$ loading_
让 AI 代理按质量门持续循环执行任务，并在失败时自动评估与恢复。
复制安装指令，让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "continuous-agent-loop" 技能： 1. 下载 https://raw.githubusercontent.com/affaan-m/ECC/main/docs/zh-CN/skills/continuous-agent-loop/SKILL.md 2. 保存为 ~/.claude/skills/continuous-agent-loop/SKILL.md 3. 装好后重载技能，告诉我可以用了
请启动连续代理循环：先运行测试，再分析失败原因，修改代码后重新执行测试；每轮都要通过质量门（测试通过、无新增 lint 错误、变更摘要清晰），若连续 3 轮失败则回滚到上一步并给出恢复建议。
一套可持续执行的修复流程，包含每轮结果、质量检查、失败恢复与最终状态说明。
建立一个连续自主循环来整理研究资料：先检索并总结论文，再用评估器检查准确性、覆盖度和引用完整性；不达标则自动补充检索并重写，直到通过质量门或达到最大迭代次数。
经过多轮评估优化的研究摘要，并附带质量评分、缺陷说明和迭代记录。
为发布流程配置连续代理循环：执行构建、部署预检、安全扫描和回归测试；每一步都设置通过门槛，若发现异常则自动收集日志、定位问题并尝试修复，无法恢复时输出人工接管建议。
一套带质量门的发布前自动化流程，输出检查结果、修复动作、恢复结论与接管建议。
这是 v1.8+ 的规范循环技能名称。它在保持一个发布版本的兼容性的同时，取代了 autonomous-loops。
Start
|
+-- 需要严格的 CI/PR 控制？ -- yes --> continuous-pr
|
+-- 需要 RFC 分解？ -- yes --> rfc-dag
|
+-- 需要探索性并行生成？ -- yes --> infinite
|
+-- default --> sequential
推荐的生产栈：
ralphinho-rfc-pipeline)plankton-code-quality + /quality-gate)eval-harness)nanoclaw-repl)/harness-audit通过双评审智能体对结果进行对抗式校验，提升输出发布前的可靠性
帮助 AI 代理跨应用读写记忆，持续学习用户偏好与知识关系。