Valkor联合浙大与UCL开源loom 为AI编程补上工程状态层
loom通过结构化状态链解决Coding Agent长任务中的失忆与噪音问题，让AI编程走向可靠交付。
AI编程工具在长任务中常因上下文堆满报错而“局部失忆”，反复试错。新开源的loom把工程进度、测试结果、代码变更等关键信息结构化为独立状态链，让Agent可随时恢复进度，也能被其他模型无缝接管，减少无效消耗。
正文摘录
.jpg)  在 Vibe Coding 彻底降低开发门槛的今天，大家都在经历一个奇特现象：让一个 Coding Agent 去现有的项目里改个代码 Bug、或者补个 API 接口，前 3 轮的交互体验往往极其惊艳。它能读仓库、找文件、迅速写出第一版 Diff，甚至顺手把测试也跑了。 但只要任务的上下文稍微拉长、复杂度提升，大部分开发者就会陷入一种极其痛苦的 “调试黑洞”：Agent 在某一轮跑测试挂了，它开始失去方向，在聊天窗口里疯狂修改代码、高频道歉、连续输出 5 轮新 Diff。到了第 10 轮，你深吸一口气，发现它不仅彻底忘记了最开始的目标，甚至开始原地打转，把第 2 轮已经修好的 Bug 又改了回去。 最后，整个会话里塞满了报错和垃圾日志，环境噪声极高。面对这个开始胡言乱语、原地打转的 Agent，为了不继续浪费 Token，你不得不手动切断并新建一个会话。但这时候你面临一个更崩溃的现实 —— 你必须把过去一小时发生的事情、改了哪些文件、卡在哪个测试点，重新用自然语言给新 Agent 完整地拼凑一遍。