# Show HN: Autonomy – Self-Harness/Self-Directed AI Agent Core Under Development > Source: > Published: 2026-06-20 06:31:40+00:00 ### 自導向代理人迴圈 `AgentLoop.run(goal, max_steps=12)` 啟動後完全自主執行，每步驟透過 `run_turn()` 推進。支援互動模式（`interactive=True` ）與批次模式，所有事件均以 `run_id` 記錄於 `AutonomyStore` 。 每個執行回合（Turn）依固定五步驟推進，直到目標達成、被封鎖或超過步數上限 AgentLoop 是 Autonomy 的核心驅動器——一個「自導向任務迴圈」，不需要人工介入即可從目標出發，自主選擇工具、執行行動並從結果中學習。 每個 Turn 的執行流程：①從技能庫選取相關 `ProcedureSkill` ，②由 LLM 提案 + RecipeEngine 產出候選動作路徑，③以 5 維評分排序（Beam Width=3），④透過 `ActionGateway` 受管執行，⑤評估結果並觸發學習。 終止條件明確：`ACHIEVED` （目標完成）、`BLOCKED` （無法繼續）、`NO_CANDIDATES` 、`APPROVAL_DENIED` 、`MAX_STEPS_REACHED` 、或 `FAILED` ——系統永遠不會陷入無限循環。 每個特點都直接對應 Autonomy 原始碼中的具體實作 `AgentLoop.run(goal, max_steps=12)` 啟動後完全自主執行，每步驟透過 `run_turn()` 推進。支援互動模式（`interactive=True` ）與批次模式，所有事件均以 `run_id` 記錄於 `AutonomyStore` 。 所有工具呼叫必須通過 `ActionGateway` 的 `ApprovalPolicy` 授權。每個動作帶有 `RiskLevel` （LOW / MEDIUM / HIGH）、`expected_effect` 與 `verification_plan` ，確保執行可控、可審計。 `CandidateSelector` 以 evidence_strength（+0.30）、purpose（+0.10）、risk（−0.35）、side_effects（−0.20）、penalty（−1.0）五個維度計算總分，選出前 `beam_width=3` 名候選路徑送往執行。 `DeterministicOutcomeEvaluator` 優先判斷執行失敗（直接 BLOCKED），成功但結果不確定時再交由 `ModelAssistedOutcomeEvaluator` 呼叫 LLM 語義判斷——最小化昂貴的模型呼叫次數。 `ProcedureSkillLibrary` 內建 13 個 bundled skills，涵蓋 api-debugging、browser-navigation、code-editing、codebase-documentation、plan、procedure-skill-authoring、process-management、requesting-code-review、systematic-debugging、technical-spike、TDD、website-inspection、writing-plans，每步動態選取最相關技能載入。 每次 Run 結束後，`LearningLoop.review_run()` 自動觸發：若結果為 ACHIEVED 且有 ≥2 個成功步驟，自動起草新 `ProcedureSkillDraft` （信心度 0.85），生成 `LearningProposal` 等待審核。 `RecipeEngine` 監控每個成功動作的 SHA-256 指紋——當同一動作成功次數 ≥ `candidate_threshold=2` ，自動升格為候選 Recipe，下次直接作為行動選項（source=`action_skill` ）提出，無需 LLM 重新推理。 每次 Run 結束後，`CuratorDaemon` 在後台執行緒（`daemon=True` ）非同步啟動 `SkillCurator.apply_auto_merges()` ，自動偵測並合併重複（信心 0.95）或子集（信心 0.90）技能，防止技能庫膨脹。 `TOOLSET_CATALOG` 涵蓋 4 個預設啟用工具集：file、terminal、search、skills，加上 opt-in 的 project（git / JSON / YAML / 測試探索）與 browser（Playwright headless Chromium，11 工具）。規劃中：memory、delegate、cronjob、computer_use。 `AutonomyStore` 以 Event Sourcing 模式記錄整個執行生命週期：run_started → skills_selected → candidates_ranked → action_selected → approval_decision → observation → outcome_evaluated → recipe_learned → learning_review → run_finished，完整可重播。 `autonomy tui` 啟動豐富終端介面，提供 session 總覽面板、回合記錄、Action trail、compact/full 切換模式與 `/` 指令面板。自然語言直接流入 `AgentLoop` ，UI 永遠不直接執行工具。 支援 `ollama` （本地）與 8 個 OpenAI-compatible providers：openai-api、nvidia、openrouter、deepseek、xai、zai、kimi-coding、alibaba。提供 API 金鑰管理與 provider 設定，`autonomy doctor` 可檢查端點走通性。 每個候選動作路徑依以下公式計算總分，選出前 3 名送往執行 每個方塊對應 Autonomy 原始碼中的實際類別或模組 每個技能以 SKILL.md 格式定義，包含名稱、描述、所需工具與平台篩選 每次執行 Turn 時，`model.select_procedure_skills()` 依可用工具名稱動態篩選並載入最相關技能；執行成功且達到門檻後，`LearningLoop` 將自動起草新技能並生成 `LearningProposal` （CANDIDATE 狀態）。 以下事件序列直接對應 AutonomyStore.record_event() 的實際呼叫順序