Token导航 LogoToken导航

Agent Skill · 效率

execution-loop(执行循环)

execution-loop 用于补充效率相关能力,适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

execution-loop 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为执行命令;许可证为 MIT-0,第三方扫描已通过,按安装量在效率类的 21,003 个 Skill 里排第 10,681。

总安装 5,033周安装 214GitHub Stars 公开资料未说明下载 1,763核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
2.4.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:execution-loop(执行循环)
来源仓库:https://github.com/lanyasheng/execution-loop
安装命令:
openclaw skills install execution-loop
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install execution-loop

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

Agent 执行循环控制。当 agent 提前停止、偏离任务、或在 headless 模式下需要执行控制时使用。不适用于工具重试(用 tool-governance)。参见 context-memory(阶段边界 handoff)、quality-verification(编辑后检查)。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install execution-loop;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要执行命令,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

execution-loop 怎么安装?

在终端执行 openclaw skills install execution-loop。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

execution-loop 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

execution-loop 需要什么权限?

权限级别是执行命令。安装流程涉及命令执行,可能通过 openclaw skills install execution-loop 联网下载 Skill 或依赖。用户安装前应确认命令来源、仓库内容和执行环境。

execution-loop 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

execution-loop 用的人多吗?

公开数据是累计安装 5,033 次,近一周安装 214 次,下载 1,763 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

execution-loop 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 需要执行命令,装到常用环境前要先评估影响面。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理效率类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 不能接受 Skill 在你机器上执行命令的人。
  • 需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
execution-loop

执行循环 · 本页

5,033—执行命令MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
execution-loop
version
2.0.0
description
Agent 执行循环控制。当 agent 提前停止、偏离任务、或在 headless 模式下需要执行控制时使用。不适用于工具重试(用 tool-governance)。参见 context-memory(阶段边界 handoff)、quality-verification(编辑后检查)。
license
MIT
triggers
author
OpenClaw Team

Execution Loop

控制 agent 的执行循环:阻止提前停止、检测任务完成、防止任务漂移。

When to Use

  • Agent 只完成一部分就停了 → Ralph persistent loop
  • Agent 说"可能"就声称完成 → Doubt gate
  • 长 session 中偏离原始任务 → Drift re-anchoring
  • 有明确任务清单 → Task completion verifier
  • 用 -p headless 模式 → Headless execution control

When NOT to Use

  • 工具反复失败 → 用 tool-governance
  • 上下文快用完 → 用 context-memory
  • Session 挂死 → 用 error-recovery

Patterns

#PatternTypeDescription
1.1Ralph persistent loop[script]Stop hook 在 agent 尝试 end_turn 时检查 ralph.json 状态,未达 max 则 block 并注入续航指令。核心保障是 5 个安全阀(context >=95%、401/403、cancel TTL、闲置 2h、迭代上限),安全阀优先级高于一切 block 逻辑——context 即将溢出时 Ralph 必须让路,否则 session 崩溃。支持 shell/prompt/agent 三种 hook 实现,高价值任务用 agent-type 做语义级完成度验证。 → 详见
1.2Doubt gate[script]Strip 代码块和引用后扫描 agent 回复中的 hedging 词("likely""maybe""可能""应该是"等),命中则 block 并要求提供日志、测试结果等具体证据。用 $TMPDIR/doubt-gate-<session> 守卫文件做单轮去重——同一轮触发过一次后无条件放行,防止 agent 永远无法停止。与 Ralph 正交叠加:Ralph 管"别停",Doubt Gate 管"别含糊地停"。 → 详见
1.3Adaptive complexity triage[design]执行前根据文件数、安全/迁移关键词做 triage,将任务分为 Trivial→Express 到 Critical→Full+Gate 五档,每档启用不同的 hook 组合。关键约束:triage 不确定时默认 Standard 而非 Express,因为 Express 跳过验证——安全修复被误判为 Trivial 会不经验证直接提交。文件计数是极简启发式,生产环境建议用一次 Haiku 调用替代。 → 详见
1.4Task completion verifier[script]Stop hook 读取 .harness-tasks.json({tasks: [{name, done}]}),存在 done: false 条目则 block 并将未完成项注入 reason。与 Ralph 互补:Ralph 只做迭代计数,Task Completion 提供语义级的"为什么不能停"。确定性校验、零 API 成本,但 agent 可能只标记完成而实际没做好,需配合 quality-verification 二次验证。 → 详见
1.5Drift re-anchoring[script]每 N 轮(默认 10)将原始任务描述通过 hookSpecificOutput.additionalContext 重新注入对话,作为防漂移锚点。在 Ralph 持续执行中尤其必要——agent 不停意味着 drift 没有天然修正点,第 5 轮开始"顺手"重构不相关代码,第 10 轮已经在优化 CI 配置。与 Ralph、Task Completion 三者各管一个维度:别停 / 为什么不能停 / 别跑偏。 → 详见
1.6Headless execution control[config]-p 模式没有 Stop 事件循环,Ralph 不生效。替代方案是三维控制:--max-turns 限轮数,prompt 结构化(系统指令放前 ~2000 token 利用 prefix cache),budget 注入让 agent 感知资源约束做优先级决策。Pipeline 场景每阶段告知当前位置和剩余预算。 → 详见
1.7Iteration-aware messaging[design]Ralph 的 block 消息如果每次相同,agent 会进入 compliance mode——表面继续实际反复生成"我已完成大部分"的变体。解法是按迭代阶段动态切换消息角度:早期(1-5)方向引导,中期(6-15)反合理化要求逐条对照,后期(16-30)反循环鼓励换方法,收尾(30+)切换优先级做 graceful handoff。基于 prompt-hardening P5 反推理阻断原则。 → 详见

扩展模式(跨 turn 状态对象、多层停止条件、三维预算约束、流式工具执行)→ 详见。Cancel 信号 TTL 机制 → 详见。

Scripts

脚本Hook 类型功能
ralph-stop-hook.shStop阻止提前停止,5 安全阀
ralph-init.sh <id> [max]CLI初始化持续执行
ralph-cancel.sh <id>CLI发送取消信号
doubt-gate.shStop检测 hedging words
task-completion-gate.shStop读 .harness-tasks.json
drift-reanchor.shStop每 N 轮注入原始任务提醒

Workflow

任务到达
  │
  ├─ Interactive 模式?
  │   │
  │   ├─ 是 ──→ 复杂度 triage(Pattern 1.3)
  │   │         │
  │   │         ├─ Trivial/Low ──→ Express/Light 模式
  │   │         │   不启用 Ralph,agent 完成即停。
  │   │         │   判断不确定?→ 走 Standard,Express 跳过验证不可兜底。
  │   │         │
  │   │         └─ Medium+ ──→ Standard/Full 模式
  │   │             │
  │   │             ├─ 1. ralph-init.sh <id> [max]
  │   │             │   有残留状态?从上次迭代恢复,不重置计数器。
  │   │             │
  │   │             ├─ 2. 按复杂度启用 hook 组合
  │   │             │   Standard: Ralph + Context 估算
  │   │             │   Full: + Handoff + Hook Bracket + Post-Edit 诊断
  │   │             │   Critical: + Agent-type 验证门禁
  │   │             │
  │   │             └─ 3. Agent 执行 → 尝试停止 → Stop hook 链
  │   │                 │
  │   │                 ├─ [最高优先级] 安全阀检查
  │   │                 │   context >= 95%? → 放行(阻止会导致溢出崩溃)
  │   │                 │   401/403 认证失败? → 放行(继续执行无意义)
  │   │                 │   cancel 信号存在且 TTL 未过期? → 放行
  │   │                 │   闲置 > 2h? → 放行(防 zombie)
  │   │                 │   迭代 >= max? → 放行
  │   │                 │   ※ 安全阀先于一切 block 逻辑执行,顺序固定
  │   │                 │
  │   │                 ├─ Doubt gate(Pattern 1.2)
  │   │                 │   回复含投机语言? → block,要求证据
  │   │                 │   本轮已触发过? → 放行(守卫去重)
  │   │                 │
  │   │                 ├─ Task completion(Pattern 1.4)
  │   │                 │   .harness-tasks.json 有未完成项? → block,注入缺失项
  │   │                 │
  │   │                 ├─ Ralph 迭代检查(Pattern 1.1)
  │   │                 │   active=true 且 iteration < max? → block
  │   │                 │   注入迭代感知消息(Pattern 1.7)
  │   │                 │
  │   │                 ├─ Drift re-anchor(Pattern 1.5)
  │   │                 │   每 N 轮注入原始任务提醒(不 block,仅注入 context)
  │   │                 │
  │   │                 └─ 所有检查通过 → 放行停止
  │   │
  │   └─ 否(Headless `-p`)──→ 三维控制(Pattern 1.6)
  │       --max-turns 限轮数(简单 10-20 / 中等 30-50 / 复杂 80-120)
  │       prompt 结构化利用 prefix cache
  │       budget 注入让 agent 感知剩余资源
  │       第 80% 轮次时开始收尾,写 handoff 文档

<example> 场景:7 文件 API 重构

用户:「把 user-service 的 7 个 endpoint 从 REST 迁移到 gRPC」 → Triage: High(7 文件 + 架构变更)→ Full 模式 → ralph-init.sh api-migration 50

Agent 改完 1 个 endpoint → 停 → Ralph block: 「[RALPH 1/50] 检查任务清单,标记已完成项,继续下一项。」 Agent 改完 3 个 → 停 → Task completion block: 「未完成项: endpoint-4, endpoint-5, endpoint-6, endpoint-7」 Agent 改完全部 7 个 → 停 → Doubt gate 通过(无投机语言)→ Task completion 通过(全部 done)→ Ralph 放行 实际迭代: 12/50,自然完成。 </example>

<anti-example> 场景:拼写修复误用 Ralph

用户:「README 里 'recieve' 改成 'receive'」 错误:ralph-init.sh typo-fix 50 → 改完 1 行被 Ralph block → 被迫"寻找更多错误" → 引入无关改动 正确:Triage → Trivial → Express → 不启 Ralph → 改完即停 </anti-example>

Output

产物路径说明
Ralph 状态文件sessions/<session-id>/ralph.json记录 active、iteration、max_iterations、时间戳。原子写入(write-then-rename)
Doubt gate 守卫文件$TMPDIR/doubt-gate-<session-id>防止 doubt gate 同一轮重复触发。临时文件,触发后创建,放行后删除
任务清单.harness-tasks.json任务 checklist,格式 {tasks: [{name, done}]}。agent 完成子任务后标记 done: true

Usage

在 .claude/settings.json 中配置 Stop hook:

{
  "hooks": {
    "Stop": [
      // Ralph 持续执行(Pattern 1.1)
      {
        "hooks": [{
          "type": "command",
          "command": "bash ralph-stop-hook.sh"
        }]
      },
      // Doubt gate(Pattern 1.2)
      {
        "hooks": [{
          "type": "command",
          "command": "bash doubt-gate.sh"
        }]
      },
      // Task completion(Pattern 1.4)
      {
        "hooks": [{
          "type": "command",
          "command": "bash task-completion-gate.sh"
        }]
      }
    ]
  }
}

初始化和取消 Ralph:

# 启动持续执行(50 轮上限)
bash ralph-init.sh api-migration 50

# 取消持续执行
bash ralph-cancel.sh api-migration

Hook 输出格式(ralph-stop-hook.sh stdout):

{"decision": "block", "hookSpecificOutput": {"reasonForBlocking": "[RALPH 3/50] 检查任务清单,标记已完成项,继续下一项。"}}

安全阀在 block 之前检查,确保不会阻止必要的停止:

{"decision": "allow", "hookSpecificOutput": {"reasonForAllowing": "context >= 95%, 必须放行避免溢出"}}

Related

Skill关系
tool-governance上游:提供工具错误数据。工具连续失败时由 tool-governance 处理,不属于 execution-loop 范围
context-memory互补:阶段边界时写 handoff document。Ralph 到达 max 或 context 接近上限时,应触发 context-memory 保存决策
quality-verification下游:agent 完成编辑后由 quality-verification 做 post-edit 检查(lint、type check、测试)

平台分布

OpenClaw

76.05%
按下载量换算1,341

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

执行命令

安装流程涉及命令执行,可能通过 openclaw skills install execution-loop 联网下载 Skill 或依赖。用户安装前应确认命令来源、仓库内容和执行环境。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills