LRA官方Logo - 效率工具工具

LRA

让 Agent 长时自动化开发, 解决 Agent 上下文丢失、过度设计、过早完成等核心痛点

效率工具
编程开发
LRA - 让 Agent 长时自动化开发, 解决 Agent 上下文丢失、过度设计、过早完成等核心痛点 - 产品截图展示1

关于 LRA

一句话定位:让 AI Agent 不偷懒、不崩溃、不跑偏,把&#8221;睡一觉醒来跑完 5 万行代码&#8221;这件事变成现实。 一句话上手:pip 一键安装,lra init 自动生成 CLAUDE.md / AGENTS.md,你的 Agent 立刻就会用。 一、功能亮点 轻量到极致,零门槛接入 pip install long-run-agent 一行装好,没有重型依赖、没有服务端、没有数据库。所有状态就是 .long-run-agent/ 目录下几个 JSON / YAML 文件,跟着 Git 走,人能读、Agent 也能读。 突破上下文窗口限制 内置输出限制感知:4K 的 GPT-4o-mini、8K/16K/128K 的各类 Claude 都能各司其职。lra context &#8211;output-limit 按模型能力自动推荐和拆分任务;lra orientation 一条命令完成上下文重建(工作目录、项目结构、最近提交、任务进度、索 引位置),Agent 重启即接续,不再被上下文长度卡死。 Constitution 规范驱动 + 质量门禁,专治&#8221;AI 偷懒&#8221; 这是 LRA 区别于普通任务清单工具的核心。项目把不可协商的原则写进 .long-run-agent/constitution.yaml,分三层: &#8211; NON_NEGOTIABLE(不可协商):连 &#8211;force 都绕不过去,必须通过; &#8211; MANDATORY(强制):必需门禁必须过; &#8211; CONFIGURABLE(可配置):按需开关。 门禁支持 shell 命令(如 pytest tests/)、字段检查、自定义函数。任务完成时自动验证,失败自动进入 optimizing 状态并给出修复建议——AI 没法靠&#8221;我说做完了&#8221;蒙混过关。 Ralph Loop 7 阶段迭代引导,逼着每一步走扎实 每个任务最多 7 次渐进式迭代:理解规划 → 基础实现 → 功能完善 → 质量提升 → 优化改进 → 验证测试 → 交付准备。质量门禁按阶段触发,早期阶段不卡性能、不卡深度 测试,后期逐步加严。三件贴心设计:所有必需检查通过可提前完成(不必硬走 7 次)、同一阶段卡 3 次自动提示跳阶段、重构阶段带测试覆盖率安全提示。 Relay 全自动接力 + 断点续跑,真正的&#8221;自动驾驶&#8221; lra relay 一条命令跑完整个队列:取任务 → claim 加锁 → 跑 Agent → Constitution 验证 → 更新状态 → git commit,全程无人值守。崩溃恢复靠&#8221;阶段级提交&#8221;——每个阶段完成立即 commit,iteration 在 commit 之后才递增,所以崩溃丢的最多是当前阶段;锁超时 15 分钟后变 orphan,新进程自动接管,从 ralph.iteration 指向的阶段继续。挂个 tmux,断了重连接着跑。 多 Agent 协作:大模型拆、小模型并行干 层级锁机制让大模型负责架构和接口契约、decompose 拆分、publish 释放子任务锁;小模型按 &#8211;output-limit 领取可承担的子任务并行开发,最后大模型验收集成。文件锁(单实例)+ 任务级锁(单任务)双层并发安全,多 Agent 提交到同一分支无 merge 冲突。 兼容你正在用的全部 Agent 工具 Claude Code、OpenCode、Open Claw、Cursor、Trae……一条 lra init 自动生成对应的 CLAUDE.md / AGENTS.md / lra.md,Agent 读完就知道工作流,不挑工具、不改习惯。 全平台 + 高性能 Windows / Linux / macOS 全平台兼容(CI 验证)。基准测试:1000 任务规模下创建延迟 <10ms、更新延迟 <20ms、吞吐 172 ops/s,10→1000 任务内存增长仅 19.5%——开箱即用撑住大型项目。 通用任务模型,不止写代码 内置 code-module、novel-chapter、data-pipeline、doc-update、task 五套模板,软件开发、小说创作、数据处理、文档维护都能套;Jinja2 模板引擎支持条件/循环,自定义模板零成本。 二、典型使用场景 大型软件项目的多模块并行开发 把一个 Web 应用拆成认证、订单、支付等模块,大模型定契约、小模型分头干活,Constitution 保证每块合并时测试必过、文档必更新。 长任务挂机自动化("睡一觉跑完") tmux 里 lra relay --max-steps 100,第二天回来看进度条。配合国内高性价比的中小 输出模型(4K/8K)把成本压下来,长任务也能跑得起。 多 Agent / 多模型混编 贵模型干规划与验收,便宜模型干实现,靠层级锁和输出限制适配把分工切干净,避免" 大材小用"烧 token。 长篇内容创作(小说、系列文档) novel-chapter 模板的 7 阶段路径:理解大纲 → 初稿 → 情节完善 → 人物塑造 → 语言润色 → 逻辑检查 → 最终定稿,每一稿都有阶段目标和可跳过项,不被一次性输出上限困住。 数据管道与数据处理 data-pipeline 模板覆盖数据可用性 → 质量 → 完整性 → 性能 → 可视化 → 交付验证全链路,适合周期性、需要回归保障的数据任务。 老项目接入与文档治理 v3.3+ 的系统预检(代码规模、Git 规范、文档覆盖率、注释占比)自动评估项目健康度 ,增量/全量两种模式;创建业务任务时自动绑定文档更新任务,doc_enforcement 可设 strict 强制闭环。 团队级 Agent 工作流标准化 lra orientation + 13 步标准化提示词 + 项目分析器(Python/JS/TS/Go),新 Agent 上手即对齐既有规范,降低协作摩擦。 三、社区收录与认可(可核实) 开源协议:MIT License,GitHub 仓库 hotjp/long-run-agent,已发布 23 个 Release,最新 v5.2.2(完整 Windows 兼容性,CI 验证)。 PyPI 已发布:pip install long-run-agent,命令行工具为 lra。 收录于 GitHub Topic「long-running-agent」分类。 被第三方开源聚合站 Star Wiki 收录,列为「适合 AI Agent 开发的开源项目」之一。 掘金、CSDN 等技术社区有专文介绍与实测,核心评价聚焦在"轻量、零门槛、可直接落 地的长任务调度"。 四、FAQ Q1:LRA 和其他 Agent 框架(LangGraph / AutoGen / CrewAI 等)有什么本质区别? A:那些框架解决的是"怎么编排 Agent 调用",LRA 解决的是"长任务怎么不崩、不偷懒、可接续"。它不接管你的模型调用,而是给任意 Agent 工具提供一层规范驱动的任务管理 + 质量门禁 + 断点续跑外壳。Constitution 强制门禁 + Ralph Loop 阶段引导是其他任务清单类工具没有的。 Q2:AI 总喜欢说"我做完了"就交差,LRA 怎么治? A:靠 Constitution 的 NON_NEGOTIABLE 原则 + 质量门禁。任务完成时自动跑你定义的 检查(pytest、lint、字段是否存在……),失败就自动进 optimizing 状态给修复建议;即使加 --force 强制完成,NON_NEGOTIABLE 原则照样必须通过,绕不过去。 Q3:跑长任务中途进程崩了,进度会丢吗? A:不会。Relay 采用阶段级提交——每个阶段完成立即 git commit,崩溃后重启 lra relay 会读取 ralph.iteration 从断点续跑;锁超时 15 分钟自动转 orphan,新进程接管。建议挂 tmux,断网断电都能续。 Q4:支持哪些 AI 模型和编程工具? A:模型层面按输出能力自适应(4K–128K 全覆盖,特别适配国内高性价比中小模型)。工具层面 v5.0 全面兼容 Claude Code、OpenCode、Open Claw、Cursor、Trae 等,lra init 自动生成对应配置文件,Agent 自动学会工作流。 Q5:支持 Windows 吗? A:支持。v5.0 起全平台兼容(Windows / Linux / macOS),v5.2.2 已通过 CI 完整验证,跨平台相关操作使用跨平台原语,无平台锁。 Q6:数据存在哪?会不会丢?多人/多 Agent 同时操作安全吗? A:所有状态就是 .long-run-agent/ 下的 JSON/YAML/Markdown,跟 Git 走、可 review。原子文件 I/O(SafeJson + FileLock)保证写不撕裂;并发场景下文件锁(单实例)+ 任务级锁(单任务)双重保护,多 Agent 提交同一分支不冲突。 Q7:性能扛得住大项目吗? A:扛得住。1000 任务规模:创建 <10ms、读取 <2ms、更新 <20ms、吞吐 172 ops/s,10→1000 任务内存增长仅 19.5%。500 任务以内属常规使用区间。 Q8:收费吗? A:MIT 开源,完全免费。安装:pip install long-run-agent(开发版加 [dev],含浏览器测试加 [full])。 Q9:最快怎么跑起来? A:四条命令—— lra init --name "My Project" # 初始化(自动建 Constitution) lra new "实现登录功能" # 创建+认领 lra new "用户认证模块" --auto-split # 复杂任务自动拆分 lra status # 看进度 想全自动就 lra relay --dry-run 先干跑看看。

相关推荐

探索更多 效率工具 类产品

Mew Design

Mew Design

设计自由,人人可及。

Mew Design是一个零门槛、可落地、有品位的 AI Agent图文设计平台与创意社区,我们旨在让每个普通人的创意都能够被看见! 平台上有结合了人类设计师审美和经验的猫猫设计师们(design agent),普通人通过自然语言就可以轻松设计出专业且可落地的作品,例如海报、名片、社媒图片、宣传册、邀请函、图表、ppt等……这些作品可以精准地展示字体,并实现布局、字体、logo、二维码等各种元素的可控编辑,让作品能够真正落地到使用场景中。 Mew Design,让设计回归创意本源,并让创意走进真实落地场景。
小美

小美

生活小秘书 AI ,助您处理日常琐事。

小美是一款 AI 生活小秘书,它以“用户第一”为核心价值,具备主动思考、深度个性化、帮你办事的三大能力。可以帮用户解决如下问题: 主动帮你安排轻松/有序的日常,每天早上主动帮用户安排一杯咖啡,提醒去健身,一句话“点个外卖”,帮用户安排符合饮食计划的午餐。 帮用户发现丰富/不踩坑的好去处,找个请朋友的晚餐餐厅不用纠结,周末帮用户找玩的地方不踩坑。 复杂的事项,小秘书帮你梳理,帮你查阅大量信息,几次讨论,就能帮用户定一个适合的旅行/健身计划。 欢迎使用小美,一个能帮你想,代你办的 AI 生活小秘书。 核心功能亮点: 快速点个外卖:说一句“点个黄焖鸡米饭”或“随便来个奶茶”,小美几秒就能帮你下单。 挖掘宝藏餐厅:问问小美“附近有啥特色川菜”,精品餐厅推给你,还能帮你团购、排队、订座。 每天日程提醒:太多事老是忘?“明早 10 点要浇花”,说个待办,小美准时提醒你。 解答各类生活信息:了解天气、导航路线、生活常识,你想知道的,小美都能解答。
幕语AI面试

幕语AI面试

幕语AI面试,让每一次面试都自信从容

幕语AI面试是一款AI备面工具,帮助你快速全面准备面试。在面试准备阶段,可基于目标岗位的JD,快速拆解岗位要求与面试关注点,将常见面试内容按模块整理,如自我介绍、项目经历、行为面试、专业问题等,帮助用户在有限时间内把准备重点理清。在练习过程中,通过模拟真实面试提问与实时提示,用户可以反复练习回答结构,避免临场时出现思路中断、遗漏关键信息或表达失序的情况。帮助用户面试表达更结构化、更可控,减少临场不确定性,提升面试通过率。
三分熟字幕

三分熟字幕

一款基于可理解输入理论的 youtube 语言学习插件,可以将字幕模糊化,只在你需要的时候清晰显示。

还在纠结要不要关掉字幕?现在有更好的选择! 如果说中文配音的视频是”熟肉”,双语字幕是七分熟,单英语字幕是五分熟,那么”三分熟字幕”为您提供了一种”三分熟”的全新体验——保留了足够的挑战让你的听力能力持续提升,又在关键时刻给予恰到好处的支持,真正做到既不过度依赖,又不因难度过高而放弃。 🎯 独特优势 – 智能模糊: 不是简单地显示或隐藏字幕,而是通过模糊处理让你在需要时才能看清! – 个性化学习: 标记听不清的单词,系统自动在下次出现时显示,打造专属于你的学习曲线! – AI语境翻译:点击单词触发智能分析,基于所在句子精准翻译,解析俚语、专业术语等特殊用法。 – 保持沉浸: 不再需要频繁暂停查词,让你专注于享受视频内容! – 自主掌控: 手动标记或取消标记单词,完全由你决定何时需要字幕提示! – 双字幕模式:提供一个显示上一条的副字幕,即使错过也无需回首寻找那个单词! – 字幕遮罩:当视频中存在一个内嵌字幕而你又不想看到它,遮住它! – 双语字幕:提供仅模糊译文的模式,在你需要时才看得清! 💡 为什么选择三分熟字幕? 传统方式的困境: – 开字幕 → 不知不觉变成了阅读练习 – 关字幕 → 遇到生词需要反复暂停,打断观看体验 模糊字幕的突破: – 模糊显示 → 专注听力,避免依赖阅读 – 灵活标记 → 随时标记难词,下次遇到自动显示 – 主动学习 → 掌握新词后取消标记,逐步减少依赖 ✨ 使用场景 想象一下: – 观看最新剧集时,你能自然地理解对白,只在关键词处获得提示 – 看 YouTube 视频时,难词自动显现,其他内容由你的耳朵来理解 – 当你重温影片时,曾经标记的单词清晰可见,其他内容重点锻炼听力 🚀 开始使用 立即安装「三分熟字幕」,体验更智能、更高效的英语听力学习方式。让每一次观看视频都成为提升语言能力的绝佳机会!
OpenWork

OpenWork

开源的 Claude Work 替代方案。

【产品介绍】 OpenWork 是一个开源的 Claude Work 替代方案,提供标准化、可扩展的 OpenCode 图形界面。 【核心功能】 本地优先运行:默认在本机运行 OpenCode,通过 loopback 连接,保护数据隐私 远程模式支持:可连接自托管服务器,适合长时间任务执行 插件生态系统:内置包管理器 (opkg),支持安装技能包和 OpenCode 插件 权限管理:明确的权限提示系统,用户可选择允许、拒绝或始终允许文件访问和工具执行 项目级定制:支持按项目配置工作流和技能 跨平台支持:提供 macOS、Windows、Linux 原生应用 适合需要可控、透明的 AI 辅助工作流的开发者和非技术用户。
Playwriter

Playwriter

浏览器自动化 AI 插件。

【产品介绍】 Playwriter MCP 是一款基于 Chrome 扩展的浏览器自动化工具,通过 MCP 协议让 AI 助手(如 Claude)直接控制浏览器。 相比传统的 Playwright MCP,它无需启动独立浏览器窗口,在用户现有浏览器中运行,支持完整的 CDP 协议和 Playwright API,上下文占用更少,功能更强大。 【产品功能】 浏览器控制:通过单一 execute 工具执行 Playwright 代码,支持导航、点击、输入、截图等全部操作 标签页管理:控制已连接的标签页,支持多标签切换和新建标签 协同工作:用户可在 AI 自动化过程中介入处理验证码等复杂交互 绕过检测:可临时断开连接以规避自动化检测,完成后重新连接 安全机制:仅控制用户显式授权的标签页,WebSocket 服务器限定本地访问