Un orchestrateur multi-agents sophistiqué qui enchaîne des tâches d'IA séquentielles et parallèles pour construire, déboguer et rechercher des projets logiciels.
Installer & Télécharger
1. ClawHub CLI
Le moyen le plus rapide d'installer une compétence directement depuis le registre.
npx clawhub@latest install agent-loops
2. Installation manuelle
Copiez le dossier de la compétence dans l'un de ces emplacements
~/.openclaw/skills/ <project>/skills/ Priorité : Espace de travail > Local > Intégré
3. Installation du prompt
Copiez ce prompt dans OpenClaw pour l'installer automatiquement.
Aide-moi à installer agent-loops via Clawhub. Si Clawhub n'est pas installé, installe-le d'abord (npm i -g clawhub).
Vous préférez télécharger ?
Obtenez les fichiers bruts de la compétence dans une archive ZIP.
Qu'est-ce que Agent Loops ?
Agent Loops est un moteur d'orchestration puissant conçu pour l'écosystème de Openclaw Skills, permettant aux développeurs d'exécuter des pipelines d'agents complexes et multi-étapes. En enchaînant des agents spécialisés dans des workflows séquentiels ou parallèles, il facilite le transfert fluide des résultats réels entre les étapes, garantissant que chaque agent s'appuie directement sur le travail du précédent. Cette skill agit comme un chef de projet pour les agents d'IA, acheminant les tâches vers les modèles et les system prompts les plus efficaces pour tout gérer, du cadrage initial au déploiement final.
Cas d'utilisation de Agent Loops
- Développer et livrer rapidement de nouvelles fonctionnalités, applications ou produits SaaS à l'aide de pipelines structurés.
- Débogage et dépannage automatisés pour diagnostiquer les causes racines et générer des tests de régression.
- Audit de code complet et revues de sécurité effectués par des agents spécialisés en parallèle.
- Recherche technique et génération de rapports pour comparer des technologies ou analyser les tendances du marché.
- Refactorisation systématique et modernisation des bases de code existantes pour améliorer la maintenabilité.
- Préparation et publication fluides de nouveaux Openclaw Skills dans le registre.
Comment fonctionne Agent Loops
- L'utilisateur sélectionne un workflow prédéfini (comme ship_feature ou bug_fix) en fonction de son intention spécifique.
- L'orchestrateur analyse la requête en langage naturel de l'utilisateur et initie la première étape du workflow.
- Chaque étape s'exécute via un routage de modèle d'agent spécialisé avec un system prompt spécifique au rôle conçu pour cette tâche.
- La sortie réelle est capturée et transmise aux agents suivants de la chaîne, maintenant le contexte et l'état du projet.
- Si le flag --apply est utilisé, les agents effectuent les actions dans le workspace ; sinon, un résumé du dry-run est fourni.
Configuration de Agent Loops
Pour commencer avec cette skill, installez-la via le hub :
clawhub install agent-loops
Ou clonez-la manuellement dans votre répertoire de skills :
git clone https://github.com/OpenClaw/agent-loops.git workspace/skills/agent-loops
Cette skill nécessite PyYAML pour traiter les configurations de workflow :
pip install pyyaml
Schéma de données et taxonomie de Agent Loops
La logique d'orchestration est régie par des définitions de workflow YAML. Le flux de données est structuré comme suit :
| Composant | Description |
|---|---|
| Registre de Workflow | Une collection d'identifiants (ex: ship_feature, refactor) qui correspondent à des portes logiques spécifiques. |
| Contexte d'Entrée | L'invite en langage naturel de l'utilisateur qui sert de graine pour l'agent initial. |
| Enchaînement d'Agents | Le mécanisme par lequel la sortie de l'Agent A devient le contexte de l'Agent B. |
| Métadonnées de Routage | Instructions qui déterminent quel modèle (ex: Sonnet) est le mieux adapté à une étape spécifique. |
| Logs d'Exécution | Sortie détaillée ou au format JSON documentant chaque interaction d'agent et changement d'état. |
Fonctionnalités avancées de Agent Loops
- Prise en charge de l'exécution parallèle pour faire fonctionner plusieurs agents (comme un réviseur et un auditeur de sécurité) à la fois.
- Contrôle précis du modèle permettant aux utilisateurs de remplacer le routage par défaut d'agent-swarm par des LLM spécifiques.
- Mode de sortie JSON pour intégrer les résultats des agents dans les pipelines CI/CD externes ou les outils automatisés.
- Délais d'attente configurables par étape pour gérer les tâches de recherche de longue durée ou les implémentations complexes.
- Hooks spécialisés pour la publication et la distribution d'autres Openclaw Skills.
SKILL.md
Chargement
Compétences Openclaw associées
Spec-Brainstorm
Une compétence de dialogue collaboratif qui transforme des concepts vagues en documents de spécification de projet structurés et agnostiques au système.
Moniteur de qualité de l'air en temps réel au Vietnam (AQI)
Une compétence spécialisée pour récupérer les données en temps réel de l'indice de qualité de l'air (AQI), de la température et de l'humidité pour les principales villes vietnamiennes.
jmail
Une compétence puissante de recherche et d'analyse de données pour interroger les archives complètes de Jeffrey Epstein via l'API de données jmail.world et DuckDB.
Nail Art Pinterest Scraper
Un flux de travail spécialisé d'agent AI pour la collecte par lots d'images de nail art de haute qualité sur Pinterest avec mesures intégrées de déduplication et d'anti-détection.
Subagent Dashboard
Un tableau de bord web centralisé pour la surveillance en temps réel, la consultation des transcriptions et la gestion des sous-agents OpenClaw actifs.
Subagent Tracker
Un outil de surveillance puissant pour les essaims d'agents IA offrant une visibilité en temps réel sur la progression, l'état et les journaux d'activité des sous-agents.
En vedette*
