LoongFlow — PEES Iterative Agent

Other

LoongFlow brings evolutionary multi-agent optimization to your coding agent harness. Drop it into Codex, Claude Code, Cursor or any OpenClaw agent — then watch PEES (Plan-Execute-Evaluate-Summary) iterate your code, algorithms, or prompts toward a target score, just like a harness-native eval loop but without writing a single test fixture. Two modes: Native PEES (async subagent, zero config, fires-and-forgets into the background) and LoongFlow Engine (full evolutionary search with islands, Boltzmann selection, MAP-Elites diversity, 50+ iterations, checkpoint/resume). Pairs perfectly with any task where 'run it once' isn't good enough. Use when tasks need structured iteration, optimization, evolution, or when user mentions loongflow/PEES.

Install

openclaw skills install @freshmand/loongflow

LoongFlow — PEES 迭代问题求解

当用户希望通过多轮迭代来优化方案时使用此 Skill——代码优化、算法进化、结构化重试与学习,或任何"一次生成质量不够、需要反复打磨"的任务。

第一步:分析任务,推荐模式

收到任务后,先分析复杂度,向用户介绍两种模式并给出推荐:

Native PEES(推荐中小型任务):

  • 适合:单文件修复、小功能、bug fix、聚焦的质量提升
  • 工作方式:异步 subagent——任务丢给独立 subagent 跑 PEES 迭代,主 session 立刻释放,不阻塞对话
  • 优点:无需额外配置,透明工作区,完成时直接通知用户
  • 限制:最多 5 轮迭代,单线程,无种群进化
  • 进度:每轮迭代完成后写入 .loongflow/tasks.json,统一监控

LoongFlow Engine(推荐复杂优化任务):

  • 适合:优化问题、多文件项目、需要 50+ 轮迭代、种群进化
  • 工作方式:下载 LoongFlow 框架,后台运行进化引擎,cron 定时汇报进度
  • 优点:多岛模型、Boltzmann 选择、MAP-Elites 多样性、断点续跑、成本追踪
  • 限制:需要 ANTHROPIC_API_KEY + ANTHROPIC_BASE_URL,有安装步骤
  • 源码:https://github.com/baidu-baige/LoongFlow

先询问用户选择哪种模式,再执行。

第二步:按模式执行

用户确认模式后,读取对应的参考文件并严格按其指令操作:

  • Native PEES → 读取并遵循 references/native-pees.md
  • LoongFlow Engine → 读取并遵循 references/engine-mode.md

任务监控(两种模式通用)

所有 LoongFlow 任务(无论 native 还是 engine)都通过统一的任务注册表管理:

  • 注册表<agentWorkspace>/.loongflow/tasks.json
  • 监控 cron:所有任务共用一个 openclaw cron,每 10 分钟触发一次。每次向用户推送有实质内容的进度摘要:分数趋势(0.XX → 0.XX → 0.XX)、本轮策略(从 plan.md/log 提取)、关键发现(从 summary.md/log 提取)。
  • 任务完成:subagent / engine 直接 infoflow_send 最终结果,并将任务标记为 done

cron 创建命令详见 references/monitoring.md(两种模式共用,不要在各模式文件里单独维护,也不要内联 cron 命令)。

架构参考:任务复杂度分级

LoongFlow 将 Agent 任务分为三个层级:

层级说明适合场景
Simple(简单)ReAct 循环 + 持久化记忆聊天机器人、工具调用、格式转换
Standard(标准)ReAct + 自我评估 + 迭代改进代码审查、文档生成、数据分析
Advanced(高级)PEES 进化循环 + loongflow-memory数学优化、算法设计、NP-hard 问题

复杂度判断流程

任务分析
├── 只需对话 + 简单工具?→ SIMPLE
├── 需要文件操作或代码生成?
│   ├── 有数值评估指标?→ ADVANCED
│   └── 无数值指标?→ STANDARD
└── 需要迭代优化?
    ├── 有明确打分函数?→ ADVANCED
    └── 定性改进?→ STANDARD