尧图网页设计 
ruflo 后台 Worker 调度协调实战loop-worker-coordinator 与 cache-aware /loop、CronCreate 双模式调度指南【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo导读本文围绕 ruflo 生态中的loop-worker-coordinatorAgent 展开系统讲解如何在/loop会话内、缓存感知与CronCreate持久化、跨会话两种执行模式下协调后台 Worker 的生命周期从健康检查、触发调度、缓存 TTL 节律设计到 12 个 Worker 触发器的优先级与推荐间隔再到与 MCP 工具、CLI 命令、神经学习反馈的配合。读完本文你将掌握一套可落地的后台自动化编排方案如何用 270s 的 cache-aware 心跳保持 prompt cache 热如何为 audit、optimize、testgaps 等 Worker 配置 cron 表达式以及如何通过hooks_worker-*MCP 工具与npx claude-flow/cli命令实现 Worker 全生命周期管理。一、loop-worker-coordinator 是什么loop-worker-coordinator是ruflo-loop-workers插件提供的编排 Agent定义于 agents/loop-worker-coordinator.md其 frontmatter 声明为name: loop-worker-coordinator、model: haiku职责一句话概括协调后台 Worker 生命周期横跨/loop会话内、缓存感知与CronCreate持久化、跨会话两种执行模式。它是 ruflo 家族每个周期性任务的底层编排者与插件的两条命令/ruflo-loop、/ruflo-schedule、两套技能loop-worker、cron-schedule共同组成完整的使用入口见 ADR-0001 的 Surface 说明。核心职责派发 Worker通过mcp__plugin_ruflo-core_ruflo__hooks_worker-dispatch携带正确的 trigger 名称完成派发健康监控通过mcp__plugin_ruflo-core_ruflo__hooks_worker-status检查状态并上报失败调度迭代loop 模式用ScheduleWakeup持久化模式用CronCreate尊重缓存 TTL默认延迟 270s 保持 prompt cache 温热5 分钟 TTL × 0.9。这四条职责直接映射到 Agent 文档的 Responsibilities 小节是理解整个编排模型的主干。二、12 个后台 Worker优先级、触发器与推荐间隔协调器的核心资产是 12 个可派发的后台 Worker。原文档给出了完整的触发器-优先级-推荐间隔对照表这是编排决策的基础Worker优先级Trigger推荐间隔loop推荐间隔cronauditcriticalaudit270s*/15 * * * *optimizehighoptimize270s*/30 * * * *consolidatelowconsolidate600s0 * * * *predictnormalpredict270s*/15 * * * *mapnormalmap270s*/30 * * * *testgapsnormaltestgaps270s*/15 * * * *documentnormaldocument600s0 */2 * * *benchmarknormalbenchmark600s0 * * * *deepdivenormaldeepdive270s*/30 * * * *refactornormalrefactor270s*/30 * * * *ultralearnnormalultralearn270s*/15 * * * *preloadlowpreload600s0 * * * *触发器与消费者插件的对应关系每个 trigger 都不是孤立存在的它对应一个消费者插件构成触发 → 消费的闭环见 README 的 worker-trigger → consumer-plugin 映射Trigger消费者插件用途ultralearnruflo-intelligence从深度代码扫描引导学习语料optimizeruflo-cost-tracker、ruflo-intelligence性能与成本优化建议consolidateruflo-intelligence、ruflo-agentdbEWC 记忆巩固predictruflo-intelligence为即将到来的任务做预测性路由auditruflo-security-audit、ruflo-aidefence安全与合规审计mapruflo-knowledge-graph构建/刷新实体关系知识图谱preloadruflo-core、ruflo-rag-memory高频操作前预热缓存deepdiveruflo-goals深度研究多来源调研documentruflo-docs生成 API 文档并做漂移检测refactorruflo-jujutsu差异化感知重构建议benchmarkruflo-cost-tracker、ruflo-iot-cognitum性能基准测试testgapsruflo-testgen覆盖率缺口检测与测试生成这套映射关系在 ADR-0001 中被确认为契约消费者插件ruflo-docs、ruflo-security-audit、ruflo-testgen等可以对照这份唯一权威来源校验自己的 trigger 名称。三、Worker 的两种执行模式/loop 与 CronCreate协调器需要根据场景选择执行模式。两个模式的核心差异源自 cron-schedule SKILL/loop会话内cache-aware、自定节奏适合活跃开发期。用ScheduleWakeup安排下一次唤醒。CronCreate持久化跨会话存活重启后依然有效适合 CI / 监控场景。/ruflo-loop启动会话内 Worker/ruflo-loop命令commands/ruflo-loop.md从$ARGUMENTS解析 Worker 名称并启动 cache-aware 的/loopWorker随后用ScheduleWakeup以 270s 延迟安排下一次迭代npx claude-flow/clilatest hooks worker dispatch --trigger WORKER_NAME/ruflo-schedule安排持久化 Worker/ruflo-schedule命令commands/ruflo-schedule.md使用CronCreate创建持久化后台任务用法/schedule worker [cron-expression] 可用 Workeraudit, map, optimize, consolidate, testgaps, predict, document, benchmark 默认 cron 表达式 - audit, testgaps: */15 * * * * - optimize, map: */30 * * * * - consolidate, document: 0 * * * *示例/schedule audit */15 * * * *等价于创建CronCreate(audit, */15 * * * *, Run security audit worker)四、270s 缓存感知节律为什么是 270 而不是 300协调器文档明确要求尊重 cache TTL —— 默认延迟 270s 保持 prompt cache 温热5 分钟 TTL × 0.9。README 给出了完整推导推荐回退心跳为270 秒—— 低于 5 分钟 prompt-cache TTL因此下一次唤醒可以读到已缓存的会话上下文。超过 300s 将导致 cache miss而四舍五入到 5 分钟恰好是最坏情况。loop-workerSKILL 进一步给出了统一公式延迟公式min(270, cache_ttl * 0.9) -- 默认 270s因此 cache-aware 的调度写法是# 通过 MCP 派发 Worker mcp__plugin_ruflo-core_ruflo__hooks_worker-dispatch({ trigger: WORKER_NAME }) # 安排下一次迭代缓存感知 ScheduleWakeup({ delaySeconds: 270, reason: next WORKER_NAME iteration })关键原则超过 300s 会付出 cache miss 的代价恰好取整到 5 分钟是两头都不占的最坏选择。270s 是缓存热命中与任务频次之间的平衡点。对于事件驱动型循环还可以挂一个Monitor作为兜底让 270s 唤醒成为安全网。该契约由 ruflo-autopilot ADR-0001仓库内对应 plugins/ruflo-autopilot/docs/adrs/0001-autopilot-contract.md持有ruflo-loop-workers是承载它的 substrate 插件。五、完整调度工作流协调器文档给出了三步标准流程配合 MCP 工具形成闭环检查当前 Worker 状态npx claude-flow/clilatest hooks worker status派发需要的 Workernpx claude-flow/clilatest hooks worker dispatch --trigger WORKER_NAME按执行模式安排下一次检查loop 模式用ScheduleWakeup持久化模式用CronCreate/CronList/CronDelete。MCP 工具响应中会携带[LOOP_SUGGESTION]和[CRON_SUGGESTION]提示应遵循这些提示选择下一步见 loop-worker SKILL。六、底层实现5 个 hooks_worker-* MCP 工具协调器使用的 MCP 工具全部定义在v3/claude-flow/cli/src/mcp-tools/hooks-tools.ts共 5 个ADR-0001 引用了行号3489、3538、3656、3714、3923当前源码中分别实现于 4453、4502、4641、4699、5119 附近工具用途hooks_worker-list列出所有 12 个 Worker 及其状态、能力支持按statusall/running/completed/pending过滤hooks_worker-dispatch以--trigger worker-name派发一次 Worker 运行可选--scopehooks_worker-status检查运行中的 Worker返回 duration 与 running/completed/failed 汇总hooks_worker-detect根据上下文检测哪些 Worker 应该触发hooks_worker-cancel取消运行中的 Workerdispatch 的输入契约hooks_worker-dispatch的 inputSchemahooks-tools.ts明确trigger必填枚举固定为 12 个触发器ultralearn / optimize / consolidate / predict / audit / map / preload / deepdive / document / refactor / benchmark / testgapscontextWorker 上下文文件路径、主题等会经过validateText校验priority优先级low / normal / high / critical缺省取WORKER_CONFIGS[trigger]?.priority如 auditcritical、optimizehigh、consolidate/preloadlowbackground是否后台非阻塞运行默认true。派发未知 trigger 时返回{ success: false, error: Unknown worker trigger: ..., availableTriggers }并附带全部合法触发器列表。从源码结构看hooks_worker-list还暴露了性能目标trigger 检测5ms、Worker 生成50ms、最大并发 10可作为编排容量的参考。CLI 与 MCP 的等价调用# CLI npx claude-flow/clilatest hooks worker dispatch --trigger document --scope api # MCP mcp tool call hooks_worker-dispatch --json -- {trigger: document, scope: api}协调器既可通过Bash(npx claude-flow/clilatest hooks worker *)管理 Worker也可直连mcp__plugin_ruflo-core_ruflo__hooks_worker-dispatch/mcp__plugin_ruflo-core_ruflo__hooks_worker-status。另外从 worker-daemon.ts 的注释可见dispatch 在独立进程写入 daemon 队列.claude-flow/daemon-queue/daemon 每 5s 轮询一次处理后条目移入.processed/轮询hooks_worker-status直到status completed。七、神经学习任务完成后沉淀成功模式协调器文档在 Neural Learning 一节要求完成任务后存储成功模式供后续任务检索复用# 记录任务结果 npx claude-flow/clilatest hooks post-task --task-id TASK_ID --success true --quality 0.9 # 检索已有模式 npx claude-flow/clilatest memory search --query TASK_TYPE patterns --namespace patterns这与插件所拥有的worker-historyAgentDB 命名空间相呼应README 说明该命名空间kebab-case遵循 ruflo-agentdb ADR-0001 的命名空间约定记录派发事件、时长、成功/失败判定通过memory_*工具按命名空间路由访问。保留命名空间pattern、claude-memories、default绝不能被遮蔽。八、安装、前置依赖与验证安装/plugin marketplace add ruvnet/ruflo /plugin install ruflo-loop-workersruflo前置依赖需要ruflo-core插件提供 MCP serverCLI 固定为claude-flow/cliv3.6 大版本小版本。验证smoke 即契约bash plugins/ruflo-loop-workers/scripts/smoke.sh # 期望输出: 12 passed, 0 failedsmoke.sh 的 12 项结构检查覆盖了本文全部核心契约插件版本 0.2.1 与 4 个关键词、两套技能 Agent 2 命令及 frontmatter、5 个hooks_worker-*工具被引用、12 个 trigger 全部被记录、v3.6 pin、命名空间协调worker-history被认领、270s cache-aware 说明、ruflo-autopilot 心跳契约交叉引用、trigger → 消费者插件映射表、ADR-0001 状态为 Accepted、技能中无通配符工具授权。这套脚本让文档即契约得以机器校验任何一项漂移都会导致FAIL并返回非零退出码。九、最佳实践小结活跃开发期用/loopcache-aware 自定节奏270s 心跳保持 prompt cache 热避免每次唤醒重新支付上下文成本。CI / 监控用CronCreate持久化跨会话重启不丢audit、testgaps 用*/15 * * * *optimize、map 用*/30 * * * *consolidate、document、benchmark、preload 用小时级。按优先级编排critical 级 audit 优先派发low 级 consolidate、preload 让位于前台任务。遵循 MCP 响应的[LOOP_SUGGESTION]/[CRON_SUGGESTION]提示让协调器自动衔接下一轮调度。每次任务后写回post-task与memory search把成功模式沉淀进worker-history/patterns命名空间实现越用越准的神经学习闭环。相关资源协调器 Agentagents/loop-worker-coordinator.md插件总览与触发器映射plugins/ruflo-loop-workers/README.md契约 ADRplugins/ruflo-loop-workers/docs/adrs/0001-loop-workers-contract.md两套技能skills/loop-worker/SKILL.md、skills/cron-schedule/SKILL.md命令入口commands/ruflo-loop.md、commands/ruflo-schedule.mdMCP 工具实现v3/claude-flow/cli/src/mcp-tools/hooks-tools.ts验证脚本scripts/smoke.sh【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 ruflo 后台 Worker 调度协调实战：loop-worker-coordinator 与 cache-aware /loop、CronCreate 双模式调度指南
ruflo 后台 Worker 调度协调实战loop-worker-coordinator 与 cache-aware /loop、CronCreate 双模式调度指南【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo导读本文围绕 ruflo 生态中的loop-worker-coordinatorAgent 展开系统讲解如何在/loop会话内、缓存感知与CronCreate持久化、跨会话两种执行模式下协调后台 Worker 的生命周期从健康检查、触发调度、缓存 TTL 节律设计到 12 个 Worker 触发器的优先级与推荐间隔再到与 MCP 工具、CLI 命令、神经学习反馈的配合。读完本文你将掌握一套可落地的后台自动化编排方案如何用 270s 的 cache-aware 心跳保持 prompt cache 热如何为 audit、optimize、testgaps 等 Worker 配置 cron 表达式以及如何通过hooks_worker-*MCP 工具与npx claude-flow/cli命令实现 Worker 全生命周期管理。一、loop-worker-coordinator 是什么loop-worker-coordinator是ruflo-loop-workers插件提供的编排 Agent定义于 agents/loop-worker-coordinator.md其 frontmatter 声明为name: loop-worker-coordinator、model: haiku职责一句话概括协调后台 Worker 生命周期横跨/loop会话内、缓存感知与CronCreate持久化、跨会话两种执行模式。它是 ruflo 家族每个周期性任务的底层编排者与插件的两条命令/ruflo-loop、/ruflo-schedule、两套技能loop-worker、cron-schedule共同组成完整的使用入口见 ADR-0001 的 Surface 说明。核心职责派发 Worker通过mcp__plugin_ruflo-core_ruflo__hooks_worker-dispatch携带正确的 trigger 名称完成派发健康监控通过mcp__plugin_ruflo-core_ruflo__hooks_worker-status检查状态并上报失败调度迭代loop 模式用ScheduleWakeup持久化模式用CronCreate尊重缓存 TTL默认延迟 270s 保持 prompt cache 温热5 分钟 TTL × 0.9。这四条职责直接映射到 Agent 文档的 Responsibilities 小节是理解整个编排模型的主干。二、12 个后台 Worker优先级、触发器与推荐间隔协调器的核心资产是 12 个可派发的后台 Worker。原文档给出了完整的触发器-优先级-推荐间隔对照表这是编排决策的基础Worker优先级Trigger推荐间隔loop推荐间隔cronauditcriticalaudit270s*/15 * * * *optimizehighoptimize270s*/30 * * * *consolidatelowconsolidate600s0 * * * *predictnormalpredict270s*/15 * * * *mapnormalmap270s*/30 * * * *testgapsnormaltestgaps270s*/15 * * * *documentnormaldocument600s0 */2 * * *benchmarknormalbenchmark600s0 * * * *deepdivenormaldeepdive270s*/30 * * * *refactornormalrefactor270s*/30 * * * *ultralearnnormalultralearn270s*/15 * * * *preloadlowpreload600s0 * * * *触发器与消费者插件的对应关系每个 trigger 都不是孤立存在的它对应一个消费者插件构成触发 → 消费的闭环见 README 的 worker-trigger → consumer-plugin 映射Trigger消费者插件用途ultralearnruflo-intelligence从深度代码扫描引导学习语料optimizeruflo-cost-tracker、ruflo-intelligence性能与成本优化建议consolidateruflo-intelligence、ruflo-agentdbEWC 记忆巩固predictruflo-intelligence为即将到来的任务做预测性路由auditruflo-security-audit、ruflo-aidefence安全与合规审计mapruflo-knowledge-graph构建/刷新实体关系知识图谱preloadruflo-core、ruflo-rag-memory高频操作前预热缓存deepdiveruflo-goals深度研究多来源调研documentruflo-docs生成 API 文档并做漂移检测refactorruflo-jujutsu差异化感知重构建议benchmarkruflo-cost-tracker、ruflo-iot-cognitum性能基准测试testgapsruflo-testgen覆盖率缺口检测与测试生成这套映射关系在 ADR-0001 中被确认为契约消费者插件ruflo-docs、ruflo-security-audit、ruflo-testgen等可以对照这份唯一权威来源校验自己的 trigger 名称。三、Worker 的两种执行模式/loop 与 CronCreate协调器需要根据场景选择执行模式。两个模式的核心差异源自 cron-schedule SKILL/loop会话内cache-aware、自定节奏适合活跃开发期。用ScheduleWakeup安排下一次唤醒。CronCreate持久化跨会话存活重启后依然有效适合 CI / 监控场景。/ruflo-loop启动会话内 Worker/ruflo-loop命令commands/ruflo-loop.md从$ARGUMENTS解析 Worker 名称并启动 cache-aware 的/loopWorker随后用ScheduleWakeup以 270s 延迟安排下一次迭代npx claude-flow/clilatest hooks worker dispatch --trigger WORKER_NAME/ruflo-schedule安排持久化 Worker/ruflo-schedule命令commands/ruflo-schedule.md使用CronCreate创建持久化后台任务用法/schedule worker [cron-expression] 可用 Workeraudit, map, optimize, consolidate, testgaps, predict, document, benchmark 默认 cron 表达式 - audit, testgaps: */15 * * * * - optimize, map: */30 * * * * - consolidate, document: 0 * * * *示例/schedule audit */15 * * * *等价于创建CronCreate(audit, */15 * * * *, Run security audit worker)四、270s 缓存感知节律为什么是 270 而不是 300协调器文档明确要求尊重 cache TTL —— 默认延迟 270s 保持 prompt cache 温热5 分钟 TTL × 0.9。README 给出了完整推导推荐回退心跳为270 秒—— 低于 5 分钟 prompt-cache TTL因此下一次唤醒可以读到已缓存的会话上下文。超过 300s 将导致 cache miss而四舍五入到 5 分钟恰好是最坏情况。loop-workerSKILL 进一步给出了统一公式延迟公式min(270, cache_ttl * 0.9) -- 默认 270s因此 cache-aware 的调度写法是# 通过 MCP 派发 Worker mcp__plugin_ruflo-core_ruflo__hooks_worker-dispatch({ trigger: WORKER_NAME }) # 安排下一次迭代缓存感知 ScheduleWakeup({ delaySeconds: 270, reason: next WORKER_NAME iteration })关键原则超过 300s 会付出 cache miss 的代价恰好取整到 5 分钟是两头都不占的最坏选择。270s 是缓存热命中与任务频次之间的平衡点。对于事件驱动型循环还可以挂一个Monitor作为兜底让 270s 唤醒成为安全网。该契约由 ruflo-autopilot ADR-0001仓库内对应 plugins/ruflo-autopilot/docs/adrs/0001-autopilot-contract.md持有ruflo-loop-workers是承载它的 substrate 插件。五、完整调度工作流协调器文档给出了三步标准流程配合 MCP 工具形成闭环检查当前 Worker 状态npx claude-flow/clilatest hooks worker status派发需要的 Workernpx claude-flow/clilatest hooks worker dispatch --trigger WORKER_NAME按执行模式安排下一次检查loop 模式用ScheduleWakeup持久化模式用CronCreate/CronList/CronDelete。MCP 工具响应中会携带[LOOP_SUGGESTION]和[CRON_SUGGESTION]提示应遵循这些提示选择下一步见 loop-worker SKILL。六、底层实现5 个 hooks_worker-* MCP 工具协调器使用的 MCP 工具全部定义在v3/claude-flow/cli/src/mcp-tools/hooks-tools.ts共 5 个ADR-0001 引用了行号3489、3538、3656、3714、3923当前源码中分别实现于 4453、4502、4641、4699、5119 附近工具用途hooks_worker-list列出所有 12 个 Worker 及其状态、能力支持按statusall/running/completed/pending过滤hooks_worker-dispatch以--trigger worker-name派发一次 Worker 运行可选--scopehooks_worker-status检查运行中的 Worker返回 duration 与 running/completed/failed 汇总hooks_worker-detect根据上下文检测哪些 Worker 应该触发hooks_worker-cancel取消运行中的 Workerdispatch 的输入契约hooks_worker-dispatch的 inputSchemahooks-tools.ts明确trigger必填枚举固定为 12 个触发器ultralearn / optimize / consolidate / predict / audit / map / preload / deepdive / document / refactor / benchmark / testgapscontextWorker 上下文文件路径、主题等会经过validateText校验priority优先级low / normal / high / critical缺省取WORKER_CONFIGS[trigger]?.priority如 auditcritical、optimizehigh、consolidate/preloadlowbackground是否后台非阻塞运行默认true。派发未知 trigger 时返回{ success: false, error: Unknown worker trigger: ..., availableTriggers }并附带全部合法触发器列表。从源码结构看hooks_worker-list还暴露了性能目标trigger 检测5ms、Worker 生成50ms、最大并发 10可作为编排容量的参考。CLI 与 MCP 的等价调用# CLI npx claude-flow/clilatest hooks worker dispatch --trigger document --scope api # MCP mcp tool call hooks_worker-dispatch --json -- {trigger: document, scope: api}协调器既可通过Bash(npx claude-flow/clilatest hooks worker *)管理 Worker也可直连mcp__plugin_ruflo-core_ruflo__hooks_worker-dispatch/mcp__plugin_ruflo-core_ruflo__hooks_worker-status。另外从 worker-daemon.ts 的注释可见dispatch 在独立进程写入 daemon 队列.claude-flow/daemon-queue/daemon 每 5s 轮询一次处理后条目移入.processed/轮询hooks_worker-status直到status completed。七、神经学习任务完成后沉淀成功模式协调器文档在 Neural Learning 一节要求完成任务后存储成功模式供后续任务检索复用# 记录任务结果 npx claude-flow/clilatest hooks post-task --task-id TASK_ID --success true --quality 0.9 # 检索已有模式 npx claude-flow/clilatest memory search --query TASK_TYPE patterns --namespace patterns这与插件所拥有的worker-historyAgentDB 命名空间相呼应README 说明该命名空间kebab-case遵循 ruflo-agentdb ADR-0001 的命名空间约定记录派发事件、时长、成功/失败判定通过memory_*工具按命名空间路由访问。保留命名空间pattern、claude-memories、default绝不能被遮蔽。八、安装、前置依赖与验证安装/plugin marketplace add ruvnet/ruflo /plugin install ruflo-loop-workersruflo前置依赖需要ruflo-core插件提供 MCP serverCLI 固定为claude-flow/cliv3.6 大版本小版本。验证smoke 即契约bash plugins/ruflo-loop-workers/scripts/smoke.sh # 期望输出: 12 passed, 0 failedsmoke.sh 的 12 项结构检查覆盖了本文全部核心契约插件版本 0.2.1 与 4 个关键词、两套技能 Agent 2 命令及 frontmatter、5 个hooks_worker-*工具被引用、12 个 trigger 全部被记录、v3.6 pin、命名空间协调worker-history被认领、270s cache-aware 说明、ruflo-autopilot 心跳契约交叉引用、trigger → 消费者插件映射表、ADR-0001 状态为 Accepted、技能中无通配符工具授权。这套脚本让文档即契约得以机器校验任何一项漂移都会导致FAIL并返回非零退出码。九、最佳实践小结活跃开发期用/loopcache-aware 自定节奏270s 心跳保持 prompt cache 热避免每次唤醒重新支付上下文成本。CI / 监控用CronCreate持久化跨会话重启不丢audit、testgaps 用*/15 * * * *optimize、map 用*/30 * * * *consolidate、document、benchmark、preload 用小时级。按优先级编排critical 级 audit 优先派发low 级 consolidate、preload 让位于前台任务。遵循 MCP 响应的[LOOP_SUGGESTION]/[CRON_SUGGESTION]提示让协调器自动衔接下一轮调度。每次任务后写回post-task与memory search把成功模式沉淀进worker-history/patterns命名空间实现越用越准的神经学习闭环。相关资源协调器 Agentagents/loop-worker-coordinator.md插件总览与触发器映射plugins/ruflo-loop-workers/README.md契约 ADRplugins/ruflo-loop-workers/docs/adrs/0001-loop-workers-contract.md两套技能skills/loop-worker/SKILL.md、skills/cron-schedule/SKILL.md命令入口commands/ruflo-loop.md、commands/ruflo-schedule.mdMCP 工具实现v3/claude-flow/cli/src/mcp-tools/hooks-tools.ts验证脚本scripts/smoke.sh【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考