Communitygithub.com

自律ループ

Claude Codeの自律ループのためのパターンとアーキテクチャ — 単純なシーケンシャルパイプラインからRFC駆動のマルチエージェントDAGシステムまで。互換性維持のため残されています。新しい自律ループガイダンスが必要な場合は、代わりにcontinuous-agent-loopを使用してください。

自律ループ とは?

自律ループスキルは、Claude Codeを自律的にループで動作させるためのパターン、アーキテクチャ、および実装例を提供します。このスキルは、単純な`claude -p`パイプラインから完全なRFC駆動型マルチエージェントDAGオーケストレーションまで、幅広いループアーキテクチャをカバーしています。主なユースケースには、人間の介入なしで動作する自律的な開発ワークフローの設定、問題に適したループアーキテクチャの選択、CI/CDスタイルの継続的開発パイプラインの構築、マージ調整による並列エージェントの実行、ループ反復全体でのコンテキスト永続化の実装、自律ワークフローへの品質ゲートとクリーンアップパスの追加が含まれます。このスキルはv1.8.0以降、互換性のために保持されており、新しい開発はすべて`continuous-agent-loop`スキルに集中する必要があります。

対応✓Claude Code✓Codex CLI~Cursor✓Antigravity
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/autonomous-loops

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

自律ループスキル

互換性に関する注意 (v1.8.0): autonomous-loops は1リリースの間保持されます。 正規のスキル名は continuous-agent-loop です。新しいループガイダンスは そちらに記述する必要があり、このスキルは既存のワークフローを壊さないために残されています。

Claude Codeを自律的にループで動作させるためのパターン、アーキテクチャ、およびリファレンス実装。単純な claude -p パイプラインから完全なRFC駆動型マルチエージェントDAGオーケストレーションまでをカバーします。

使用するタイミング

  • 人間の介入なしで動作する自律的な開発ワークフローのセットアップ
  • 問題に適したループアーキテクチャの選択(単純 vs 複雑)
  • CI/CDスタイルの継続的開発パイプラインの構築
  • マージ調整による並列エージェントの実行
  • ループ反復全体でのコンテキスト永続化の実装
  • 自律ワークフローへの品質ゲートとクリーンアップパスの追加

ループパターンスペクトル

最も単純なものから最も洗練されたものまで:

パターン複雑さ最適な用途
シーケンシャルパイプライン低日常の開発ステップ、スクリプト化されたワークフロー
NanoClaw REPL低インタラクティブな永続セッション
無限エージェントループ中並列コンテンツ生成、仕様駆動型作業
継続的Claude PRループ中CIゲート付きの複数日にわたる反復プロジェクト
De-Sloppifyパターンアドオン任意の実装ステップ後の品質クリーンアップ
Ralphinho / RFC駆動DAG高大規模機能、マージキューを使用した複数ユニットの並列作業

1. シーケンシャルパイプライン (claude -p)

最も単純なループ。 日々の開発を、非対話型の claude -p 呼び出しのシーケンスに分解します。各呼び出しは、明確なプロンプトを持つ焦点を絞ったステップです。

核となる洞察

このようなループを考え出せない場合、それは対話モードでLLMを駆動してコードを修正することさえできないことを意味します。

claude -p フラグは、Claude Codeを非対話型でプロンプトとともに実行し、完了すると終了します。呼び出しをチェーンしてパイプラインを構築します:

#!/bin/bash
# daily-dev.sh — フィーチャーブランチ用のシーケンシャルパイプライン

set -e

# ステップ 1: 機能を実装する
claude -p "docs/auth-spec.md の仕様を読んでください。src/auth/ にOAuth2ログインを実装してください。まずテストを書いてください(TDD)。新しいドキュメントファイルは作成しないでください。"

# ステップ 2: De-sloppify(クリーンアップパス)
claude -p "前のコミットで変更されたすべてのファイルをレビューしてください。不要な型テスト、過度に防御的なチェック、または言語機能のテスト(例:TypeScriptのジェネリクスが動作するかどうかのテスト)を削除してください。実際のビジネスロジックのテストは残してください。クリーンアップ後にテストスイートを実行してください。"

# ステップ 3: 検証
claude -p "完全なビルド、lint、型チェック、テストスイートを実行してください。失敗を修正してください。新しい機能は追加しないでください。"

# ステップ 4: コミット
claude -p "ステージングされたすべての変更に対して、従来のコミットを作成してください。メッセージは 'feat: add OAuth2 login flow' としてください。"

主要な設計原則

  1. 各ステップは分離されている — claude -p 呼び出しごとに新しいコンテキストウィンドウがあるため、ステップ間でのコンテキストの漏洩はありません。
  2. 順序が重要 — ステップは順次実行されます。各ステップは、前のステップが残したファイルシステムの状態に基づいて構築されます。
  3. 否定的な指示は危険 — 「型システムをテストしないでください」と言わないでください。代わりに、別のクリーンアップステップを追加してください(De-Sloppifyパターンを参照)。
  4. 終了コードが伝播する — set -e は失敗時にパイプラインを停止します。

バリエーション

モデルルーティングを使用:

# Opusでリサーチ(深い推論)
claude -p --model opus "コードベースアーキテクチャを分析し、キャッシングを追加するための計画を書いてください..."

# Sonnetで実装(高速、高性能)
claude -p "docs/caching-plan.md の計画に従ってキャッシングレイヤーを実装してください..."

# Opusでレビュー(徹底的)
claude -p --model opus "セキュリティ問題、競合状態、エッジケースについてすべての変更をレビューしてください..."

環境コンテキストを使用:

# プロンプトの長さではなく、ファイルを介してコンテキストを渡す
echo "Focus areas: auth module, API rate limiting" > .claude-context.md
claude -p "Read .claude-context.md for priorities. Work through them in order."
rm .claude-context.md

--allowedTools 制限を使用:

# 読み取り専用の分析パス
claude -p --allowedTools "Read,Grep,Glob" "セキュリティ脆弱性についてこのコードベースを監査してください..."

# 書き込み専用の実装パス
claude -p --allowedTools "Read,Write,Edit,Bash" "security-audit.md からの修正を実装してください..."

2. NanoClaw REPL

ECCの組み込み永続ループ。 完全な会話履歴とともに claude -p を同期的に呼び出す、セッション対応のREPL。

# デフォルトセッションを開始
node scripts/claw.js

# スキルコンテキストを使用した名前付きセッション
CLAW_SESSION=my-project CLAW_SKILLS=tdd-workflow,security-review node scripts/claw.js

仕組み

  1. ~/.claude/claw/{session}.md から会話履歴を読み込む
  2. 各ユーザーメッセージが、完全な履歴をコンテキストとして claude -p に送信される
  3. 応答はセッションファイルに追加される(データベースとしてのMarkdown)
  4. セッションは再起動後も持続する

NanoClaw vs シーケンシャルパイプラインの使用タイミング

ユースケースNanoClawシーケンシャルパイプライン
インタラクティブな探索はいいいえ
スクリプト化された自動化いいえはい
セッションの永続性組み込み手動
コンテキストの蓄積ターンごとに増加各ステップで新規
CI/CD統合低い優れている

詳細については、/claw コマンドのドキュメントを参照してください。


3. 無限エージェントループ

2つのプロンプトからなるシステム で、仕様駆動型生成のために並列サブエージェントを調整します。disler によって開発されました(クレジット: @disler)。

アーキテクチャ: 2つのプロンプトシステム

プロンプト 1 (オーケストレーター)          プロンプト 2 (サブエージェント)
┌─────────────────────┐             ┌──────────────────────┐
│ 仕様ファイルを解析   │             │ 完全なコンテキストを受信 │
│ 出力ディレクトリをスキャン│ デプロイ │ 割り当てられた番号を読む │
│ 反復を計画           │────────────│ 仕様に正確に従う       │
│ クリエイティブな方向性を割り当て│ Nエージェント │ ユニークな出力を生成   │
│ ウェーブを管理       │             │ 出力ディレクトリに保存 │
└─────────────────────┘             └──────────────────────┘

パターン

  1. 仕様分析 — オーケストレーターが、生成するものを定義する仕様ファイル(Markdown)を読み取ります
  2. ディレクトリ偵察 — 既存の出力をスキャンして最高の反復番号を見つけます
  3. 並列デプロイ — N個のサブエージェントを起動し、それぞれに以下を付与します:
    • 完全な仕様
    • ユニークなクリエイティブな方向性
    • 特定の反復番号(競合なし)
    • 既存の反復のスナップショット(独自性のため)
  4. ウェーブ管理 — 無限モードの場合、コンテキストが尽きるまで3~5エージェントのウェーブをデプロイします

Claude Codeコマンドによる実装

.claude/commands/infinite.md を作成:

$ARGUMENTS から以下の引数を解析してください:
1. spec_file — 仕様マークダウンファイルへのパス
2. output_dir — 反復結果を保存するディレクトリ
3. count — 整数 1-N または "infinite"

フェーズ 1: 仕様を読み、深く理解する。
フェーズ 2: output_dir をリストし、最高の反復番号を見つける。N+1から開始する。
フェーズ 3: クリエイティブな方向性を計画する — 各エージェントは異なるテーマ/アプローチを取得する。
フェーズ 4: サブエージェントを並列にデプロイする(Task ツールを使用)。各エージェントは以下を受け取る:
  - 完全な仕様テキスト
  - 現在のディレクトリスナップショット
  - 割り当てられた反復番号
  - ユニークなクリエイティブな方向性
フェーズ 5 (無限モード): コンテキストが少なくなるまで、3~5のウェーブでループする。

呼び出し:

/project:infinite specs/component-spec.md src/ 5
/project:infinite specs/component-spec.md src/ infinite

バッチ戦略

数戦略
1-5すべてのエージェントを同時に
6-205つのバッチ
無限3~5のウェーブ、プログレッシブな洗練

重要な洞察: 割り当てによる独自性

エージェントが自己差別化することに依存しないでください。オーケストレーターは各エージェントに特定のクリエイティブな方向性と反復番号を割り当てます。これにより、並列エージェント間でのコンセプトの重複を防ぎます。


4. 継続的Claude PRループ

プロダクショングレードのシェルスクリプト で、Claude Codeを継続的ループで実行し、PRを作成し、CIを待ち、自動的にマージします。AnandChowdhary によって作成されました(クレジット: @AnandChowdhary)。

コアループ

┌─────────────────────────────────────────────────────┐
│  継続的Claude反復                                    │
│                                                     │
│  1. ブランチを作成 (continuous-claude/iteration-N)   │
│  2. 拡張プロンプトで claude -p を実行                 │
│  3. (オプション) レビュアーパス — 別の claude -p      │
│  4. 変更をコミット (claudeがメッセージを生成)         │
│  5. プッシュ + PRを作成 (gh pr create)               │
│  6. CIチェックを待機 (gh pr checks をポーリング)      │
│  7. CI失敗? → 自動修正パス (claude -p)              │
│  8. PRをマージ (squash/merge/rebase)                 │
│  9. mainに戻る → 繰り返す                            │
│                                                     │
│  制限: --max-runs N | --max-cost $X                  │
│            --max-duration 2h | 完了シグナル           │
└─────────────────────────────────────────────────────┘

インストール

警告: コードを確認した上で、リポジトリからcontinuous-claudeをインストールしてください。外部スクリプトを直接bashにパイプしないでください。

使用方法

# 基本: 10回の反復
continuous-claude --prompt "すべての未テスト関数に単体テストを追加してください" --max-runs 10

# コスト制限付き
continuous-claude --prompt "すべてのリンターエラーを修正してください" --max-cost 5.00

# 時間制限付き
continuous-claude --prompt "テストカバレッジを改善してください" --max-duration 8h

# コードレビューパス付き
continuous-claude \
  --prompt "認証機能を追加してください" \
  --max-runs 10 \
  --review-prompt "npm test && npm run lint を実行し、失敗を修正してください"

# ワークツリーを使用した並列実行
continuous-claude --prompt "テストを追加" --max-runs 5 --worktree tests-worker &
continuous-claude --prompt "コードをリファクタリング" --max-runs 5 --worktree refactor-worker &
wait

反復間コンテキスト: SHARED_TASK_NOTES.md

重要な革新:SHARED_TASK_NOTES.md ファイルが反復間で永続化されます:

## 進捗
- [x] authモジュールのテストを追加 (反復 1)
- [x] トークンリフレッシュのエッジケースを修正 (反復 2)
- [ ] まだ必要: レート制限テスト、エラーバウンダリテスト

## 次のステップ
- 次はレート制限モジュールに集中する
- tests/helpers.ts のモック設定は再利用可能

Claudeは反復開始時にこのファイルを読み取り、反復終了時に更新します。これにより、独立した claude -p 呼び出し間のコンテキストギャップを橋渡しします。

CI障害回復

PRチェックが失敗した場合、Continuous Claudeは自動的に:

  1. gh run list を介して失敗した実行IDを取得
  2. CI修正コンテキストで新しい claude -p を起動
  3. Claudeは gh run view を介してログを検査し、コードを修正、コミット、プッシュ
  4. チェックを再度待機(--ci-retry-max 試行まで)

完了シグナル

Claudeはマジックフレーズを出力することで「完了した」ことをシグナルできます:

continuous-claude \
  --prompt "課題トラッカーのすべてのバグを修正してください" \
  --completion-signal "CONTINUOUS_CLAUDE_PROJECT_COMPLETE" \
  --completion-threshold 3  # 3回連続のシグナルで停止

3回連続の反復で完了がシグナルされるとループが停止し、完了した作業に対する無駄な実行を防ぎます。

主要な設定

フラグ目的
--max-runs NN回の成功した反復後に停止
--max-cost $X$Xを費やした後に停止
--max-duration 2h経過時間後に停止
--merge-strategy squashsquash、merge、またはrebase
--worktree <name>gitワークツリーによる並列実行
--disable-commitsドライランモード(git操作なし)
--review-prompt "..."反復ごとにレビュアーパスを追加
--ci-retry-max NCI障害の自動修正(デフォルト: 1)

5. De-Sloppifyパターン

任意のループに追加できるパターン。 各実装ステップの後に、専用のクリーンアップ/リファクタリングステップを追加します。

問題

LLMにTDDで実装するように依頼すると、LLMは「テストを書く」を文字通りに受け取りすぎます:

  • TypeScriptの型システムが動作することを検証するテスト(typeof x === 'string' のテスト)
  • 型システムがすでに保証しているものに対する過度に防御的なランタイムチェック
  • ビジネスロジックではなくフレームワークの動作に対するテスト
  • 実際のコードを不明瞭にする過剰なエラーハンドリング

なぜ否定的な指示がダメなのか

実装プロンプトに「型システムをテストしないでください」や「不要なチェックを追加しないでください」を追加すると、下流で以下のような影響があります:

  • モデルがすべてのテストに対してためらうようになる
  • 正当なエッジケーステストをスキップする
  • 品質が予測不能に低下する

解決策: 別のパス

実装者を制限する代わりに、徹底的にやらせてください。その後、焦点を絞ったクリーンアップエージェントを追加します:

# ステップ 1: 実装(徹底的にやらせる)
claude -p "完全なTDDで機能を実装してください。テストは徹底的に行ってください。"

# ステップ 2: De-sloppify(別のコンテキスト、焦点を絞ったクリーンアップ)
claude -p "ワーキングツリー内のすべての変更をレビューしてください。以下を削除:
- ビジネスロジックではなく、言語/フレームワークの動作を検証するテスト
- 型システムがすでに強制している冗長な型チェック
- 不可能な状態に対する過度に防御的なエラーハンドリング
- console.log ステートメント
- コメントアウトされたコード

すべてのビジネスロジックテストは維持してください。クリーンアップ後にテストスイートを実行して、何も壊れていないことを確認してください。"

ループコンテキストでの使用

for feature in "${features[@]}"; do
  # 実装
  claude -p "$feature をTDDで実装してください。"

  # De-sloppify
  claude -p "クリーンアップパス: 変更をレビューし、テスト/コードのスロップを削除し、テストを実行してください。"

  # 検証
  claude -p "ビルド + lint + テストを実行してください。失敗を修正してください。"

  # コミット
  claude -p "メッセージ付きでコミット: feat: $feature を追加"
done

重要な洞察

下流の品質に影響を与える否定的な指示を追加する代わりに、別のde-sloppifyパスを追加してください。2つの焦点を絞ったエージェントは、1つの制約されたエージェントよりも優れています。


6. Ralphinho / RFC駆動DAGオーケストレーション

最も洗練されたパターン。 RFC駆動のマルチエージェントパイプライン

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

関連スキル