腾讯开源 LoopForge:五个定时 Agent 自动维护仓库
腾讯把内部用的 Agent 维护工作台开源了,五个定时任务自动评审 PR、补测试、处理冲突。看点不在模型而在约束设计:不合并、不推主分支写死在提示第一行,架构 PR 满 10 条就停跑。自己搭自动化仓库流水线的开发者值得照抄这套刹车写法。
腾讯团队开源了可自托管的 Coding Agent 工作台 LoopForge(github.com/Tencent/LoopForge),用于解决模型写代码越快、仓库维护负担越重的问题。团队判断瓶颈不在模型能力,而在代码外围的工程层,即轨道、关卡和职责拆分。
工作流分三步:先在对话里把试探性任务交给 Main Bot 在沙箱中试验;跑通后冻成包含规划、设计、写码、脚本核验、独立评审的固定流水线;日常维护则交给定时任务。他们用五个错开排班的定时任务维护自家仓库:每天 09:00 做 GitHub 调研并最多提 3 张需求单;整点做第一轮 PR 评审,禁止空泛 LGTM;半点巡检持续集成并在沙箱自愈冲突;每天 02:00 只补表驱动测试、不改生产代码,一次夜间运行把某核心包覆盖率从 83.3% 提到 86.0%;周一 03:00 对照 AGENTS.md 做不超过 200 行的结构整理。
安全约束是设计核心:不可逆操作(不合并、不关闭、不直接推主分支)写在提示第一行,合并按钮始终留在人手里;补测试时禁止 Agent 改业务逻辑迁就断言;架构守卫任务开跑前先清点未合并的架构类 PR,满 10 条就停。团队提醒这套规则花了数周调校,多数时间在写约束,第一天就想顺利跑起来不现实。
腾讯团队开源 LoopForge:五个定时 Agent 维护自家仓库,不可逆操作写进提示第一行,队列满了就停 腾讯团队里很快把 Coding Agent 用到了几乎每次改动上,可模型写代码越快,人花在把仓库收拾妥当上的时间反而越多。团队认为,模型已经够用,缺的是代码外围的工程层:轨道、关卡和职责拆分。于是做了这个可自托管的工作台,并把它对准自己的仓库。人现在只在两处做判断:做什么,以及哪条 PR 可以合并。 github.com/Tencent/LoopFo… 先在对话里跑通,再冻成流程,日常维护交给定时任务 工作分三步: 第一步是对话:在主界面把试探性任务交给 Main Bot,在沙箱里试验,先不承诺。 第二步是标准作业流程:一种做法跑通后,把它冻成固定流水线,规划、设计、写代码、用脚本做确定性核验、独立评审,最后人签字。 第三步是定时自治:把日常维护(梳理社区反馈、评审 PR、处理冲突、补测试等)交给按固定节奏跑的后台定时任务。 五个错开排班的定时任务对着他们自己的仓库跑: 1. 每天 09:00 做调研,对 GitHub 只读,最多提 3 张写清模块、源码位置和验收标准的需求单。 2. 整点做第一轮评审,禁止空泛的 LGTM,批准要写清查了哪些函数和测试,合并按钮一直留在人手里。 3. 半点巡检持续集成,只动自动化账号自己的分支,合入最新主分支、处理冲突并在沙箱里自愈。 4. 每天 02:00 给一个覆盖偏低的核心包补表驱动测试,不准改生产代码;一次夜间运行把某核心包覆盖从 83.3% 提到 86.0%。 5. 周一 03:00 对照 AGENTS.md 查分层违规,做不超过 200 行的结构性整理。这样夜里提出的 PR,早上已经评审过、冲突也处理过。 先设刹车,通宵才能放心跑 这些任务帮不帮忙,全看规则怎么写。补测试最怕的坑,是测试不过时 Agent 悄悄改业务逻辑来迁就断言,所以提示里写死:只加新测试文件;若怀疑是真问题,写进 PR 说明交给人。架构守卫每个 PR 单独看都合理,堆起来却会堵住后面的活;于是开跑前先数尚未合并的架构类 PR,到 10 条就停,连沙箱都不启。 团队的总结是:通宵能放心跑的自动化,得愿意说「这轮没什么可做」。不可逆操作写在提示第一行:不合并、不关闭、不直接推主分支、不动同事的分支。 团队也写明,这套设置花了数周调校,多数时间在写约束,第一天就指望顺利跑起来是不现实的;数字来自他们自己的一个 Go 仓库,能带走的是这些约束。 Tencent AI @TencentAI_News x.com/i/article/2123… 🔗 View Quoted Tweet📊 1 ⚡
本条情报归属 AITOP「产品」核心栏目,重点聚焦中国 AI 产业与国产大模型生态。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:LoopForge、Tencent、Coding Agent、编程助手,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明:本文原始线索采编自「shao__meng」(@shao__meng),经 AITOP 多维评分管线结构化提炼。