腾讯开源 LoopForge:写代码的 agent 进了 Docker,Approve 仍在你手里
聊天里派活,沙箱里修 flaky test,PR 前必须你点头。评论区先问:agent 测试时拿着什么凭据,flaky test 跑了几次?
腾讯开源了一个叫 LoopForge 的 coding agent 工作区,代码在 github.com/Tencent/LoopForge。用法很直接:在聊天框里输入“fix the flaky login test and open a PR”,agent 会规划、修复、审查、测试,流程跑在 Docker sandbox 里。PR 不会自动合并,必须你批准。支持 Codex、Claude Code、Cursor CLI 和另外 7 个 agent,自托管,免费。
它想解决的位置很具体。大多数 coding agent demo 能改几行代码,到了 flaky test、依赖安装、开 PR、等 CI 这几步就开始掉链子。LoopForge 把 Docker sandbox 摆在流程中间,至少承认了真实代码库不是一个干净的 demo repo。回复里有网友说,Docker sandbox 是重点,几乎每个 agent demo 都死在开 PR 前的 flaky test 上。
回复里有人贴了 Orchestrator.inc 的链接,说感觉和它挺像。那个项目也是本地工作区,给每个任务分 agent、分支和 worktree,有看板、CI 失败回派、reviewer agent。界面长这样:


这些图来自 Orchestrator.inc,LoopForge 的界面没有出现在素材里,贴出来只当同类参考。回到 LoopForge,评论区没有停在“腾讯也开源了”这一步。几个问题比功能列表更值得看。
第一类是沙箱生命周期。有网友问,Docker sandbox 怎么处理依赖,每次跑都拉新镜像吗,还是任务之间保持热状态。另一位也追问,sandbox 是按任务独立启动,还是所有 agent 共用一个环境。答案会直接影响两件事:flaky test 能不能稳定复现,以及每次修复要等多久。真实项目里依赖缓存和镜像复用是体验分水岭,demo 里看不出来。
第二类是凭据。有网友说,在让 agent 开 PR 之前,得知道它跑测试时持有什么凭据。修一个 flaky login test 不需要 main 的 push 权限,也不该让生产 secrets 躺在环境变量里。自托管解决了数据落在谁机器上的问题,但没有自动解决权限最小化。批准前 agent 能碰什么,应该写进配置。靠信任不够。
第三类是审查有效性。有网友指出,写修复和审查修复在同一个 box 里完成,这里要盯住。跳过 flaky test 也能让测试通过。还有网友把话说得更细:reviewer 只拿到 diff,就是在给写代码的 agent 批改自己的假设;应该把失败日志和一条必须变绿的命令交给 reviewer。另一位直接问,reviewer agent 会拦住 fixer,还是大多数时候盖章。这个担心不抽象,CI 里“重跑直到绿”已经发生过很多次。
flaky test 本身也被单独拎出来。有网友说,一个 flaky test 绿一次证明不了什么,PR 里应该展示修复前后各跑 50 次。这个要求不低,但方向对。LoopForge 如果把测试结果做成审批页的一部分,人类至少能看到它跑了多少次、失败率怎么变,而不是只看一个绿色勾。
最后是那个“合并前必须你批准”。有网友说,这一行在承担很多工作,大多数人会直接点 approve。另一个回复更直接:批准不能变成人对另一个 agent 的 review 点 yes。这个设计有价值,但它把责任放回了人身上。流程好不好用,要看审批页给不给证据:失败日志、测试次数、沙箱配置、agent 持有什么权限。只给一个 diff 和一个 Approve 按钮,闸门很快会变成肌肉记忆。

还有个容易被 demo 遮住的问题:长任务状态。有网友说,开源 agent 工作区有意思,但真正的测试是它在真实代码库里能否跟踪长任务状态,不是 demo repo。LoopForge 需要证明多轮修复、CI 回派、review 评论回派这些状态不会丢。自托管和免费是入口,后面拼的是这些枯燥的工程细节。
LoopForge 已经给出一个可用的默认流程:聊天里派活,Docker 里跑,PR 前人工批准。这个组合比再多 agent 名称都实在。接下来值得看的是它的沙箱生命周期、权限模型和审批记录。如果最后只是让人负责点 Approve,那和现在的 PR 流程区别不大,只是写代码的同事不喝咖啡。
发布时间: 2026-11-18 22:29