 第一个常用玩法是多方案讨论：把同一个问题同时抛给几个模型——比如 Codex、Claude Code、Grok Build 各开一个 Agent，各自独立生成方案，然后互相阅读、互相挑战，指出对方的漏洞后再各自修订，直到讨论收敛、达成共识，综合出一份最终方案。整个过程没有人在中间搬运：谁读谁的方案、什么时候进入下一轮、到什么程度算达成共识，都由图来驱动。想跑这样一个 loop，直接在对话里提要求就行，右侧会自动生成并维护它；也可以选内置模板，一键搭出来。 Code Review 是另一个常用的环：写代码的 Agent 和做 review 的 Agent 连起来，停止条件写一句"直到 review 干净，最多 6 圈"——写完自动送审，审出问题自动打回去修，修完再送审，环上的徽章实时显示跑到第几圈。中途随时可以点开任何一个 Agent 插话，它就是一个普通的聊天窗口：跟 reviewer 说一句"风格忽略，只看逻辑"，loop 接着跑。这类环也都有内置模板，比如把当前会话一次性交接给另一个 Agent 继续，或者给干活的 Agent 配一个独立的裁判、跑到目标真正完成为止。 桌面应用，本地运行，Apache-2.0 开源 支持 Claude Code、Codex 和 Grok Build 每一圈谁触发、结论是什么，都留在图上，随时可以人工接管 感谢阮老师长期整理周刊，也欢迎大家试用并提出建议。
Discuss this product