这两周的 GitHub 热榜有个共同点:涨得快的项目,越来越多在卖「纪律」,而不是「能力」。
腾讯 7 月底开源的 LoopForge,把 coding agent 的交付拆成一条带人工审批的流水线,1,717 星;另一个是 tradermonty 的 Claude Trading Skills,把交易前的风险检查写成 74 个技能和 14 条 YAML 工作流,5,687 星、1,179 个 fork。一个管代码上线,一个管自己账户下单。星数都不算顶流,但它们回答的是同一个问题:Agent 能把活干完,可谁敢让它自己签字?
一、LoopForge:把「合并前谁点头」做成了节点
LoopForge 是腾讯 7 月 28 日建仓、用 Go 写引擎的开源项目,许可 MIT。它的入口不是命令行,而是一个自托管的 Web 工作台:在对话框里跟 Main Bot 说一句话,它开一个 Docker 沙箱、检出你的仓库,把活派给不同角色,最后提一个 PR。
它有两条路。聊天这条路适合试探、临时修个 bug;真正给团队用的是 SOP——一条固定的工作流。SOP 里只有五种节点:
- Agent:一个角色,自带 prompt、执行器、模型、规则、Skills 和 MCP 工具;
- Script:确定性的 shell 步骤,编译、测试、lint、出报告,不给 AI 插手;
- Human gate:停下来等人看产物,批准,或者退回;
- Sub-SOP:把另一条 SOP 当子流程跑;
- Preview build:构建静态站并存档给评审看。
官方 README 里贴了一条真跑过的交付:四个 CodeBuddy 角色分别做规划、实现、独立审查、总结,三道真测试通过,然后卡在人工闸门,等人批准之后还要再验证代码没被改动。这个细节比「支持多 Agent」值钱:它证明的是可复现。
执行器一共十种:CodeBuddy(内置默认)、Codex、Claude Code、OpenCode、Cursor CLI、Antigravity、Kimi Code、Pi、DeepSeek Harness、ZCode。每个角色可以各选各的,模型 key 也各配各的。CodeBuddy 是腾讯自家的终端编程智能体,我们之前单独写过:三副壳的 CodeBuddy。
装起来三步:clone 仓库、./start.sh,默认监听 0.0.0.0:8090。脚本会拉 GHCR 上的镜像,建 MySQL、生成密钥、装好沙箱模板和初始 SOP。国内拉不动 ghcr 就换镜像站:MIRROR=ghcr.nju.edu.cn ./start.sh。
实话有三条。它的 LICENSE 是 MIT 加一份第三方组件清单,GitHub 自动识别出来是 NOASSERTION,介意合规的自己翻一遍。安全模型写得很直白——沙箱是直接挂宿主 docker socket 的,官方说这是给「可信团队」,不是多租户隔离;新装默认对全网卡监听,登录用户能读整个实例的项目数据,上公网前先关注册(AGENTFLOW_ALLOW_SIGNUP=false)、先加反代。最后,1,717 星、292 fork,四个月的仓库还没被大规模验证;想换掉现有 CI,先拿小仓库跑两周。
二、Trading Skills:74 个技能,先管住手
第二个项目看起来是另一个世界:tradermonty/claude-trading-skills,5,687 星,1,179 fork。fork 率 20% 出头,说明多数人不是收藏,是拿去改了。
它不是荐股工具。作者在开头就把定位钉死:目标不是把买卖决策外包给 AI,而是把看盘、风控、计划、记录、复盘这套流程结构化。仓库里现在是 74 个 skill、14 条 workflow(YAML 清单)、6 个 skillset。
三条最基本的路径:
- 每天 15 分钟盘面检查:
market-regime-daily,依次跑 market-breadth-analyzer(市场广度)、uptrend-analyzer(趋势参与度),最后 exposure-coach 给一个仓位上限和姿态,比如 REDUCE_ONLY。输出的是上限,不是买卖点。 - 每周组合复盘:
core-portfolio-weekly,portfolio-manager 加股息复盘,要接 Alpaca。 - 只在允许的时候找票:
swing-opportunity-daily,先过 vcp-screener 选形态,再让 drawdown-circuit-breaker 看回撤、position-sizer 算仓位,最后卡在 pre-trade-discipline-gate。
74 个技能里有不少名字就是在拦人:drawdown-circuit-breaker、pre-trade-discipline-gate、market-top-detector、contrarian-setup-gate。这套东西的价值不在预测,在于把「今天该不该开新仓」变成一条有输出的检查。
安装分两条:Claude 网页版下载 .skill 包上传(要先开 Code execution);Claude Code 直接把目录拷进 ~/.claude/skills。免 key 也能起步——五个技能用公开 CSV、图表截图、本地文件就能跑;完整的组合和筛选路径才需要 Alpaca、FMP、FINVIZ Elite 的订阅。
实话也有三条。它自己写了三遍免责声明,示例输出用的是虚构数据,跟 TradingAgents 那种「让 Agent 开炒股公司」的项目不是一回事(两者的差别在这里)。项目 CI 只保证一部分 Python 组合,3.11 到 3.13 之外是尽力而为。最重要的是,纪律检查表能减少手滑,不能替你判断——skill 里的阈值是作者自己的,照抄别人的仓位规则是最容易亏钱的方式。
三、两个项目其实在做同一件事
把该由人拍板的地方,画进流程图里。
LoopForge 的 human gate 能做的动作很具体:看产物、加上下文重跑、把活退回任意一个节点、从任意节点重试。Trading Skills 的 pre-trade gate 也一样:先给一个允许或不允许,允许了才轮到 position-sizer 算仓位。
区别在成本和门槛。LoopForge 要一台机器、Docker、模型 key,是工程基建,适合已经在用 coding agent 干活的团队;Trading Skills 只要有 Claude 账号,是一堆流程文件,适合一个人自己用。
为什么是现在?因为 Agent 已经不缺「能做完」的能力,缺的是「做完谁负责」。星数涨得最快的,往往不是模型更强的那批,而是把责任边界画清楚的那批。
结语
如果你要上手,顺序建议反过来:先列出你最不能接受的那种错——是合并了没测的代码,还是手滑加了不该加的仓——那一步就是你的第一个闸门。剩下的自动化,等闸门跑顺了再说。