LoongFlow

让AI边干边学，循环进化，搞定复杂任务

LoongFlow 是一个面向循环工程（Loop Engineering）的专家级智能体框架。它通过“计划-执行-总结”的循环机制和结构化经验记忆，让 AI 能够持续思考、执行、反思并进化，从而应对复杂的软件工程、数学和机器学习任务。该框架采用 Python 实现，集成了进化算法、遗传算法等迭代优化技术，并支持百度等平台。其核心能力在于构建一个自我改进的智能体循环，使 AI 不仅能完成任务，还能从每次执行中积累经验，不断优化后续决策。LoongFlow 旨在解决传统智能体一次性完成任务、缺乏长期学习和适应能力的问题，特别适合需要多步推理和持续优化的复杂场景。项目目前处于早期阶段，但已展现出在复杂任务自动化与智能进化方面的潜力。

开源 free 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 478

维护状态低维护

是否开源是

定价模式 free

项目数据

分类智能体

开发团队baidu-baige

所属国家

官网地址

GitHubhttps://github.com/baidu-baige/LoongFlow

定价模式free

价格说明开源框架，Apache-2.0 许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agent,ai,ai-agent,baidu,discovery,evolutionary-algorithms,evolutionary-computation,evolve,genetic-algorithm,iterative-methods,iterative-refinement,llm,llm-ensemble,loongflow,loop-engineering,multi-agent,openevolve-alternative,optimize,sota

GitHub 星标★ 478

30天Star增速

HF 下载量

上线时间2025-12-31 00:00:00

最近更新2026-09-23 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

核心亮点

创新性的循环工程范式，通过计划-执行-总结闭环实现智能体自我进化
结构化经验记忆机制，使AI能跨任务积累和复用知识
集成进化算法，支持复杂任务的迭代优化和自适应调整

不足之处

项目处于早期阶段，文档和社区生态尚待完善
框架复杂度较高，上手门槛可能较大

适用场景

复杂软件工程任务的自动化与持续优化
数学证明和问题求解的迭代推理
机器学习模型的自动调优与进化

替代项目

AutoGPT、BabyAGI、MetaGPT

项目介绍

LoongFlow 是开发框架领域的开源项目，由 baidu-baige 开发，2025 年首次发布。

它收录于开发框架分类，该分类目前共有 803 个项目，GitHub 星标数为 478。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-23。Apache-2.0 许可证，完全免费，无付费版本。

它主要面向的使用场景是：复杂软件工程任务的自动化与持续优化。同类可对比的替代方案包括 AutoGPT、BabyAGI、MetaGPT。

上一篇：token-tracker

下一篇：agentsilex