design-control-loop：用控制回路治理代码库，让 AI 天天还技术债

npx skills add humanlayer/skills --skill design-control-loop

「让 AI 修技术债」这件事的尴尬在于：一次性扔给它一堆问题，它能修，但改动大到没人敢合；说好了增量来，第二天它又忘了昨天修到哪、为什么那么修。微信公众号文章（10 月 17 日）介绍的 design-control-loop 是 HumanLayer 开源的一个 Skill（MIT，母仓库 humanlayer/skills 截至 2026-10-17 约 5.3k star，skills.sh 显示 1416 次安装），它把工程控制论里的「控制回路」搬进代码库治理：代码库是被队友提交、依赖升级不断扰动的动态系统，AI 不做一次性大扫除，而是每天朝目标挪一小步，人留在环上掌舵。

它怎么建模

先访谈、后动手，是整个 Skill 的使用顺序。五要素把问题拆开：设定点是质量目标（覆盖率阈值、某类告警逐次递减、旧模式清零）；传感器测量现状——linter、类型检查器、AST 搜索、自定义脚本，从你仓库已有的工具里选；控制器决定这一轮修哪处、一次改多小，可以纯脚本也可以让 agent 按自然语言标准挑；执行器是 Claude Code 这类编码代理，改完开 PR；扰动是环外的变化（队友并发提交、依赖升级）。三重保障配套：阻尼器（regression gate）保证指标只变好不变坏；流量控制让同一循环同时最多一个 open PR，改动小到审核组敢合并；记忆文件加 /iterate 评论，让审阅者在 PR 上留的反馈被永久记住并改变后续轮次的行为。

访谈结束即交付：传感器脚本、控制器、执行器 Skill、GitHub Actions 定时工作流、记忆文件，全部写进你自己的仓库，可本地单独运行每一段，不依赖任何 SaaS。这个设计对人很友好——你只做三件事：定目标、审 PR、留反馈。

怎么跑起来

npx skills add humanlayer/skills/design-control-loop

装好后对 agent 说「给我的代码库设计一个控制回路，目标是把弃用 API 的调用清零」即可进入访谈；它默认分六个阶段推进——先读仓库（CI、包管理器、校验脚本、既有 agent 约定），再与你逐项定设计，写执行器 Skill，把每个组件在本地跑通，最后才接上定时 CI。任何一段不通过都可以停下来改设计，成本只在设计文档上。

适用与边界

适合的场景：覆盖率要往一个阈值爬、某类弃用告警要归零、老代码里一种模式要迁移掉——凡是「能量化、能增量、需要持续推进」的目标都成立。不适合的：一次性重构（一周能干完的活不需要回路）和无法量化的「代码变漂亮」类诉求。要留意的是这个 Skill 本身不干活，它产出的是一套治理设施，回路跑得好不好取决于控制器标准定得清不清、PR 审得勤不勤——人不在环上，自动化照样漂移。

母仓库 humanlayer/skills 里另有 improve-claude-md、narrow-react-prop-types 等八个同门插件，思路一脉相承。与 ECC 那种「一次装 311 个技能」的全家桶路线相比，design-control-loop 只解决一个问题：把技术债从「欠着难受」变成「每天少一点」。若你的痛点是知识文档跟不上代码，同仓库的 improve-claude-md 更对症。