扩展-Agent Loop：自主执行的工程哲学

AI Loop：自主执行的工程哲学

“单次推理给你一个答案，持续循环给你一个结果。这两件事之间的距离，就是 Agent 工程的全部难度。”

本节概览

第七章讲了 Agent 的基本结构：LLM + 工具 + 循环决策。循环决策是三个要素里最容易被忽视的一个——它不像 LLM 那样神秘，也不像工具那样直观，但它是决定 Agent 能否真正"自主完成任务"的关键。

一个没有正确设计循环的 Agent，能力上限就是"完成一件小事，然后等待"。一个循环设计得当的 Agent，才能在无人值守的情况下推进真正复杂的长时任务。

本节从工程哲学的角度讲清楚四件事：

1. 为什么单次 LLM 调用天然无法完成复杂任务，Loop 是必然的工程选择
2. 通用 Agent Loop 的六步闭环模型及其内部机制
3. Goal 和终止条件的设计原则——Loop 如何知道"做完了"
4. Loop 的三种形态和它们各自适合的场景

1. 为什么 LLM 单次调用解决不了复杂任务

1.1 单次推理的天花板

你让一个工程师修复一个生产 Bug：他要读日志、定位代码、理解上下文、写修复、跑测试、确认没有副作用、提交。这个过程至少 6 个步骤，每一步的结果都会影响下一步的判断。

现在你把同样的任务交给一次 LLM 调用。结果是什么