MartinLoop

什么是 MartinLoop？

MartinLoop 是面向 AI 编码 agent 的受治理运行时。它旨在包裹 Claude、Codex 或自定义模型等 agent，为运行代码变更任务提供更强管控：在执行前加入规则，在完成前进行检查，并在每次运行后记录。

该产品重点在于让团队环境中的 agent 工作更易管理。MartinLoop 不把模型当作系统本身，而是负责重试逻辑、预算控制、运行记录和完成检查，让团队可以审查发生了什么，并判断输出是否已准备好合并。

主要功能

• 更智能的重试：失败尝试会被压缩为结构化信号，而不是原样返回，有助于在重试之间保持 token 用量稳定。
• 有针对性的失败处理：MartinLoop 将失败分为 12 类，并根据问题应用不同修复方式，例如针对语法错误进行约束修复，或针对幻觉进行 grounding 检查。
• 硬预算上限：用户可在运行开始前设置美元限额，MartinLoop 会实时监控支出，并在达到上限时停止。
• 智能退出：当收益递减或预算上限临近时，系统可以干净地结束运行，而不是继续不必要的执行。
• 准确的成本核算：它会统计运行中涉及的全部 token，包括 thinking tokens 和子 agent 支出，以减少低报。
• 运行记录与受治理完成：源文提到 JSONL 运行记录和基于证据的完成机制，为团队提供审计轨迹，并在运行被视为结束前验证结果。

如何使用 MartinLoop

典型流程是将 MartinLoop 接到你已在使用的 AI 编码 agent 外围，为运行定义规则和预算，然后启动任务。MartinLoop 会接管重试、监控成本、应用针对不同失败的处理，并记录运行结果。

运行结束后，团队可以查看记录和任何完成证据，了解发生了什么、修复了什么，以及结果是否适合合并或继续处理。

使用场景

• 生产环境 AI 编码工作流：工程团队可以在受控规则下运行 Claude、Codex 或其他 agent，尤其适用于输出可能被合并到仓库的场景。
• 预算可控的 agent 执行：平台或工程负责人可以为任务设置美元上限，使 agent 支出在较长或重复运行中保持可预测。
• 调试重复的 agent 失败：团队可以使用有针对性的失败处理，对语法错误、幻觉和其他失败类别做出不同响应，而不是盲目重试。
• 可审计性与复盘：需要记录 agent 行为的组织可以使用 JSONL 运行日志和运行后记录，检查变更和决策。
• 围绕 agent 工作的团队治理：希望在完成前加入检查的团队，可以使用 MartinLoop 在自主代码生成周围增加审批或证据步骤。

常见问题

MartinLoop 也是一个编码 agent 吗？
不是。源文将 MartinLoop 描述为围绕 AI 编码 agent 的系统，而不是编写代码的执行者。

它支持哪些 agent？
页面明确提到 Claude、Codex 和自定义 agent。除此之外，源文没有说明其他兼容工具。

MartinLoop 是开源的吗？
是的。核心部分采用 Apache 2.0 许可。托管仪表盘和受管控制平面被描述为商业产品。

它包含定价信息吗？
开源核心标注为免费。付费方案标注为即将推出和早期访问，但页面未提供具体价格。

它适合谁？
常见问题和页面文案都指向在生产环境中运行 AI 编码 agent、并且需要控制、可审计性和记录的工程团队、平台团队和 CTO。

替代方案

• 直接使用 AI 编码 agent：如 Claude 或 Codex 之类的工具可以生成和编辑代码，但它们不提供 MartinLoop 旨在添加的外围治理层。
• 通用 CI/CD 或代码审查工作流：传统流水线可以在事后验证代码，但它们并非为在运行期间管理自主 agent 而设计。
• Agent 编排框架：更广泛的编排工具可以协调跨模型和工具的任务，但它们可能并不专注于面向编码 agent 的预算上限、失败分类处理和运行记录。
• 自定义内部封装：团队可以自行围绕 agent 构建控制措施，但 MartinLoop 将运行时、日志、预算管理和完成检查整合到一个系统中。