loopx

LoopX é um plano de controle aberto e local-first para agentes de longo horizonte e equipes pessoais de agentes. Ele mantém metas, decisões, evidências, tarefas pendentes, escopo e cotas duráveis entre sessões, reinicializações e diferentes runtimes de agentes. O projeto se posiciona como uma camada de controle nativa para agentes, e não como mais um framework de agentes: runtimes como Codex, Claude Code, Cursor, DeepSeek Harness, KunlunCode, OpenCode, Pi, ZCode e runners personalizados executam o trabalho, enquanto o LoopX governa continuação, propriedade, gates e handoffs. O Personal Agent Workspace fornece um painel de navegador/PWA (`loopx dashboard`) para visualizar o que precisa de atenção, tarefas em execução, watches agendados, substituições de capacidade, arquivos entregáveis e evidências de suporte. Ele oferece suporte a direcionamento de turnos ao vivo, enfileiramento de mensagens e roteamento de mensagens assíncronas da caixa de entrada de conversas conectadas do Lark. O LoopX também inclui uma interface de linha de comando com operações como `quota should-run`, `todo claim`, `todo update`, `refresh-state` e `quota spend-slot` para integração com runners personalizados. O README relata resultados de benchmark no Long-Horizon Terminal-Bench (LHTB): o LoopX 1.0.3 Heartbeat alcançou recompensa média de 0,4948 em 46 tarefas correspondentes usando GPT-5.6 Sol, em comparação com 0,4218 do Plain Codex e 0,4475 do native Codex Goal. Os autores observam que as contagens de resolução estrita corresponderam ao Plain Codex, que os resultados em nível de tarefa melhoraram em 23 tarefas, empataram em 13 e regrediram em 10, e que o estudo usa uma tentativa efetiva por tarefa e modo, com orçamentos de runtime desiguais. Estudos exploratórios adicionais cobrem o SWE-Marathon e a análise de comportamento do DeepSWE. O projeto também apresenta casos de demonstração de longa duração, incluindo uma sequência de contribuição OpenViking de mais de 200 horas e uma trajetória de experimento Auto ML com dados ocultados, além de casos relatados por usuários, como uma execução de precisão em C++ de mais de 13 horas, uma execução autônoma de quatro dias e sete PRs mesclados. A instalação é feita via PyPI com Python 3.11+ e Node.js 22.22.3+ (Node.js 24 LTS recomendado). As estatísticas básicas de uso são ativadas por padrão após a divulgação no primeiro uso e podem ser desativadas. O projeto é licenciado sob Apache-2.0 e fornece documentação, cenários de workspace reproduzíveis e um catálogo público de demonstrações.