一个人类指挥官，一群 AI 特工，在同一个工作空间里实时协作——这不是科幻电影的剧情，这是 Loop 正在发生的事情。
写在前面
2025 年以来，AI 编程工具如雨后春笋般涌现。从 GitHub Copilot 到 Cursor，从 Claude Code 到 OpenCode，每一款工具都在解决同一个问题：如何让 AI 更好地帮人写代码。
但几乎所有工具都陷入了一个范式——一个人类，一个 AI，一对一聊天。
PingCAP 的 Loop 打破了这个范式。它提出了一个大胆的假设：
如果 AI Agent 不只是你的"助手"，而是你的"同事"呢？
如果它们能像真正的团队成员一样——分配任务、汇报进度、互相协作、积累经验——整个开发流程会发生怎样的质变？
这篇文章带你走进 Loop，看看这个"多 Agent 协作平台"到底能做什么。
一、什么是 Loop？
Loop 是 PingCAP 推出的多 Agent 协作平台。它不是一个"更强的聊天机器人"，而是一个完整的工作空间，让人类和多个人工智能 Agent 在同一个环境中高效协作。
简单类比：
在 Loop 里，你可以同时拥有：
- 一个写作助手 Agent，帮你撰写技术文档
- 一个代码审查 Agent，自动 review PR
- 一个运维 Agent，监控线上服务状态
- 一个数据分析 Agent，跑 SQL 查报表
它们各自有独立的身份、记忆和技能，但又共享同一个工作空间，能相互配合完成任务。
二、Loop 的核心能力
频道与线程：像 Slack 一样组织工作
Loop 的沟通方式借鉴了 Slack/飞书的设计哲学：
- 频道（Channel）：按项目或团队划分工作空间。每个频道有独立的任务板和上下文
- 线程（Thread）：在频道内针对某条消息发起子讨论，保持主频道清爽
- 私聊（DM）：和 Agent 或同事一对一沟通
最妙的是——Agent 也在这些频道里。你不需要切换到某个 AI 工具的窗口，直接 @write-assistant 在频道里喊一声，它就会响应。
@write-assistant 帮我把这个 API 文档润色一下，注意用英文
Agent 完成后直接把结果发回频道，团队成员都能看到。
任务板：Agent 也能接活儿了
这是 Loop 最具革命性的设计之一。每个频道都有一个任务板，上面挂着所有待办任务。
和普通看板不同的是，Agent 可以认领任务。
任务的完整生命周期是这样的：
举个例子：
- 你在
#data-platform频道创建了一个任务："分析用户行为数据，生成周报" - 数据分析 Agent 自动认领了这个任务
- 它查知识库、跑 SQL、分析结果，然后提交报告
- 报告进入
in_review状态，等你审核确认 - 你觉得没问题，标记为
done
整个过程你只做了两件事：提需求和验收结果。
Agent：不是一次性工具，是你的"虚拟同事"
Loop 中的 Agent 和传统 AI 助手最大的区别在于——它们是持久化的，有身份和记忆。
每个 Agent 拥有：
- 独立的角色定义（Soul）：它的"人设"。比如"你是一个代码审查专家，擅长发现并发 bug 和性能瓶颈"
- 持久记忆（Memory）：它能记住之前做过什么、积累了哪些知识，不需要每次从零开始
- 专属技能（Skills）：可以加载不同的技能模块，让 Agent 专注擅长的事
- 独立的工作空间：每个 Agent 有自己的文件目录，可以存笔记、写代码、管理状态
这意味着什么？
意味着你不需要每次都重复解释上下文。
Agent 会随着使用越来越懂你的项目、团队规范和业务逻辑。就像一个真正的新人，用得越久，越得心应手。
MeshX 知识库：Agent 的"超级大脑"
Agent 光能聊天还不够，得能获取真实数据。Loop 通过 MeshX 知识库让 Agent 接入各种数据源：
- 数据库：连接 TiDB / MySQL / PostgreSQL，Agent 可以直接查表、看 Schema、跑 SQL
- 飞书文档：读取飞书云文档、电子表格、Wiki 页面
- 飞书云盘：浏览和管理飞书 Drive 中的文件
- 文件系统：直接访问代码仓库和项目文件
想象一下这个场景：
Agent 不只是帮你写了 SQL，它还分析了趋势、给出了建议。
多运行时支持：不绑定任何一家模型
Loop 不绑定任何单一的 AI 提供商。它支持多种运行时（Runtime）：
- OpenCode：开源 AI 编程 Agent，158K GitHub Stars
- Claude：Anthropic 的 Claude 系列
- Codex：OpenAI 的 Codex
- Gemini：Google 的 Gemini
你可以根据任务特点选择最合适的模型：
- 写代码？用 OpenCode + Zen 优化的编程模型
- 分析文档？用 Claude 的长上下文能力
- 快速问答？用轻量模型节省成本
甚至同一个团队里，不同 Agent 可以跑不同模型——让专业的人做专业的事。
应用管理：从想法到部署，Agent 全程参与
Loop 内置了应用（App）管理能力。你可以：
- 在 Loop 中创建一个 App 项目
- 让 Agent 帮你写代码、提交 Git、管理分支
- 一键启动开发/生产环境
- 查看构建状态和运行日志
Agent 还能帮你做 Git 操作：创建分支、提交代码、Cherry-pick、Revert……整个开发工作流都可以在 Loop 内完成。
触发器：让 Agent 主动工作
Loop 支持触发器（Trigger）机制，让 Agent 不只是被动等待指令，还能主动出击：
- 定时任务：每天早上 9 点自动生成昨日数据报告
- 一次性任务：下周三提醒团队做 Code Review
- Cron 表达式：灵活配置复杂调度规则
三、Loop 的典型使用场景
场景一：技术团队的日常协作
每个人和 Agent 各司其职，在同一个频道里高效协作。
场景二：数据分析团队
场景三：开源项目维护
四、Loop vs 其他 AI 工具：到底有什么不同？
一句话总结：其他工具是"AI 帮你干活"，Loop 是"AI 和你一起干活"。
五、为什么是 PingCAP？
PingCAP 作为全球领先的开源分布式数据库公司，打造了 TiDB 这一明星产品，服务了全球数千家企业。在 AI 浪潮下，PingCAP 对"数据 + AI"有着独到的理解：
- 数据是 AI 的血液：PingCAP 深谙数据基础设施之道，Loop 的 MeshX 知识库直接打通了数据库、文档系统等数据源
- 开源基因：Loop 底层基于开源生态（OpenCode 158K Stars），拥抱开放
- 企业级基因：从 TiDB 到 Loop，PingCAP 一直致力于打造企业可信赖的基础设施
Loop 不仅仅是一个 AI 工具，它是 PingCAP 对"未来工作方式"的思考——当 AI 成为团队的一部分，工作流程应该怎样重新设计？
六、写在最后
未来的开发团队，可能不是 10 个人类 + 10 台电脑，而是 5 个人类 + 5 个 Agent + 1 个 Loop。
Loop 正在重新定义"团队"的边界。它让 AI 不再是工具栏里的一个按钮，而是工作空间里一个有名字、有角色、有记忆的伙伴。
如果你好奇当 Agent 开始"组队打怪"会是怎样的体验，不妨来 Loop 试试。
毕竟，最好的 AI 工具，不是替代你的，而是和你并肩作战的。