本帖使用社区公益推广，符合推广要求。我申明并遵循社区要求的以下内容：
我的项目是免费使用的，无收费（变相收费、赞助）部分： 是
我的帖子已经打上 公益推广 标签： 是
我的项目属于个人项目，与公司或商业机构无关： 是
我的项目不存在QQ、TG等群组引流： 是
我的项目不存在非运营必要的网站引流： 是
我的项目不存在为他人推广、AFF： 是
我的项目无关联的商业项目： 是
我的站点存在登录，并已接入 LINUX DO Connect： 否【无需登录】
我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
以上选择我承诺是永久有效的，接受社区和佬友监督： 是
以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
一个不让 AI 改自己规则的编程工具
大部分 AI 编程工具都在想办法让 Agent 更自主。我们的Autoloom 反过来了。
在这个工具里，Agent 改不了自己的治理规则，也不能用一句"已完成"结束任务。系统只会记录"结果已记录"，没验证的部分继续显示为未知。
先说清楚它和我们之前发的 AEGIS 的关系：
AEGIS 回答"AI 编程该遵循什么方法"——原帖在这里
Autoloom 回答"怎么让 Agent 无法绕过这些方法"
AEGIS 是一套方法与工程实践；Autoloom 是把它做成运行环境的产品，基于 DeepSeek Harness 与 Cordis 构建。
一、Agent 不能改写自己的规则
每个项目里会有一个 .autoloom 目录，保存项目的目标、约束、验收标准和历史决策。
这个目录由 Host 保护：普通文件工具和 Shell 沙箱都拒绝直接写入。
Agent 想改规则，只能提交一份候选，由你在精确的差异上批准，然后走原子事务落地。它不能自己决定"这条约束不重要了，我删掉"。
代价是更麻烦、摩擦更大。我们接受这个代价，因为一个能随时放宽自己约束的 Agent，约束本身就没有意义。
二、"完成"不是模型说了算
文件写入成功、命令退出成功、需求已满足——这是三件事，我们不让它们互相冒充。
Agent 结束时，系统记录的状态是“结果已记录”，它明确不等于验证通过，也不等于需求已验收。没跑过的检查、失败的检查、无法确认的部分，会继续留在未知里。
我们甚至不给 Agent 的自然语言打分。系统只校验"该做的检查投递过、回复非空、顺序正确"，至于那段话说得对不对，不构成通过依据。
三、需求覆盖率是算出来的
项目的需求清单只有一个来源：项目基线。
某个需求有没有被实现，只能由工作记录里精确的来源引用来声明。没有引用就是未知——不允许根据文件名、标题或模型摘要去猜。
所以我们没有那种一排绿色勾的进度看板。看起来不够爽，但它不会骗人。
四、压缩不替你总结掉原文
长任务一定会压缩上下文。我们的原则是：能逐行核对的重复内容才删，其他不动。
工具结果剪枝只去掉可核对的重复文本；摘要必须逐字保留你的原始消息（包括注入的指令）和工具错误，并附上原始事件序号。证据缩不下去时，宁可保留检查点，也不替换。
其他部分，简单带过
会话恢复、权限审批、沙箱、多模型接入、本地与 SSH 项目、文件与 Git 查看、文档预览、终端——这些 Autoloom 都有，但不是这篇帖子的重点，市面上很多工具也做得不错。
另外两点值得知道：
模型用你自己的。 可以配置支持的 Provider 和兼容端点，Autoloom 不捆绑官方模型套餐，费用由对应 Provider 收取。
当前是一个 Agent 端到端干活。 分析、修改、验证、汇总由同一个 Agent 完成，我们没有把多 Agent 分派和虚拟岗位做成产品功能。
当前阶段
Windows x64 桌面免费客户端，开箱即用；
SSH 远端项目当前支持 Linux x64；
仍是 Alpha，可能有破坏性调整，安装包可能提示未知发布者；
源码暂未公开，公开仓库主要承载下载、版本说明和问题反馈。
下载与反馈
版本下载： Releases · GanyuanRan/Autoloom · GitHub
问题反馈： Issues · GanyuanRan/Autoloom · GitHub
大家在真实任务中跑完之后，记得给我们反馈呀。我们尤其想知道：哪些限制确实拦住了错误，哪些地方又只是让你更烦。
后续我们仍然会在本贴持续更新项目进展，佬友们也可以在这里向我们直接反馈。