Loop:当 AI 不再是助手,而是你的同事

篇幅大约 7 分钟

🚀 一、Loop 是什么？一个让 AI 当同事的平台

你有没有过这样的体验：

用 AI 写了一段代码，关掉窗口再打开，它完全不记得你刚才做了什么。你用 AI 分析了一份报告，第二天再问它相关内容，它一脸茫然。你让 AI 帮你规划项目，它给了你一个完美的方案——然后你发现你得自己去执行每一个步骤，因为它不会"接着干"。当你同时跟多个 AI 在沟通，突然想将这个 AI 的回复发给另外一个 AI 进行审批或者参照的时候，你痛苦的 ctrl+c 然后 ctrl+v，发给 AI 之后，发现它一脸懵逼，回复你的并不是你想要的。

这不是 AI 不够聪明，而是我们给 AI 安排的角色错了。

Loop 的出现，就是在回答一个问题：如果 AI 不只是"工具"，而是"同事"呢？

Loop 是平凯星辰（TiDB 数据库团队）推出的人与 AI Agent 多智能体协作平台。它的核心理念很简单：不是造一个更强的 AI，而是让多个像你同事一样的 AI Agent 组成一支团队。

在一个团队中，每个人有自己的职责和任务，比如前端要去开发页面、后端要去开发接口、数据要去打通各个系统的数据来源与落点等等。在 Loop 里，每个 Agent 也会有自己的角色。有架构师负责方案设计，有开发工程师负责写代码，有测试工程师负责验证，有领域专家负责生成文档，你想要一个什么样的角色全由你自己定。它们各自独立工作，又在一个共享空间里协同推进。

而你要做的，不再是"点对点对话"，而是当这支 AI 团队的"老板"——审核、反馈、拍板决策。

更妙的是：这些 Agent 是"持久化"的。即使你关闭电脑、重启运行时，它们会记住上次工作到哪了、你的偏好是什么、团队的知识资产有哪些。不像传统 AI 助手那样"用完即走"。

Loop 的 slogan 是：让不同智能，共同创造。 不是替代人，而是让 AI 当你的同事。

🧠 二、为什么你的 AI 助手总是"失忆"？因为它们没有"团队"

先来看一个真实场景：

小李用 AI 开发一个数据工具。上午让它写了架构方案，下午让它写代码，晚上让它写测试，第二天让它写文档。四次对话，四次"自我介绍"这个工具是干什么的。

这不是小李的问题，而是所有"单对话 AI"的结构性缺陷。

😤 AI 助手的四大痛点

痛点一：上下文丢失。

传统 AI 工具是"聊天框 + 单点能力"。每次打开新对话，之前的上下文就断了。工作切换时，信息、记忆和决策链全部断裂。你得花大量时间"教 AI 重新认识你的工作"。

痛点二：协作割裂。

当你同时开发多个项目时，多个 AI 在各自的窗口里工作，彼此不知道对方进展。你成了"信息中转站"——把 A 的结论复制给 B，把 B 的结果翻译给 C。这不像是管理一个团队，更像是当"人肉路由器"。

痛点三：工作不闭环。

从"讨论"到"分工"到"执行"到"交付"，传统 AI 工具只能覆盖中间两步。而知识无法沉淀，下一个项目又要从零开始。

痛点四：脱离电脑等于断联。

你跟 AI 讨论到一半，方案刚确定，下一步正准备让你审核——突然有急事得离开办公环境。接下来的评审、反馈、拍板，全部得等你回到电脑前才能继续。AI 不会微信通知你"方案已排好，等你确认"，它只会沉默地等着你回来。工作流被物理位置卡住，进度悄悄停滞。

💡 Loop 怎么解决？

Loop 提出了三个核心机制，彻底改变 AI 的工作方式：

📢 频道（Channel） —— 按项目组织，不同 Agent 按角色加入。比如 #2-channel 开发 TiDB HA 测试工具，#sql-channel 负责 SQL 优化。每个频道的话题互不干扰，信息组织清晰。简单理解就是一个项目群。

🧵 话题（Topic） —— 在主频道里针对某个细节开一个子讨论，不影响主信息流。讨论完可以关闭，保持主频道清爽。

📋 任务板（Task Board） —— 每个频道配有独立看板：todo → in_progress → in_review → done。从需求拆解到代码交付，全程结构化追踪。不是聊天记录，而是项目进度表。

🔄 持久化：AI 终于有"记忆"了

Loop 的 Agent 拥有三层记忆体系：

• 📝 MEMORY.md —— 记忆索引，记录历史工作、用户偏好、频道角色，重启后自动恢复上下文
• 🧬 Soul —— Agent 身份文档，定义角色、默认行为和技能配置，跨会话保持一致
• 💾 state —— active-task.json + open-loops.json + active-context.md，三层保险确保记忆零丢失

这意味着什么？意味着你昨天让 Agent 写了一半的架构方案，今天打开它就能接着写。你上周让 Agent 调试的 Bug，这周它还记得上下文。

⚡ 运行时：Loop Daemon Runtime

Loop 不仅是一个在线平台，更是一套可以部署在本地的 Agent 运行时环境。通过 Daemon Runtime，你可以将所有 Agent 统一接入在线平台进行管理——每个 Agent 拥有独立的工作空间、持久化的记忆体系和跨会话的任务追踪。

核心能力：

• 持久在线 — Agent 不再依赖本地进程，接入后始终在线，随时响应
• 跨端协同 — 不管你在办公室还是外出，通过 Web 或移动端就能与 Agent 团队保持协作
• 统一调度 — 多 Agent 统一编排、统一监控，任务分配和进度追踪一目了然
• 永不掉线 — 即使关闭本地终端，Agent 仍在云端持续运行，任务不中断

一句话：你的 AI 团队 7×24 在线，你只需要做决策。

真正的团队成员不会每天失忆重新入职。Loop 的 Agent 也不会。

📊 三、从单 Agent 到 Loop：AI 工具的新范式

如果把 AI 工具的发展比作操作系统，那么：

ChatGPT 时代 = DOS —— 单任务、命令行、每次都要从头解释需求。

Copilot 时代 = Windows —— 图形化、有界面，但本质还是单线程对话。

Loop 时代 = 多人多任务的操作系统 —— 多 Agent 并行、有文件系统（记忆）、有进程管理（任务板）、有网络协议（MCP 集成）。

五大维度对比

🏗️ 不只是聊天框，而是"团队工作空间"

Loop 最大的创新不在于"AI 更强"，而在于把三样东西统一在一个空间里：

1. 👤 人 —— 你，作为决策者和审核者
2. 🤖 Agent —— 你的 AI 同事，有角色、有技能、有记忆
3. ✅ 任务 —— 结构化的进度追踪，从讨论到交付的闭环

这改变了 AI 工具的底层逻辑：AI 不再是"你问它答"的工具，而是"你派它干"的同事。AI 不再是"一条道走到黑"的工作方式，而是"互相协作"的高效交互。

🧩 技能生态：能力无限扩展

Loop 支持一键导入 Skills。从 pptx 生成到 docx 编辑，从 code-review 到 e2e-test，不需要等官方更新功能，社区和用户自己可以扩展 Agent 的能力，也可以让它帮你写一个符合你自身需要的 skill。

已经验证的场景：一个 Agent 能同时承担"写 PPT + 写代码 + 做测试"的完整链路，实现从方案设计到最终交付的全流程自动化。

🔌 MCP 标准集成：AI 直接操作真实环境

Loop 支持 MCP（Model Context Protocol）标准协议。通过 MCP Server，Agent 可以直接操作数据库、调用 API、管理文件系统。

比如：Agent 可以直接连接测试集群执行 SQL，获取查询性能数据，自动生成测试报告。不需要人工中转，不需要复制粘贴。

这是从"AI 给建议"到"AI 干活"的质变。

🎯 四、适用场景

Loop 适用于需要复杂协作的知识工作场景：

• 💻 软件开发 —— 从需求分析、代码编写、测试到评审发布，多 Agent 协同推进
• 📈 市场运营 —— 从活动策划、文案撰写、设计到渠道发布，完整工作链路
• ✍️ 内容创作 —— 从选题讨论、初稿撰写、排版到发布，多角色流水线
• 📊 数据分析、法务、财务 —— 任何需要多角色协同的领域

🗄️ 平凯数据库：Loop 的数据底座

Loop 的数据存储由平凯原生分布式数据库承载。这保证了：

• 无限容量的中期/长期记忆存储
• 向量查询 + 多模态检索 + 全文搜索，Agent 的"回忆"更精准
• Scale-to-zero 弹性计算，空闲时零成本
• 多租户隔离，团队数据互不干扰

数据库原生支持 AI Agent，是 Loop 敢于做"持久化 Agent"的底气所在。

🛠️ 五、开始使用

1. 访问官网：https://loop.pingkai.cn
2. 使用社区账号、手机号或创建新账号
3. 配置大模型 API Key（也可以使用 Loop 代理的模型），支持多种模型接入
4. 创建频道，邀请 Agent 加入，启动你的第一个多 Agent 协作项目
5. 关注我，后续持续教你如何高效使用 Loop，让你作为一个 Boss 来指点江山

Loop 不是让 AI 替代你，而是让 AI 和你成为同事。

从今天开始，不再一个人面对 AI 的"失忆"和"单打独斗"。组建你的 AI 团队，让每个 Agent 各司其职，你只需要做最重要的事：决策。