cy0307/awesome-loop-engineering
Awesome Loop Engineering Dataset A structured dataset of 1022 papers, official docs, tools, benchmarks, patterns, critiques, and implementation guides for recurring AI-agent systems. Resource Atlas · GitHub field guide · Resource selection · Report a correction Dataset Summary Each row connects an original source to its contribution, novelty, impact, publication details, lifecycle stages, audience, evidence type, link status, and… See the full description on the dataset page: https://huggingface.co/datasets/cy0307/awesome-loop-engineering.
34.5k
1# Awesome Loop Engineering2 3<!-- last-synced: 2026-07-20 -->4 5<p align="center">6 <a href="https://chaoyue0307.github.io/awesome-loop-engineering/"><img src="assets/awesome-loop-engineering-cover.png" alt="Awesome Loop Engineering cover" width="100%"></a>7</p>8 9<p align="center">10 <a href="README.md">English</a> |11 <a href="README.zh-CN.md">中文</a> |12 <a href="README.es.md">Español</a> |13 <a href="README.fr.md">Français</a> |14 <a href="README.de.md">Deutsch</a> |15 <a href="README.ja.md">日本語</a> |16 <a href="README.ko.md">한국어</a> |17 <a href="README.pt-BR.md">Português</a> |18 <a href="TRANSLATIONS.md">翻訳に協力する</a> |19 <a href="https://chaoyue0307.github.io/awesome-loop-engineering/">ランディングページ</a> |20 <a href="https://huggingface.co/datasets/cy0307/awesome-loop-engineering">Hugging Face ミラー</a>21</p>22 23> 明示的なトリガー、外部検証、永続状態、制限付き予算、人間への引き継ぎを備えた、繰り返し実行される AI-agent システムを設計します。24 25Prompt engineering はモデルに何を依頼するかを改善します。Context engineering はモデルが何を見られるかを改善します。Harness engineering は 1 回の agent 実行を取り巻くツール、権限、sandbox、検証を改善します。**Loop Engineering はその上位にあります**。agent を起動し、監督し、結果を検証し、状態を保存し、再実行するシステムを設計する実践です。26 27Loop は作業を発見し、1 つ以上の agents に委任し、結果を確認し、状態を記録し、次の行動を決め、一定の cadence または検証可能な目標に到達するまで再実行されます。28 29Loop Engineering は、明示的なトリガー、検証、永続状態を備えた反復型 AI agent / coding agent システムを対象とします。software event loop、制御理論、growth loop、一般的な workflow automation、非 AI の feedback loop は含みません。30 311022 件の監査済みリソース、22 個の運用パターン、22 個の schema 検証済み loop contract、8 個の runtime starter（3 個の実行ファイルと 5 個の適応可能なテンプレート）から始められます。コミュニティ gallery と 8 言語の導入も利用できます。32 33## メンタルモデル34 35- Prompt engineering: モデルに何を言うべきか？36- Context engineering: モデルはどの状態や知識を見るべきか？37- Harness engineering: agent の周囲にどのツール、権限、テスト、sandbox、feedback を置くべきか？38- Loop engineering: 人間が内側のループから離れたとき、どの反復システムが作業を発見し、agent に委任し、結果を検証し、状態を永続化し、次の行動を決め、再実行するべきか？39 40Prompt、context、harness engineering は 1 回の実行を良くします。Loop Engineering は agent の仕事を時間をまたいで反復可能、観測可能、統治可能にします。41 42## Loop Contract43 44有用な loop には通常、次の要素が必要です。45 46| 要素 | 設計上の問い | 一般的な成果物 |47| ----------------- | --------------------------------------------- | ----------------------------------------------------------- |48| Objective | loop は何を最適化するのか？ | Goal, issue, PRD, runbook |49| Trigger | いつ実行されるのか？ | Schedule, webhook, `/loop`, `/goal`, automation |50| Discover / Intake | どのように作業を発見するのか？ | GitHub query, Linear filter, CI failure, feedback stream |51| Workspace | agent はどこで安全に行動できるのか？ | Worktree, sandbox, branch, container |52| Context | どの永続的な知識を読み込むのか？ | `AGENTS.md`, `CLAUDE.md`, `SKILL.md`, docs |53| Delegation | どの agent が何を担当するのか？ | Explorer, implementer, reviewer, judge |54| Verification | 何が成功または失敗を判断するのか？ | Tests, typecheck, lint, evals, trace graders |55| State | 次回の実行に何を残すのか？ | Progress file, checkpoint, trace, issue comment |56| Budget | いつ消費を止めるのか？ | Max turns, max retries, token budget, time box |57| Escalation | いつ人間に引き継ぐのか？ | PR, issue, Slack alert, triage inbox |58| Exit | loop はどう完了を判断するのか？ | Acceptance criteria, passing checks, no work found |59 60## 成熟度モデル61 62| レベル | 名称 | 説明 |63| ------ | -------------------------- | -------------------------------------------------------------------------------------------- |64| 0 | Manual prompting | 人間が状態を読み、次の prompt を書く。 |65| 1 | Scripted retry | script がエラーを agent に戻す。 |66| 2 | Scheduled loop | agent が一定の cadence で実行され、結果を報告する。 |67| 3 | Stateful loop | ファイル、issue、checkpoint、trace によって進捗が残る。 |68| 4 | Self-verifying loop | 決定的な check や evaluator agent が誤った完了を防ぐ。 |69| 5 | Multi-agent loop | 専門 agents が discovery、implementation、review、judgment を分担する。 |70| 6 | Production-supervised loop | observability、budget、approval、rollback、人間への escalation が一級の要素になる。 |71 72## はじめに読むもの73 74すべてのリソースは英語の完全版ガイドで確認できます: [README.md](README.md)。75 76おすすめの入口:77 78- [Loop Engineering](https://addyosmani.com/blog/loop-engineering/) - 手動プロンプティングから、自らプロンプトし検証し続行するシステムへの転換を示す Addy Osmani の定義。79- [Peter Steinberger による loop 設計論](https://x.com/steipete/status/2063697162748260627) - 「agent にプロンプトするのではなく、agent にプロンプトする loop を設計せよ」という 2026 年 6 月の議論の発端となった投稿。80- [Boris Cherny: agent を自律実行するための 5 つのコツ](https://x.com/bcherny/status/2063792263067754658) - Claude Code 作者による、数時間から数日の自律 loop のためのコンパクトなレシピ。81- [The New Stack: プロンプティングから loop へ](https://thenewstack.io/loop-engineering/) - 反復的な agent 作業のために loop を書くようになった Boris Cherny の転換についての報道。82 83## 貢献84 85Pull request は歓迎です。まず [CONTRIBUTING.md](CONTRIBUTING.md) を読んでください。86 87最短手順:88 891. そのリソースが AI/coding-agent 文脈の Loop Engineering、またはその直接的な基盤であることを確認する。901. README を検索して重複を避ける。911. 最も具体的なカテゴリを選ぶ。921. 次の形式で 1 行追加する。93 94```md95- 📄 **Paper** [Title](https://example.com) - One sentence explaining the resource's contribution to Loop Engineering.96```97 981. PR で関連性、カテゴリ、リソース種別、builders にとっての価値を説明する。99 100## 翻訳101 102新しい言語を追加または維持したい場合は [TRANSLATIONS.md](TRANSLATIONS.md) を読んでください。翻訳では scope boundary を守り、event loop、growth loop、一般的な automation を混ぜないでください。103