$ loading_
持续挖掘并优化 AI 代理工作流，帮助你构建可自我改进的循环执行系统
复制安装指令，让 AI 自动完成配置 · 推荐新手
"super-loop-mcp" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请分析我过去几轮 AI 代理执行日志，找出成功率最高的步骤组合，整理成可重复执行的工作流，并给出下一轮的优化建议。
输出一套基于历史会话提炼出的高成功率工作流，以及后续迭代优化建议。
针对这个长期运行的自动化代理任务，持续比较每次执行结果，保留有效策略、淘汰低效步骤，并在我停止前不断迭代改进。
输出会不断更新的任务执行方案，逐步提升稳定性、效率和完成质量。
请从这些历史代理会话中挖掘可复用的提示词、工具调用顺序和决策规则，汇总成最佳实践清单，并标注哪些最值得优先采用。
输出结构化的最佳实践清单，包含可复用流程、优先级和改进方向。
帮助自我改进型 AI 代理挖掘历史会话、优化工作流并持续循环执行监督。
检测智能编程流程中的重试循环与迭代模式，帮助定位问题并优化修复策略。
将管理者的自然语言目标转成可验证、可循环、可观测的 IDE 代理构建流程。
让 AI 在代码仓库中循环执行修复与开发任务，并结合质检、安全门禁和审批流程。
帮助 AI 代理以确定性编排循环完成任务拆解、子代理执行与结果复核。
检测并阻止智能体无限循环，提供恢复建议与运行保护。