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#

text

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