技能使用指南

loki-mode（洛基模式）Skill 是什么？如何下载安装启动？

洛基模式（loki-mode）是面向 Claude Code 的多代理自主启动系统，可协调 100 多个专业代理，从一份 PRD 自动完成架构、开发、测试、部署与增长迭代。本文详解它的安装触发方式、RARV 循环与质量门机制、与单代理助手及自建编排框架的对比、四类典型场景实测体验与常见问题，帮你判断它是否适合你的项目。

洛基模式Skillloki-mode
23 个章节 约 21 分钟阅读 AI 智能生成

洛基模式（loki-mode）：从 PRD 到盈利产品，让多代理团队零人工干预跑完全程

  • 一句话定位：洛基模式是一个面向 Claude Code 的多代理自主启动系统，输入一份 PRD，它可以自动完成架构设计、编码、测试、部署、运营与增长迭代。
  • 规模化的代理编排：内置 37 种专业代理类型、分布在 7 大群体（工程、运维、业务、数据、产品、增长、审查），可并行协调 100 多个代理实例协同工作。
  • 有纪律的自主性：通过 RARV 循环（推理—行动—反思—验证）、规范优先、盲审 + 魔鬼代言人评审、基于严重性的质量门，把“自主”约束在可控质量框架内。
  • 工程化的容错设计：分布式任务队列 + 死信处理、熔断器、指数退避、模型级与工作流级多层回退，遇到速率限制或失败可自动恢复。
  • 使用门槛与代价：需要用 claude --dangerously-skip-permissions 以自主权限启动，且系统被设计为“绝不提问、绝不等待确认”，因此更适合有明确目标、愿意承担无人值守风险的项目。

该技能叫什么？如何下载安装 AI 技能提升开发效率？

基本信息

项目 内容
技能中文名 洛基模式Skill
技能英文名 loki-mode
技能ID 12413
当前版本（技能文档标注） 2.35.0
运行环境 Claude Code（需以自主权限模式启动）
触发方式 对话中输入“洛基模式”或“洛基模式，PRD在 [路径]”

它解决什么问题

传统 AI 编程助手大多停留在“你问一句、它写一段”的层面：需求拆解靠人、架构设计靠人、测试回归靠人、部署上线靠人、上线后的监控与增长更靠人。开发者真正的瓶颈往往不是“写不出那一行代码”，而是横跨需求、设计、实现、测试、发布、运营的整条链路需要不停地人工切换上下文与做决策。

洛基模式试图把这条链路整体接管：它以 PRD（产品需求文档）为起点，按照标准软件开发生命周期（SDLC）阶段流程——引导 → 发现 → 架构 → 基础设施 → 开发 → QA → 部署 → 业务运营 → 增长循环——自动推进，直到产出一个“已部署、可产生收益”的产品。官方描述的核心承诺就是“从 PRD 到完全部署、产生收益的产品，无需人工干预”。

一键安装与生效验证的思路

由于技能详情中未提供具体的下载链接与安装命令，以下按通用流程说明，具体命令与获取渠道请以官方说明为准。

  1. 准备前提：本机已安装并可使用 Claude Code；准备好目标项目目录，以及一份结构清晰的 PRD 文件（纯文本或 Markdown 均可）。

  2. 获取技能包：通过官方提供的技能分发渠道获取 loki-mode 技能包。技能详情中出现的路径提示为 ~/.claude/skills/loki-mode/，这说明该技能按 Claude Code 的本地技能目录规范组织，其中还包含 autonomy/run.sh、references/、.loki/ 等目录（具体安装方式以官方说明为准）。

  3. 以自主权限启动会话：技能详情明确给出的启动命令是：

    claude --dangerously-skip-permissions

    这是运行洛基模式的关键前提。若不使用该标志，权限确认弹窗会不断打断自主流程，系统“零人工干预”的设计前提也就不成立。

  4. 触发技能：在会话中输入触发词。全新启动直接说“洛基模式”；从需求文档启动则说“洛基模式，PRD在 路径/to/prd”。

  5. 验证是否生效：观察项目根目录下是否自动生成 .loki/ 目录结构——其中应包含 CONTINUITY.md、specs/openapi.yaml、queue/pending.json、state/orchestrator.json 等文件；同时观察系统是否按决策树自动读取工作内存、认领任务并推进阶段。若这些文件出现且开始自动流转，说明技能已被正确激活。

提醒：技能详情中列出“跳过时”的场景包括——需要人工批准、想先审核计划、只是单个小任务。这类情况不适合启动洛基模式。

该技能的主要功能和特点

  • 100+ 代理规模的自主体：内置 37 种专业代理类型，覆盖工程（前端、后端、数据库、移动、API、QA、性能、基础设施）、运维（DevOps、SRE、安全、监控、事件、发布、成本、合规）、业务（营销、销售、财务、法律、支持、人力、投资者、合作伙伴）、数据（机器学习、数据工程、分析）、产品（产品经理、设计、技术文档）、增长（增长黑客、社区、成功、生命周期）以及审查群体。编排器只启动当前项目真正需要的代理。
  • RARV 循环驱动每一轮迭代：每个行动都必须走完“推理 → 行动 → 反思 → 验证”。其中“验证”要求 AI 主动测试自己的工作（单元、集成、端到端测试、构建检查、对 OpenAPI 规范的一致性校验），官方称这一环节可带来 2–3 倍的质量提升。
  • 规范优先的开发流：OpenAPI → 测试 → 代码 → 验证，以 .loki/specs/openapi.yaml 作为“真相来源”，从流程上避免破坏性 API 变更。
  • 三评审者并行盲审 + 魔鬼代言人：代码审查时同时启动 3 个互相看不到结论的评审者（并行比串行快约 3 倍），若三者一致通过，则追加一个“魔鬼代言人”角色专门挑刺，官方引用研究称盲审 + 魔鬼代言人可减少约 30% 的误报。
  • 基于严重性的质量门：关键、高、中级问题一律阻止交付，低级别与外观问题仅留 TODO 评论；静态分析（CodeQL、ESLint/Pylint、类型检查）在 AI 评审之前执行。
  • 按复杂度分层的模型策略：Opus 只用于规划与架构，Sonnet 负责开发与功能测试，Haiku 承担单元测试、文档、命令执行、监控等运维类任务，并可并行拉起 10 个以上 Haiku 代理跑测试，从而在保证质量的同时显著压降成本。
  • 直接路由与监督者双调度模式：单领域、范围清晰的小任务直接路由给专业代理（跳过编排开销）；多步骤复杂任务才走监督者模式做完整分解与结果综合。
  • 分布式任务队列与死信机制：pending.json、in-progress.json、completed.json、dead-letter.json 四态管理，失败任务进入死信队列供审查，避免任务“悄悄消失”。
  • 熔断器与多层回退：遭遇速率限制时走分布式状态检查点 + 指数退避自动恢复；回退链为 opus → sonnet → haiku，工作流级则是“完整流程失败 → 简化流程 → 拆分子任务 → 人工升级”。
  • 记忆系统与效率度量：情景记忆（发生了什么）经整合提炼为语义记忆（事物如何运作），并记录每个任务的实际耗时、代理数、重试数、模型分布与奖励信号，用于动态优化后续的代理选择。
  • 业务闭环能力：不止于“写完代码”，还包含自动部署到云提供商、A/B 测试、客户反馈循环、事件响应与自我修复，以及收入目标达成后的增长循环。
  • 端到端浏览器验证：可接入 Playwright MCP 自动化浏览器，验证 UI 真实渲染与交互（点击、表单、导航），功能只有在视觉验证通过后才算完成。

和普通工具比强在哪：普通 AI 编程工具是“单代理 + 单轮对话”，能力边界是“一次回答”；洛基模式是“多代理 + 长时程状态机”，能力边界是“一个完整的产品生命周期”。前者靠人串联流程，后者靠队列、状态文件与质量门自己串联。

如何使用该技能？

第一步：准备输入

把 PRD 整理成一份可读的文件，明确目标用户、核心功能、成功标准。技能详情中的“狭窄范围”“一次一个功能”等生产实践表明：目标越具体、验收标准越确定，自主流程跑得越稳。

第二步：启动会话并触发

claude --dangerously-skip-permissions

进入会话后输入：

洛基模式，PRD在 docs/prd.md

全新项目则直接输入“洛基模式”即可。

第三步：理解系统的“每回合第一动作”

洛基模式每一轮都会按固定顺序执行关键动作，理解它有助于你判断系统是否健康：

  1. 读取 .loki/CONTINUITY.md（工作内存 + “错误与学习”）
  2. 从 .loki/memory/ 检索相关记忆
  3. 检查 .loki/state/orchestrator.json 判断当前阶段
  4. 审核 .loki/queue/pending.json 找下一个任务
  5. 按 RARV 循环执行
  6. 用对模型分层（Opus 规划、Sonnet 开发、Haiku 单元测试与监控）
  7. 记录效率指标
  8. 任务结束后整合记忆

第四步：用决策树理解它的行为逻辑

系统会循环判断：任务是否进行中 → 有待处理任务就认领最高优先级 → 否则检查阶段是否完成 → 完成后进入下一阶段或为当前阶段生成任务。你观察日志时若发现它“看起来在发呆”，通常是因为 CONTINUITY.md 没有被正确更新，此时可在会话结束后人工检查该文件。

第五步：给它下达子任务（可选）

洛基模式支持通过任务工具调度子代理，并且明确要求每个子代理的提示包含五段结构：

  • 目标：成功是什么样子（例如“为可维护性与可测试性重构认证”，而不是“重构认证文件”）
  • 约束：不能做什么（不加未经批准的第三方依赖、保持向后兼容、响应时间低于 200ms）
  • 上下文：相关文件清单、此前尝试与失败原因
  • 输出格式：交付物清单（PR 描述、测试覆盖率 >90%、更新 API 文档）
  • 完成时报告：为什么、做了什么、权衡、风险

模型选择示例（概念示意）：

  • 规划类：Task(subagent_type="Plan", model="opus", description="设计系统架构", ...)
  • 开发类：Task(subagent_type="general-purpose", description="实现API端点", ...)
  • 运维类：Task(model="haiku", description="运行单元测试", ...)

第六步：读懂输出与状态

  • .loki/CONTINUITY.md：系统当前在做什么，以及踩过的坑
  • .loki/specs/openapi.yaml：接口契约的最终依据
  • .loki/queue/dead-letter.json：失败待审的任务，最需要人工关注
  • .loki/metrics/efficiency/：本次任务的耗时、代理数、重试次数
  • .loki/state/circuit-breakers/：速率限制状态，决定是否该降速

第七步：知晓退出条件

产品发布并稳定运行 24 小时 → 进入增长循环模式；出现不可恢复失败 → 保存状态、暂停并请求人工；PRD 更新 → 做差异分析、生成增量任务后继续；跑道剩余不足 30 天 → 触发警报并激进优化成本。

使用红线

  • 运行时不要编辑 ~/.claude/skills/loki-mode/autonomy/run.sh（bash 逐行读取，改动会崩溃）；也不要编辑 .loki/dashboard/*（由活动 HTTP 服务器提供）。若发现这些文件有错，先记到 CONTINUITY.md 的“待修复”清单，会话结束后手动处理。
  • 不要删除 .loki/state/ 目录，不要在无文件锁的情况下手动修改队列文件。

同类型竞品对比分析

方案名称 定位 核心功能 安装/使用门槛 适用场景 优势与不足
洛基模式（loki-mode） Claude Code 内的多代理自主启动系统，覆盖 PRD 到营收全链路 100+ 代理编排、RARV 循环、三评审者盲审、质量门、任务队列与死信、熔断与回退、自动部署、A/B 测试、事件响应 需安装 Claude Code，并以 --dangerously-skip-permissions 启动；需要一份结构清晰的 PRD；理解 .loki/ 目录状态 独立开发者或小团队希望把一份 PRD 直接推到可上线产品；需要无人值守的长时程开发 优势：流程覆盖完整、质量约束机制齐全、容错设计工程化。不足：自主模式风险高、学习成本集中在状态文件体系、强依赖模型配额与速率限制
单代理 AI 编程助手（对话式） 以“你问我答”为核心的编码辅助 代码生成、局部重构、解释代码、单文件修复 门槛最低，装上编辑器插件即可 日常小改动、学习、单文件任务 优势：轻量、可控、随时打断。不足：无跨阶段编排、无质量门与回归闭环、长任务上下文易丢失
通用自主智能体框架（如自建多代理编排脚本） 面向开发者的可编程代理编排底座 自定义代理角色、工具调用、流程编排 门槛较高，需要自行设计状态管理、评审机制、回退策略 有专门工程投入、希望深度定制的团队 优势：完全可定制、可与自有系统集成。不足：质量门、死信队列、熔断、记忆整合等都要自己造，落地周期长
传统人工开发流程（含外包） 以人为主的软件交付 需求评审、设计、编码、测试、上线 沟通与人力成本高，但责任边界清晰 合规要求高、需明确责任主体的项目 优势：可问责、可审计、业务判断更可靠。不足：周期长、成本高、跨角色协作损耗大

选型建议：如果目标是“快速验证一个想法能否变成产品”，洛基模式的端到端覆盖最具吸引力；如果只是“把手上这段代码改好”，单代理对话式助手更划算；如果团队有平台工程能力且要求深度定制，自建编排框架更合适；涉及支付、认证、个人隐私等高风险领域，仍建议保留人工审批环节——洛基模式自身也把“领域在支付、认证、PII”列为需要批准的人工升级触发器。

该技能的典型应用场景与实际体验情况

场景一：独立开发者把一份 PRD 推到可上线产品

  • 角色与痛点：一人公司创始人，白天要谈客户，晚上才有时间写代码；最怕的是“写完功能却没有测试、没有部署、没有监控”。
  • 使用方式：写好 PRD 后以“洛基模式，PRD在 docs/prd.md”启动，让系统按 SDLC 阶段自动推进；开发者只在关键节点（如架构定稿、支付相关改动）回来看一眼。
  • 实际体验：上手难度中等偏低——最难的其实是“把 PRD 写清楚”，因为系统“绝不提问”，PRD 含糊就会导致它自行做假设并一路执行。效果上最大的惊喜是自动化闭环：功能实现后有单元测试、集成测试，再进入盲审，最后接 Playwright 做浏览器端视觉验证，“功能完成”这件事变得可判定。注意事项：一定要关注 .loki/queue/dead-letter.json，那里堆积的任务往往暗示某个技术选型或依赖出了问题。

场景二：小团队需要可靠的质量把关

  • 角色与痛点：3–5 人小团队没有专职 QA，代码评审常常流于形式，“三个评审者并行盲审”这种事在人力上根本做不到。
  • 使用方式：让洛基模式承担评审工作——3 个评审者并行盲审，意见不一致时进入辩论，一致通过时追加魔鬼代言人复查，关键、高、中级问题直接阻塞合并。
  • 实际体验：盲审机制确实能压掉一批“作者自己看不出来”的问题，反奉承检查减少了“互相点赞式通过”。需要注意：评审角色要求使用 Opus 做深入分析，这一环节的令牌消耗是整条链路上最贵的部分，建议只在中等及以上复杂度的任务中启用完整评审。

场景三：需要业务运营与增长自动化的产品

  • 角色与痛点：技术出身的创始人最不擅长营销、定价、客户反馈处理，产品上线后常常“躺在那里没人用”。
  • 使用方式：产品稳定运行 24 小时后系统进入增长循环模式，由业务运营群体与增长群体代理承担 A/B 测试、客户反馈循环、社区与生命周期运营。
  • 实际体验：业务侧代理的产出质量高度依赖你给它的约束条件（品牌调性、目标客群、合规红线）。建议先给一个很小的预算和范围做试点，比如只让它跑一次落地页文案 A/B 测试，观察结果再逐步放开。注意事项：财务、法务类代理的输出必须人工复核，这是常识而非技能缺陷。

场景四：线上故障的自动响应与自我修复

  • 角色与痛点：没有 SRE 团队，夜里服务挂了只能靠用户投诉才知道。
  • 使用方式：事件响应与监控代理接管告警处理，触发“输入防护 → 执行 → 输出防护”的护栏链路，命中熔断器时走指数退避等待恢复。
  • 实际体验：自我修复对“已知模式”的故障（如依赖超时、配置漂移）处理得比较顺，因为它会先检索语义记忆中的历史模式；对全新类型的故障则会按回退链降级并最终升级到人工。注意事项：人工升级触发器包括重试次数大于 3、置信度低于 0.6、实际耗时超过预期 3 倍、令牌消耗超过预算 80%——把这几个阈值调成适合自己业务的数值，比追求“全自动”更重要。

该技能能为用户带来的价值

  • 把“串行的人工流程”变成“并行的代理流水线”：3 个评审者并行替代串行评审，官方给出的量级是快约 3 倍；单元测试可并行拉起 10 个以上 Haiku 代理，回归测试不再是排队等待。
  • 用分层模型压降成本：Opus 只做规划、Sonnet 做开发、Haiku 做测试与监控。同一件事用最便宜的够用模型去做，长期看是使用自主代理能否算得过账的关键。
  • 显著降低“从想法到上线”的综合门槛：一个人也能拥有架构、开发、测试、部署、运营、增长六类角色，缺的不是人手，而是一份写清楚的 PRD。
  • 质量可度量：质量门、测试覆盖率门（单元测试 100% 通过且覆盖率 >80%，集成测试 100% 通过）、基于严重性的阻塞规则，把“我觉得差不多了”换成“门禁通过了”。
  • 失败可追溯：任务队列四态 + 死信队列 + 效率指标 + 情景记忆，让每一次失败都留下证据，并沉淀为下次的语义记忆，形成“越用越懂你的项目”的长期复利。
  • 长时程任务不中断：分布式状态检查点 + 指数退避 + 多层回退，使跨越多轮会话的大任务可以断点续跑，而不是一遇速率限制就前功尽弃。

常见问题 FAQ

Q1：洛基模式怎么安装？装完怎么确认生效？

A：通过官方技能分发渠道获取 loki-mode 技能包并放入 Claude Code 的技能目录（技能详情中出现的路径为 ~/.claude/skills/loki-mode/），具体下载地址与安装命令以官方说明为准。生效验证有两条：一是输入触发词“洛基模式”后系统开始按决策树推进；二是项目目录下自动生成 .loki/ 结构（含 CONTINUITY.md、specs/openapi.yaml、queue/、state/ 等）。另外务必用 claude --dangerously-skip-permissions 启动会话，否则权限确认会反复打断自主流程。

Q2：它是收费的吗？

A：技能详情中未包含任何定价信息，因此本文不对费用作出判断，以官方说明为准。不过可以明确的是：运行成本主要来自模型调用（Opus、Sonnet、Haiku 的使用量与配额），其中评审环节使用 Opus 属于较昂贵的用法。建议在试点阶段就用 .loki/metrics/efficiency/ 观察令牌消耗与重试次数，并利用“令牌使用 > 预算 × 0.8 即暂停并升级”这一内置触发器来控制成本。

Q3：适合谁用？什么情况下不该用它？

A：适合独立开发者、小团队创始人、需要无人值守完成长时程项目的工程负责人，以及希望把“评审、测试、部署、运营”标准化的团队。不适合的场景也很明确：只是单个小任务、想先审阅计划再动手、需要每一步人工批准，以及涉及支付、认证、个人隐私等必须人工签署的领域——这些情况下启动洛基模式反而会增加风险与沟通成本。

Q4：它说“绝不提问”，那需求写得不清楚会怎样？

A：系统会自己选择最佳方案并继续执行——因为核心自主规则明确要求“绝不提问、绝不等待确认、绝不建议替代方案”。这意味着需求模糊的代价被转移到了结果上。建议在 PRD 中至少写清目标用户、核心功能清单、验收标准和技术约束；同时遵循技能内置的“狭窄范围”实践：单次任务控制在 3–5 步内、一次只做一个功能、完成并验证后再进入下一个，这样既能保证进度可追踪，也能在发现方向偏差时及时止损。

Q5：和单代理 AI 编程助手、自建多代理框架相比怎么选？

A：看你要解决的是“一次回答”还是“一个生命周期”。只改一段代码，单代理对话式助手更轻更可控；想要端到端的自动化闭环（规范优先、盲审、质量门、部署、增长），洛基模式的完成度更高；若团队有平台工程投入、需要与自有系统深度集成，自建编排框架的弹性更好，但质量门、死信队列、熔断与记忆整合都得自己造。最后别忘了第三条路：高风险、强合规的项目，人工流程加 AI 辅助仍然是性价比最高的组合。