Agent Loop：AI 从“一句一答”变成“自己干活”，关键就差这一个循环

同样一个大模型，为什么有人只拿它聊天，而有人已经让它自己查资料、跑代码、交结果？差别不在模型，而在外面套没套一个循环。这篇把 Agent Loop 讲透，结尾给你一套今天就能抄的最小实现。

先说结论：Agent Loop 就是“想一想、动动手、看一眼”无限循环。大模型负责想，工具负责动手，反馈负责纠偏。没有循环，模型一次只答一句话；有了循环，它能把一句话的任务拆成十几步自己走完。你缺的从来不是更强的模型，而是一个敢让它循环起来的架子。

这个循环里有三个角色，分工很清楚。第一个是规划器，拿到目标先拆步骤，比如“先搜文档，再写脚本，最后验证”。第二个是执行器，真的去调工具：搜网页、读文件、跑命令。第三个是裁判，拿着执行结果对照目标，行就继续，不行就打回去重想。三者转起来，AI 才有了“干活”的样子。

抄作业的话，最小版本只需要四样东西。一个系统提示词，写清目标和可用工具；一个工具注册表，哪怕只有“网页搜索”和“执行代码”两个；一个最多跑十轮的循环上限，防止烧钱停不下来；一个每轮的日志，记下它在想什么、调了什么。跑起来之后你会发现，大部分失败都栽在提示词没写清工具的输入格式，补两行示例就好大半。

什么时候别上这个循环，也得说清楚。查一条确定的知识、翻译一段话这种一步到位的活，直接调模型更快更便宜。循环适合的是“步骤不确定、中间要看结果再定下一步”的活：排查线上问题、做技术调研、批量处理一批格式各异的文档。判断标准就一条：人做这事要不要分好几步看情况，转头就用循环，一步到位就别折腾。

今天就可以动手：挑一个你每周都要做两三次的多步骤杂活，比如收一堆报错日志先分类再找已知方案。照上面的四件套搭个十轮循环，上限设死，日志打开，跑三天看效果。跑通了你会发现，省下来的不是那几分钟，而是“不用守着它”的注意力。 来源｜博客园 Tomorrowland《Agent Loop：AI 是怎么从一句一答进化成自己干活的》，https://www.cnblogs.com/Tomorrowland/p/23203861.html